【摘 要】
：
针对风电功率超短期预测问题,提出基于快速集合经验模态分解(Fast Ensemble Empirical Mode Decomposition, FEEMD)、样本熵(Sample Entropy, SE)和BP_AdaBoost集成神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用FEEMD方法将其分解为从一系列本征模态函数分量(IMF)和余项;运用样本熵来解决分量个数过多、计算量繁
【机 构】
：
昆明理工大学电力工程学院 云南昆明650500
论文部分内容阅读
针对风电功率超短期预测问题,提出基于快速集合经验模态分解(Fast Ensemble Empirical Mode Decomposition, FEEMD)、样本熵(Sample Entropy, SE)和BP_AdaBoost集成神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用FEEMD方法将其分解为从一系列本征模态函数分量(IMF)和余项;运用样本熵来解决分量个数过多、计算量繁杂的问题,通过PACF(偏自相关系数)筛选出与预测值关联程度高的元素确定输入维数;选用泛化能力强的集成神
其他文献
将深度学习应用于医疗问答是目前最热门的话题之一,一般使用单一神经网络(CNN或RNN)获取句子间语义信息来提高匹配精度。但是该方法只能获取句子中一部分或单侧的信息,忽略了其他丰富而复杂的语义关系,从而导致匹配结果不够理想。针对此问题提出一种将CNN网络和BiGRU网络相结合并引入注意力机制的混合模型—ABiGRU-CNN,该模型能够有效地提取问答对中复杂语义信息。在cMedQA数据集上的实验表明,
LoRa是一种用于广域物联网应用的低功耗通信技术,具有远距离、超低功耗等特点。LoRa采用基于Chirp(线性调频)信号的扩频调制技术,通过对Chirp信号进行循环移位得到调制信号,其传输信息由符号起始位置的初始频率偏移所承载。其通信性能极易受定时偏差和频率偏差的影响。提出一种针对LoRa技术的联合同步及频偏估计算法,根据LoRa循环移位的特点,通过推导时偏和频偏的数学模型,联立方程组求解得到精确
风帆侧推力影响帆船阻力和航向稳定性,从而影响航速乃至使帆船失去航向。为使无人帆船在稳定航行中保持最大航速,对侧推力影响下帆船航速的风帆攻角作用规律进行研究。采用CFD技术对风帆空气动力特性进行数值模拟,获得风帆作用力系数曲线;基于响应型三自由度船舶操纵分离(MMG)方法建立目标帆船运动仿真模型,生成侧推力影响下不同风况和攻角对应的帆船航速簇曲线,分析获得无人帆船最大航速控制的风帆攻角策略。研究结果
针对训练数据较少的小样本情况下,使用隐马尔可夫模型(HMM)的建模准确性较低的问题,提出一种基于条件随机场(CRF)和HMM混合模型的手势识别方法。用一个区分局部观测值的判别模型来提供与序列中的每个局部观测相关联的局部后验。将CRF用于执行这种判别层。通过区分局部观察值来为HMM层提供局部类后验。在HMM解码阶段将这些局部后验组合在一起提供更多的全局信息。通过实际手势识别实验验证了融合HMM建模能
Redis因具备快速响应、数据安全等特点,常被选作系统缓存工具。由于受到单节点性能约束,传统电力系统中通常会选择Redis集群架构。但是在Redis集群实际部署过程中,往往呈现出扩展性差、维护困难等缺陷。为此,提出一种基于Codis的分布式缓存架构方案,以对传统电力系统中的Redis集群进行优化。通过电力系统中业务存储能力、数据检索效率、性能优良检测等多角度,对搭建的Codis分布式缓存架构进行理
针对高考咨询问题重复性高、搜索引擎回答较为冗余等现状,从各网站的半结构化以及非结构数据中抽取知识三元组,构建高校信息知识图谱;对涉及多种约束的复杂问句的问答方法进行研究,提出一个基于语义解析的问答模型,通过对问句的解析将问句自动转换为Neo4j查询语句。实验结果表明,该系统能较为准确地回答大部分领域问题,为其他领域类问答系统的实现提供了借鉴。
针对阿尔茨海默病的计算机辅助诊断,使用多种模态医学数据,结合机器学习算法实现高准确率的诊断。将数据经过年龄校正和特征剔除处理;将结构性磁共振成像、正电子发射计算机断层显像、脊髓液蛋白质和基因四种模态数据通过主成分分析进行融合;使用极限学习机分类诊断。通过302位对象的十折交叉验证实验,准确率达到95.1%,比常规方法提升3.5百分点。结果说明该方法在阿尔茨海默病的诊断上有高准确度,可为医生的临床诊
语音信号在传播过程中会产生持续时长不等的音素特征,这些特征会影响语音识别的正确率。针对这一问题,提出一种多核卷积融合网络(Multi-core Convolution Fusion Network, MCFN),用于对不同长度的音素特征进行标准化,用标准化后的特征训练语音识别模型。此外,还利用子空间高斯混合模型(Subspace Gaussian Mixture Model, SGMM)将一般说话
道路场景语义分割是自动驾驶系统的重要组成部分。道路场景中环境复杂、物体种类繁多且尺寸差异较大,已有的全卷积神经网络(FCN)特征提取能力不足,导致语义分割精度较低。对此,提出一种多尺度特征提取网络(Multi-scale Feature Extraction Network, MFNet),该网络采用并行的特征提取模块提取不同尺度下的不变特征,增强特征多样性,通过逐层的反卷积操作,将特征上采样恢复
服务网格(Service Mesh)是用于处理服务间通信的专用基础设施层。为了有效提升其性能,从并发处理模型和交互协议两个方面研究服务网格的性能优化方法,分别提出基于Reactor设计模式的服务网格高并发处理模型和面向服务网格的轻量级、自定义的代理交互协议,并实现一个服务网格原型系统。通过实验与当前主流的开源服务网格系统Linkerd和Envoy进行性能对比分析,实验结果表明该方法能够显著提升服务