基于时序数据-BP神经网络的电力能耗分析研究

为了更好地对电厂中机组的能耗问题进行分析研究,根据电厂不同工况的参数指标,建立电力企业能耗仿真BP神经网络模型。归一化处理电厂运行过程中各类传感器采集的数据,采用负荷、环境温度、排烟温度、背压、含氧量等指标,并加入时序历史能耗作为输入参数;利用电力企业短时能耗作为输出参数;通过采用不同时间窗口的连续时序能耗参数指标和热力学相关参数作为输入,在神经网络中不同中间层的隐层节点数下进行仿真实验。结果表明,基于时序历史能耗数据的电厂指标参数在包含21个隐层节点数的BP神经网络模型上能够在线仿真出精度较高的短时供电能耗数据。所建的电力能耗预测模型将为后续电厂的节能减排、负荷优化,提供理论参数支撑。     

固体废弃物热解产物的神经网络预测模型

本文采用3层BP神经网络建立了固体废弃物热解产物的产率和特性的预测模型。采用遗传BP算法来优化隐层节点数和学习速率η0与回归方法相比，其预测误差明显小于回归公式的预测误差。     

基于出行链的电动汽车充电行为影响因素分析

随着电动汽车的快速发展,大规模电动汽车充电将给电力系统规划和运行带来不可忽视的影响,研究电动汽车的充电行为及其影响因素,并实时预测潜在的充电行为越发迫切。基于北京市私家电动汽车的历史车联网数据,引入出行链的概念,综合电动汽车充电过程和放电过程的数据,从实际出发考虑影响电动汽车充电行为的多种潜在因素,并通过logistic回归模型分析确定了显著影响充电行为的因素。分别基于单一和多个显著影响因素建立电动汽车充电行为的预测模型,预测结果表明,基于多个显著影响因素的模型准确率更高,且对晴天的预测效果更好。研究成果将有助于优化电动汽车的充电行为,进而提高电动汽车的充电效率。      

基于黑盒测试环境的交会对接软件时序分析技术及应用

航天器空间交会对接难度大,GNC软件对任务的完成起到重要作用.由于交会对接控制软件功能复杂,时序要求严格,这对软件测试提出了很高的要求.基于黑盒测试环境,利用FPGA设计方法和时序分析技术,实现了对交会对接软件重要数据运行时序的捕获和对上下行信号相位关系的跟踪,完善了故障触发和上行注入手段.该测试环境在交会对接软件研制过程中起到重要作用.     

轴流透平时序定位方法的探讨

利用时序效应原理,对一个1.5级轴流透平前后级静叶的周向定位提出简单的方案,以期能够达到最高效率,并利用Numeca软件对此周向定位方法进行了准三维的数值模拟验证,结果表明:该方法在叶轮机构前后级叶片定位的设计中有一定的参考价值.      

时序法预测股市的新途径

文章在传统的经典时序法模型的基础上进行了改进,把时序法与技术分析结合起来,并对时序法得出的趋势进行二次时序法处理.从经典时序法对趋势的判断,转为对趋势的变动进行判断,使之更能适应股票市场的多变性,并能够有效的应用于实践,其具体方法是二次时序法和引入反转因子.     

基于灰色评价模型的枢纽机场之间延误影响分析

随着民航事业的高速发展,航班量逐年剧增,导致了大面积航班延误、延误波及现象频繁发生。采用灰色预测方法,选择全国流量较大的五个机场为研究对象,确定评价指标,建立评价样本矩阵,计算出灰色权向量和权向量,得到五个机场的指标评价值以及评价对象北京首都机场的综合评价值。通过对综合评价值的分析,可以得到各个机场对于首都机场延误的影响程度,可依此优化机场的进离场航班顺序,最大程度上减少五个机场对于首都机场的延误影响,提高首都机场的运行效率。     

某雷达数据处理机时序控制模块的设计与实现

时序控制模块做为某雷达数据处理机的核心模块，为雷达整机提供各种定时信号，同时还提供与TV显示处理机、指挥仪、敌我识别器等的交联信号．文章详细介绍了采用超大规模集成电路设计时序控制模块的方法．     

基于时序相关性的信息效用评价模型研究

事务处理中的时间相关性数据蕴涵着对预测与决策具有情报效用的信息,可以通过构建一定的特征模式对其效用大小进行评价。文章对时变序列数据的相关性特征进行了分析,研究了基于时序与波动变化的特征抽取模式;在时变序列的差分及相对变化基础上,进一步综合利用偏态、离散、相关等特征构建了影响变量与响应变量之间的相关度计算模型。该模型可降低效用评价计算复杂度,增强评价的可靠性并可用于模型预测。