基于时空多维的VMD-GAT-Attention短时交通流量组合预测模型

文章针对短时交通流量时空依赖性、非线性的特点,为提高交通流量的预测精度,将时间建模和空间建模相结合,提出一种整合改进的变分模态分解(variational mode decomposition,VMD)结合图注意力网络(graph attention networks,GAT)与注意力模型搭建的组合预测模型.在时间维度上,利用改进粒子群算法(improved particle swarm optimization,IPSO)优化的变分模态算法分解交通流量,保证了VMD的充分分解,并得到相对平稳的交通流量序列,提高了组合模型的预测精度;在空间维度上,构建有效分解模态与原交通流量序列的GAT,提取不同时间序列中各交通节点之间的空间信息;引入注意力机制提高主要时空信息权重,降低次要时空信息权重,进一步提升了组合模型的预测精度.实验结果表明,该组合模型比IPSO-VMD-GAT-Attention模型以及VMD-GAT-Attention模型的均方根误差分别下降了31％ 和21％,而且对于VMD-GAT模型和GAT模型,均方根误差分别从14.1231和9.9136下降到2.2928,说明该模型达到较好的预测效果.     

灌溉水量分配大系统分解协调模型

本文运用大系统分解一协调方法建立了灌区优化灌溉制皮及地而水、地下水联合运用的谱系模型,模型中第一层子系统优化采用动态规划方法确定各种作物的灌水定额、灌水时问及次数;第二层平衡协调模型,通过线性规划方法确定了各时段地面水引水量、地下水抽水量及最优种植模式,以求达到灌区年净效益最大的目标.最后针对内蒙古河套灌区永联试区的具体情况运用本模型加以计算,取得了较为满意的结果.     

基于ICA的重力固体潮信号的潮汐谐波提取

鉴于传统重力固体潮信号分析方法不能将重力固体潮信号所含谐波分量分解到与不同天体潮汐谐波系一致对应的缺点,根据重力固体潮的产生机理,提出了一种重力固体潮三维正交分解模型.三维正交分解模型中将重力固体潮分解为3个与不同天体潮汐效应相一致的正交信号分量.为了获得3个相互正交的信号分量,采用独立分量分析(ICA)方法处理重力固体潮信号.同时,以负熵作为目标函数,以粒子群优化算法(PSO)作为优化函数来获得更优的解混矩阵.通过实验分析及实验验证可知,此文算法可以将重力固体潮信号正交分解为与三维正交分解模型一致的信号分量,并且各分量所含频谱信息具有与重力固体潮信号中各谐波系理论值相对应的特点,实现了从产生机理上将重力固体潮信号所含谐波分量对应分解到各谐波系中的功能.     

泵站优化调度的分解协调模型

针对泰州泵站中转浆式与定桨式轴流泵机组同时并存的情况，依据其常规调度模式和机组布置的特点，引入大系统分解协调技术，建立了两层谱系结构的泵站优化调度模型，并在不同层次采用了合理的优化进行求解，计算结果表明，所提出的模型及优化原则保证了泵站在原有设施条件下能经济高效地运行。     

基于差分进化算法的重力固体潮信号独立分量分析

为了提取出重力固体潮信号中的独立谐波成分,基于地球自转与月球、太阳相对于地球轨道变化的正交关系建立一个天体间引潮力的分解模型.为了实现对三者所产生的潮汐谐波的分解,将差分进化算法用于独立分量分析中,用以提高整个算法的效率,改进实验的观测精度,从而更有效的得到与该模型相一致的独立成分.实验中,对昆明地区的实测信号进行了处理并与理论值进行了对比,结果表明,该方法可以将重力固体潮信号中各潮汐谐波分量间关系揭示出来且与分解模型相对应,各分量所含的频谱信息与理论值相一致,说明该方法是一种有效的、对重力固体潮信号进行独立分量分析的新方法.     

向量式有限元桁架结构并行程序节点分配技术

结合向量式有限元(VFIFE)的计算规则以及桁架结构的特点,提出了一种并行程序节点分配机制.通过对桁架结构模型数据的分析,定义模型数据的分解规则,动态实现对模型数据的分解.依据分解的结果来动态划分并行计算的数据集,并且基于特定的并行计算框架完成并行计算.实例验证表明,该节点分配机制是有效的,并且极大地提高了计算效率.     

Fe(Ⅵ)的制备及其分解动力学研究

以次氯酸钠、氢氧化钠、聚合硫酸铁为原料,制备了Fe(Ⅵ)溶液,并研究了8 mol/L NaOH溶液中Fe(Ⅵ)的分解动力学,建立了分解动力学模型.通过正交实验,研究了物料比、反应温度、反应时间对Fe(Ⅵ)溶液浓度的影响,得到最适宜的工艺条件为:n(NaClO)∶n(Fe2(SO4)3)=3.4∶1,n(NaOH)∶n(Fe2(SO4)3)=26∶1,反应温度35℃,反应时间50 min.此条件下,Fe(Ⅵ)溶液浓度为0.112 2 mol/L.该分解反应为一级反应,分解活化能是51.71 kJ/mol,分解反应速率方程r=3.228×107exp(-6220/T)cFe(Ⅵ),并对其进行了验证,证实了该模型是可靠的.     

视觉感受区电位信号(LFP)的脑电波分离

为研究人(动物)的行为与脑电波之间的关系,提出了一种新的小鼠视觉感受区电位信号(LFP)与呼吸相关联的脑电波分离模型。采用盲信号分离(BSS)、独立分量分析法(ICA)对局部场电位建立线性瞬时混合信号系统数学模型;利用小波包进行LFP的分解并重构信号,对睡眠状态下小鼠视觉感受区局部场电位信号进行了15层分解和重构。实验证明,小波包分解高频分量系数cd13的解析重构信号与δ波频率吻合,小鼠睡眠状态下分离出的与呼吸相关联的脑电波信号为δ波。     

利用人工智能神经网络预测广州市PM2.5日浓度

利用差分整合移动平均自回归模型(ARIMA)、后向传播神经网络(BP)以及长短期记忆神经网络(LSTM), 对广州市2015—2019年的PM_2.5浓度数据进行训练和预报, 研究集合经验模态(EEMD)分解和时间分辨率对不同模型预报准确性的影响。结果表明, EEMD分解可以显著地提升低频分量的预报效果; 提高输入数据的时间分辨率可以提升预报效果, 尤其在ARIMA自回归模型预报中较为明显, 用神经网络进行预报时需要考虑输入数据量增加带来模型复杂度增加的问题。由于模型使用前一天(t -1)的PM_2.5作为输入数据, 即只能预报t+1天的PM_2.5值。为增加模型的预报时效, 采用滚动预报的方式对模型进行优化, 能够显著地提升预报时效, 实现对t+n天的连续预报, 且预报误差与后报结果相当。将时间精度为6 h的数据作为输入, 用ARIMA模型进行预报的效果最好, 最小MAE值为6.478。     

基于改进PSO的ICA方法分析重力固体潮信号

为了从重力固体潮信号中提取地球物理信息,介绍了一种重力固体潮信号分解模型.在分解模型中,重力固体潮信号分解为赤道平面信号分量及地球自转轴信号分量.为了提取与分解模型相一致的地球物理信息,提出用独立分量分析(ICA)方法将重力固体潮信号中的赤道平面信号分量与地球自转轴信号分量分离.鉴于ICA存在收敛速度慢及局部搜索等特点,提出了一种基于惯性因子ω的改进粒子群优化算法(PSO)来解决ICA中的全局寻优问题.通过仿真实验分析可知,本文提出的改进粒子群的独立分量分析算法可以获得与分解模型相一致的信号分量,并且从各分量中可提取出与地球产生机制相一致的地球物理信息,是一种分析重力固体潮信号的有效方法.     

基于CEEMDAN和TCN-LSTM模型的短期电力负荷预测

针对短期电力负荷数据随机性强，难以实现准确预测的问题，提出了一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)和时间卷积网络-长短期记忆网络(temporal convolutional network-long short-term memory network, TCN-LSTM)混合模型的预测方法。所提算法先使用CEEMDAN方法将负荷数据分解为一系列相对平稳的子序列。同时为了降低后续计算规模，通过引入排列熵的方法将各子序列进行重组。然后，将各个重组序列输入到TCN-LSTM组合模型中，利用TCN模型提取特征并构建序列的特征向量，再基于LSTM模型对其进行训练及预测。最后把全部预测值进行相加得到完整的预测负荷值。通过使用欧洲某地真实负荷数据进行验证。结果表明：所提算法与其他常见的预测算法相比具有更高的预测精度，可为负荷预测等研究工作提供相关参考。     

一种基于MDA的领域对象建模工具

基于MVC架构,设计并实现了采用元对象设施(meta object facility,MOF)的四层模型分层管理架构对象建模工具,应用两阶段建模理论,将传统的建模工作分解为元建模和传统建模两个阶段.对特定领域进行分析后,使用改进自MOF元语言的XKL语言实现领域建模.结果表明,该建模工具提高了开发效率,减少了重复开发.     

企业CRM系统中联机分析挖掘的应用与实现

OLAP与数据挖掘工具由于内在技术以及适用范围的不同,在决策分析中必须协调使用才能发挥最佳的作用。本文提出基于Agent的OLAM(OLAP Mining)模型,将数据挖掘和OLAP技术结合在一个统一的框架之中。提出广义数据空间的概念,使得数据挖掘能够在数据库或数据仓库的不同部位或不同的抽象级别上,对数字数据或者文本数据进行挖掘,加强了决策分析的功能和灵活性。最后,把基于Agent的OLAM模型应用于构建智能CRM,此模型把Agent本身的特点自然地引入到数据挖掘过程中,使数据挖掘系统具有了自治性、自动反应性、交互性、适应环境性等智能特点,有助于在大型数据库和数据仓库中交互式地挖掘多层次多维的知识和联系。     

企业CRM系统中联机分析挖掘的应用与实现

OLAP与数据挖掘工具由于内在技术以及适用范围的不同,在决策分析中必须协调使用才能发挥最佳的作用.本文提出基于Agent的OLAM(OLAP Mining)模型,将数据挖掘和OLAP技术结合在一个统一的框架之中.提出广义数据空间的概念,使得数据挖掘能够在数据库或数据仓库的不同部位或不同的抽象级别上,对数字数据或者文本数据进行挖掘,加强了决策分析的功能和灵活性.最后,把基于Agent的OLAM模型应用于构建智能CRM,此模型把Agent本身的特点自然地引入到数据挖掘过程中,使数据挖掘系统具有了自治性、自动反应性、交互性、适应环境性等智能特点,有助于在大型数据库和数据仓库中交互式地挖掘多层次多维的知识和联系.     

基于二次模态分解的LSTM短期电力负荷预测

为进一步提高短期电力负荷的预测精度,需要更深层次发掘负荷数据中隐藏的非线性关系。提出一种基于信号分解技术的二次模态分解的长短期记忆神经网络(long short-term memory network, LSTM)用于电力负荷的短期预测。所提算法先对原始负荷序列进行自适应噪声的完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),再将CEEMDAN分解后分量中的强非平稳分量进行变分模态分解(variational mode decomposition, VMD),同时用中心频率法对VMD分解个数进行优化,然后将两次分解后得到的负荷子序列送入LSTM中进行预测,并将所得分量预测结果进行叠加。结果表明,本文所提方法对短期电力负荷预测结果精度和模型性能都有较大提升。     

有关模型C的若干协调性结果

致力于研究Chang氏模型C与所有集合的类V之间的协调性关系.证明了V=C≠L和V≠C≠L都分别和ZFC集合论系统协调(其中,L是G del可构成类).进而,我们研究了-ωSuslin树和1ω-Kurepa树在C中的存在性.证明了,模型C中存在这种树是协调的,不管V中是否存在这种树.     

基于小波域隐马尔可夫模型的人脑MRI体数据分类

为保证三维体视化图像能较准确地表达组织，以人脑磁共振图像为例，提出了基于小波域隐马尔科夫模型的体数据分类算法，首先采用EM算法进行HMT模型参数估计，然后通过小波分解，得到近似初始分类数和各类在小波空间中的特征量，这在以往体数据分类中需要事先对体数据进行大量的训练才能得到．分类结果采用ICM（iterated conditional mode）方法获得．其结果表明，该方法在运算时间和分类效果上都优于以往的多分辨率分类方法．     

改进ROI模型及其在工业企业生产率分析中的应用

本文在David M Miller提出的原始ROI模型基础上经过改进和发展,提出了一个改进ROI模型,考虑到综合要素生产率变化和价格等其他因索变化对企业盈利能力影响的定量关系。建立了多层次的生产率分解测算系统,并结合一个具体的国营工业企业进行了测算和分析。     

基于自适应变分模态分解的佤语孤立词共振峰估计

基于变分模态分解算法实现对语音共振峰的提取,针对其存在共振峰合并和虚假峰值2个主要问题,通过对分解模态数、平衡约束参数的分析,提出了自适应变分模态分解法.并从的正交性、能量保存度2个方面证明了该方法的可行性;最后,利用该方法实现对佤语共振峰的估计.实验结果表明,基于自适应变分模态分解对佤语孤立词的共振峰估计平均正确率可达85.50%.     

3D多输入多输出正交频分复用系统中基于奇异值分解的信道估计方法

在3D多输入多输出正交频分复用(MIMO-OFDM)系统模型中,分析了基于导频的信道估计方案.针对线性最小均方误差方法的算法复杂度高的问题,应用奇异值分解(SVD)算法降低信道自相关矩阵的维数,以减小算法的复杂度.仿真结果表明:所提出的基于奇异值分解的信道估计算法,能够在保证误码率(BER)性能的情况下,具有更低的算法复杂度.