浅析基于群鱼算法多谐波源配电网滤波器的优化配置

滤波器的优化配置是在谐波电流、电网结果和参数已知的条件下,对滤波器安装位置、类型以及参数和组数进行的最优解。要使得全网滤波器的投资最少又要保证网络各个节点的总谐波畸形变率以及谐波电压含量符合谐波标准,还要使得滤波器能够安全运行,本文给出在配电网中优化配置以及有源和无源滤波器的求解算法和数学模型。     

基于数据分析的多谐波源定位方法

谐波源准确定位是谐波治理的关键前提,电网复杂度的增加使基于模型的谐波源定位方法不再适用;随着电能质量监测装置的广泛配置,为基于数据驱动的谐波源定位方法提供了可能。现从大数据分析的角度出发,提出基于数据分析的多谐波源定位方法。首先,利用有功功率方向法筛选出主要的谐波源支路;然后,利用最大互信息值(maximal information coefficient,MIC)作为谐波电压超标节点谐波电压与可疑支路谐波电流间相关度评价指标,设定相关度阈值,当相关度超过该阈值时判断该支路为主要谐波源支路。所提方法不需要网络拓扑,利用电能质量监测数据进行分析便可实现主谐波源定位。仿真和实测数据验证说明了所提方法的有效性和工程实用性。     

基于岭回归对新疆农业经济的分析

基于使用最小二乘回归对数做统计回归时,常出现自变量之间因为多重共线性,导致模型预测失去效果的现象,其中和岭回归法是常见的用以处理多重共线性问题的方法。现以新疆农业经济数据为例,运用统计软件对数据进行实证分析,证实了这种方法消除农业经济中多重共线性的可行性,与偏最小二乘回归方法作比较,说明其实现过程和优缺点,有利于提高回归预测模型的精确性和在现实问题中更广泛的应用。     

基于INLR-PPLS的非线性多传感耦合信息建模方法

针对线性PLSR(偏最小二乘回归)在多传感信息回归建模中存在的不足,提出了一种基于INLR(Implicit Nonlinear Latent Variable Regression)-PPLS(Polynomial Partial Least Squares)的非线性多传感耦合信息建模方法.该方法通过线性PLSR对多传感信息进行预处理,达到降维的目的;基于INLR建立外模型非线性样本矩阵变换方程并线性化,进而采用PPLS进行内模型非线性映射,并对多传感非线性回归模型实行反求解.最后,将该方法应用于液态乙醇浓度测控系统,结果表明该方法较线性PLSR预测准确度提高21%.     

线性回归分析中自变量间的相关性问题

本文讨论了回归分析中当自变量间存在很强的线性相关关系时,如何合理地选择自变量,以及如何进行自变量间的相对相关性程度分析等问题。     

采用数据变尺度不改变最小二乘法的统计性质

采用数据变尺度法可保证递推最小二乘法的收敛性和数值稳定性,证明了数据变尺度不改变最小二乘参数估计值和它的统计性质。     

一类基于偏最小二乘回归分析的成分数据预测模型

针对“因变量和自变量都是成分数据的前提下，如何建立它们之间的线性回归”的基本问题，以经典线性回归分析法为基础，结合对称Logratio变换，建立了一种基于偏最小二乘回归分析的成分数据预测模型，并对该模型进行了理论实证分析，论证了该模型的可行性与优良性，从而为解决具有成分数据信息的多重相关变量回归问题提供新的途径．     

基于多Agent及多方法集成的复杂工艺优化模型

针对复杂工艺中涉及多因子、高噪声、非线性过程关系和模糊对象问题,提出一种集成多种智能计算方法的优化模型.该模型以多Agent技术来组织,划分为决策支持层、系统重构层和数据集成层,Agent间以Ontology来实现信息传递.在建模过程中,利用Chebyshev多项式的正交性质和递推性质,将过程输入变量正交化、线性化后,再应用偏最小二乘回归法计算模型参数,优化Agent在交互方式下通过变异的遗传算法来获取模糊工艺的最优解.以MOLDFLOW软件获取的注塑数据来训练BP(Back propagation)神经网络.结果表明:该优化系统的平均预测精度较BP神经网络提高3.23%.     

对基于模糊点数据的回归分析的改进

通过构造一个新的矩阵,改进了基于模糊点数据的回归分析,大大减少了模型和运算的复杂性.     

基于最小二乘法的测量系统线性回归分析与检验

本文介绍了基于最小二乘法的测量系统线性回归模型以及线性分析的具体步骤过程,并利用残差分析对模型适应性进行检验,保证测量系统线性分析的有效应,通过excel软件进行实例数据处理,在实际应用中具有重要的意义。     

基于多源大数据融合的银行网点选址方法

针对传统银行网点选址方法中存在的人为主观因素较大、数据量支撑不够、考虑因素理想化等问题,提出一种基于多源大数据融合的银行网点选址方法。该方法通过多源数据构造人流量、交通拥堵指数、用户价值、周边竞争网点数和人均收入5个基础特征,并利用协同训练的半监督学习方法扩充训练集。基于基础特征与机器学习算法构建多个子模型,将子模型的输出概率作为特征,构建基于逻辑回归的集成算法,作为银行网点选址模型,同时提出一种优化银行网点权重的损失函数,以保证模型预测中更佳的银行网点具有更高的权重。通过实验分析表明,该算法相较于传统算法预测评估更为准确,能够很好地解决银行网点选址问题。     

基于数据统计的办公建筑多联机行为调节

以开机率表征变制冷剂流量多联机行为调节特性,对上海某办公建筑做了制冷制热共1年的数据调研.数据统计发现制热期间最大开机率仅为60%左右,制热能耗随开机率增大基本呈线性变化,统计区间样本数据能耗极差最大值为0.4左右.制冷能耗随开机率增大呈先缓后陡的指数变化增大趋势,对应极差最大值为0.55左右.使用数据包络分析法和Parzen窗法进一步分析了能耗随开机率的变化特性,研究结果表明,变制冷剂流量多联机系统在制热期间发生有效行为调节的概率为0.54,制冷期间发生有效行为调节的概率为0.44.     

基于函数型数据的气温与空气质量的相关性分析

随着我国经济的快速发展,大气污染问题日益严重,旅游城市的空气质量问题也备受关注。本文基于2018年30座热门旅游城市的气温和空气质量数据,从气象条件的角度出发,研究了气温与空气质量之间的关系。采用函数型数据描述性分析的方法对空气质量和气温变化特征进行分析,用函数型回归分析研究气温对空气质量的影响。结果显示:函数型线性模型拟合优度R2=0.898 1,F=11.821 2大于临界值2.385 9,函数型检验统计量F～=8.723 3大于α=0. 05水平下的临界值1.705 8,说明气温与空气质量的函数型线性关系显著;气温对空气质量呈谐波正负影响交替出现,这与空气质量平均变化相似,在实际生活中是合理的。     

基于工艺的自适应数据质量多模型择优预测

针对钢铁企业实际生产过程中,采用单一预测模型进行预测难以把握大规模启停设备用电规律,预测精度较低等问题,根据生产-检修阶段的实际工艺情况,将生产,检修问题采用随机近似贪婪搜索RAGS对复杂特征进行特征选择,建立了一个自适应数据质量的多模型择优预测框架进行建模;将其应用于宝钢电网。仿真结果表明,提出多模型择优预测框架可以准确预测钢铁企业电力日负荷,为实现电力系统能源调度提供决策依据。     

基于平行坐标法的发动机多变量设计优化数据相关性分析

为有效利用发动机设计分析和优化计算中产生的多变量数据,应用平行坐标法对数据进行可视化.首先将设计方案点映射为平行坐标系中的一系列多边折线,然后采用一定赋色原则解决大量数据点引起的图形重叠问题,并采用一定交互手段选择不同的设计变量、目标函数和约束,最终根据平行坐标与笛卡尔坐标的映射关系,结合各坐标轴上颜色变化趋势分析各设计变量、目标函数和约束之间的相关关系.该方法将多变量相关关系分析问题转变为二维模式识别问题,为设计优化提供一种直观有效的辅助分析手段.某型发动机设计优化数据相关性分析实践证明了该法的有效性.     

基于天津市全城气象观测数据的高分辨率实况分析产品质量评估

基于天津市254个地面观测站数据,通过计算多种统计指标评估了高分辨率多源气象数据融合产品对2020年9月份2 m气温和10 m风速的同化结果.结果表明,就天津市全域来看,产品对2 m气温和10 m风速的同化结果与观测具有较高的一致性,但也存在区域差异,误差较大的区域主要集中在北部蓟州山区和城区.这说明在实际预报业务与应...     

基于非结构化数据的LLE-WOA-LSSVR碳价格组合预测模型

在传统的组合预测模型中,利用的数据大多为结构化数据,然而在网络环境下,非结构化数据广泛存在,因此充分利用非结构化数据所提供的有效信息是预测中要解决的关键问题之一.针对上述问题,文章构建了基于非结构化数据的局部线性嵌入和鲸鱼优化算法的最小二乘支持向量回归(locally linear embedding-whale op...     

基于偏最小二乘回归模型的带钢热镀锌质量监控方法

提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法. 以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法. 用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证. 结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%.     

基于多源大数据的轨道交通站域街道品质多维评价分析——以成都市三环内地铁站域街道为例

为了科学测度、准确评价站域街道的空间品质并实现有效优化,选取成都市73个地铁站域,以街道网络、POI（point of interest）、街景图片等多源大数据为支撑,运用机器学习、sDNA分析（spatial design network analysis）等技术,构建了以便捷性、功能性与舒适性为核心的评价体系,进行站域街道空间品质的大规模定量评价,并针对不同等级的站点提出了导控策略。结果表明,在城市整体层面,68.03%的站域街道评分低于中等水平,街道功能性与舒适性普遍较好,便捷性较差;在站域层面,街道空间品质呈现出南高北低、西高东低、内高外低的分布特征。研究使人本尺度的分析精度、站点尺度的分析深度和城市尺度的分析广度得以兼顾,有助于创建高效的城市管理动态反馈机制。