基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.     

智能网联车辆节能自适应巡航控制研究

现有车辆自适应巡航控制多专注于单一的轨迹跟踪目标,而决定控制技术实际应用效益的关键是系统的节能性能.为了能够同时保证跟踪误差收敛性与燃油经济性,研究了一种车辆节能自适应巡航控制器设计方法：首先以轨迹跟踪为目标,设计了具有时变反馈增益的状态反馈控制律;其次,以反馈增益为优化变量,以整个预测时域内各采样时刻自身车辆单位位移燃油消耗量的累加为代价函数,基于经济模型预测控制方法设计了节能控制算法,并通过构建共同Lyapunov函数,给出了保证跟踪误差以指数速度收敛的反馈增益选取范围;最后,通过数值仿真验证了控制器设计的有效性,定量展示了本文所提出的方法在降低燃油消耗量方面的有效性.     

无初始状态统计知识时多变量系统的最优平滑与预报

在无初始状态统计知识的情况下,我们分别就固定点平滑、固定滞后平滑与预报３种情况给出了动态系统的最优线性最小偏差估计（ＢＬＩＭＢＥ）,同时还给出了完全（ｉ,ｊ,Ｔｉ）－可重构性的概念及系统完全（ｉ,ｊ,Ｔｉ）－可重构的充要条件     

基于变量混合调整的机械产品智能优化策略

为解决机械产品原始设计方案的可行化,提出了基于变量混合调整的优化策略,采用了基于启发式思想生成的变量因果关系图与几何约束混合求解的变量调整策略,该策略能很好就适应产品设计的各个阶段具有良好的柔性,同时它又是约束驱动,具有很强的自适应性和灵活性,就汽车驾驶室内布置设计对该策略进行了有效的验证。     

弹丸夫效规律及有效贮存期预测研究

提出一种根据库存弹药性能变化的有限检测数据预测弹药产品有效贮存期方法。结果对某弹刃有效贮存期进行预测,所得结果与试验结果一致。结论该方法 于对现有库存弹药的有效贮荐 期进行预测。     

达朗伯方法对变质量系的应用

认为质点系的达朗伯原理只是处理问题的方法。应用该方法导出变质量系在完整和非完整约束下的运动方程,并讨论了两种特殊２。     

城市地区GSM网络规划中的接收质量预测

在数字移动通信网络规划中,希望能对网络服务区内的信号接收质量进行预测,并尽可能减少大量的实测工作．文中以ＧＳＭ网络为背景,首先通过一定的信道模型完成了对不同环境下的多径衰落信道的模拟,然后利用软件模拟接收端对ＧＭＳＫ信号的Ｖｉｔｅｒｂｉ解调,综合考虑了瑞利衰落、阴影衰落、时延扩展、高斯白噪声及同频干扰对误码率的影响．模拟所得的结果是ＧＳＭ系统中典型市区环境下信道解码前对误码率与载干比的关系．最后在考虑了话务量对误码率的影响以后,提出了误码率的预测公式,从而实现了对ＧＳＭ网络接收质量的预测．     

库布其沙地黑线仓鼠种群数量动态的研究

１９９１～１９９６年４～１０月,每月中旬在中国农科院草原研究所鄂尔多斯高原沙地草场改主试验站不同生境类型上进行啮齿类调查,并捕获黑线仓鼠９８９只,占总捕获数的１３．１４％,利用ＰＣＡ分析,季节性指标,移动平均等方法对其数据动态的定量分析表明,季节动态呈单峰型,季节性比较明显,年间动态亦成明显的上升趋势,并对造成加如此种群数量动态的影响因素作了初步分析,在数量动态分析的基础上升提出了一个用当年４,５     

几何型哈什法和图象的快速合成

提出用图象特征点的不变量阿芬变换和哈什表索法,实现两幅邻近图象的快速合成,并用实验证明其有效性。     

神经网络在橡胶硫化温度预测中的应用

本文针对难以通过在线测温实现等效硫化控制的情况,在确定硫化条件的直接测温实验基础上,提出了用神经网络模型预测实际生产过程中硫化制品内部温度的方法．在该方法中将所测温度值作为样本提供给神经网络学习,温度采集时刻及易测外部温度作为网络输入,输出值则是在硫化时制品难测温点处不同时刻的内温．神经网络通过学习取得了良好的效果,网络输出的温度值将成为等效硫化计算和硫化质量智能控制的有价值的依据．