分布式光伏受天气影响较大,测算110kV供电区域的分布式光伏承载能力,对区域供电来说意义重大。基于此,提出基于分类与回归树(calssification and regression tree,CART)的110kV供电区域分布式光伏承载能力测算模型。该模型以分布式电源...分布式光伏受天气影响较大,测算110kV供电区域的分布式光伏承载能力,对区域供电来说意义重大。基于此,提出基于分类与回归树(calssification and regression tree,CART)的110kV供电区域分布式光伏承载能力测算模型。该模型以分布式电源输出功率、区域分布式电源发电量占比、局部分布式电源线损增量等数据为基础,利用CART决策树建立110kV供电区域分布式光伏承载能力测算模型,并使用改进鲸鱼优化算法求解测算结果。经实验测试发现,该模型对分布式光伏承载能力的测算精准度较高,可有效测算不同实验区域在不同季节时的分布式光伏承载能力,具有较高的应用价值。展开更多
为提高植被分类的精度,在利用高光谱图像提取植被信息时需要考虑训练样本和地形等其他因素的影响。以长白山为研究背景,基于CART(Classification And Regression Tree)算法构建决策树模型,对高光谱图像进行植被分类。由于混合像元的影响...为提高植被分类的精度,在利用高光谱图像提取植被信息时需要考虑训练样本和地形等其他因素的影响。以长白山为研究背景,基于CART(Classification And Regression Tree)算法构建决策树模型,对高光谱图像进行植被分类。由于混合像元的影响,以采用PPI(Pixel Purity Index)提取的纯净像元作为训练样本,提取植被指数、纹理和地形等分类特征变量。基于这些变量构建CART决策树对植被分类,并将结果与最大似然法分类结果进行比较。结果表明,CART决策树分类法可实现光谱、纹理和地形特征的有效组合,有较好的分类效果。展开更多
在开展新能源出力预测阶段,由于新能源自身具有波动性和间歇性,导致预测结果的可靠性难以得到保障。为此,提出基于XGBoost和QRLSTM的新能源出力高精度预测方法。采用极限梯度提升算法(EXtreme Gradient Boosting,XGBoost)建立新能源出...在开展新能源出力预测阶段,由于新能源自身具有波动性和间歇性,导致预测结果的可靠性难以得到保障。为此,提出基于XGBoost和QRLSTM的新能源出力高精度预测方法。采用极限梯度提升算法(EXtreme Gradient Boosting,XGBoost)建立新能源出力数据的目标函数,利用二阶泰勒展开式对目标函数进行近似处理。结合分位数回归构(Quantile Regression,QR)改进长短期记忆(Long Short Term Memory,LSTM)递归神经网络,构建QRLSTM模型将近似处理后的数据输入至该模型中,通过逻辑门完成新能源出力预测。在测试结果中,实际方法在不同环境条件下对于新能源机组出力情况的预测结果均与实际情况保持较高的拟合度,具有较高的精准度。展开更多
针对高效视频编码(High Efficiency Video Coding,HEVC)帧间编码过程中编码单元(Coding Unit,CU)划分复杂度过高的问题,提出一种基于CART决策树的CU快速划分算法。该算法包括CART决策树建模和CU快速编码算法两部分。首先,将CU划分问题...针对高效视频编码(High Efficiency Video Coding,HEVC)帧间编码过程中编码单元(Coding Unit,CU)划分复杂度过高的问题,提出一种基于CART决策树的CU快速划分算法。该算法包括CART决策树建模和CU快速编码算法两部分。首先,将CU划分问题归为二分类问题,以当前CU的空间相邻CU的深度划分信息作为最优特征属性,建立CART模型且进行测试评估;然后利用建立的CART模型对当前CU进行快速划分。实验结果表明,在保持编码性能的同时,该算法比HM16.0算法节省43.34%的编码时间,有效地提高了编码效率。展开更多
文摘分布式光伏受天气影响较大,测算110kV供电区域的分布式光伏承载能力,对区域供电来说意义重大。基于此,提出基于分类与回归树(calssification and regression tree,CART)的110kV供电区域分布式光伏承载能力测算模型。该模型以分布式电源输出功率、区域分布式电源发电量占比、局部分布式电源线损增量等数据为基础,利用CART决策树建立110kV供电区域分布式光伏承载能力测算模型,并使用改进鲸鱼优化算法求解测算结果。经实验测试发现,该模型对分布式光伏承载能力的测算精准度较高,可有效测算不同实验区域在不同季节时的分布式光伏承载能力,具有较高的应用价值。
文摘在开展新能源出力预测阶段,由于新能源自身具有波动性和间歇性,导致预测结果的可靠性难以得到保障。为此,提出基于XGBoost和QRLSTM的新能源出力高精度预测方法。采用极限梯度提升算法(EXtreme Gradient Boosting,XGBoost)建立新能源出力数据的目标函数,利用二阶泰勒展开式对目标函数进行近似处理。结合分位数回归构(Quantile Regression,QR)改进长短期记忆(Long Short Term Memory,LSTM)递归神经网络,构建QRLSTM模型将近似处理后的数据输入至该模型中,通过逻辑门完成新能源出力预测。在测试结果中,实际方法在不同环境条件下对于新能源机组出力情况的预测结果均与实际情况保持较高的拟合度,具有较高的精准度。
文摘针对高效视频编码(High Efficiency Video Coding,HEVC)帧间编码过程中编码单元(Coding Unit,CU)划分复杂度过高的问题,提出一种基于CART决策树的CU快速划分算法。该算法包括CART决策树建模和CU快速编码算法两部分。首先,将CU划分问题归为二分类问题,以当前CU的空间相邻CU的深度划分信息作为最优特征属性,建立CART模型且进行测试评估;然后利用建立的CART模型对当前CU进行快速划分。实验结果表明,在保持编码性能的同时,该算法比HM16.0算法节省43.34%的编码时间,有效地提高了编码效率。
