期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
多方法组合预测模型在CSEP计划中的应用和预测效能检验
1
作者 于晨 韩盈 +2 位作者 张永仙 张小涛 余怀忠 《地震研究》 北大核心 2025年第2期199-209,共11页
为了更好地评估CSEP中国检验中心的实用性,对基于多方法组合预测模型MMEP的2018—2023年全国5级以上地震的年度预测结果进行了系统梳理,并采用CSEP中国检验中心的R值评分模块对年度预测结果进行了评估。结果表明:(1)近几年MMEP年度预测... 为了更好地评估CSEP中国检验中心的实用性,对基于多方法组合预测模型MMEP的2018—2023年全国5级以上地震的年度预测结果进行了系统梳理,并采用CSEP中国检验中心的R值评分模块对年度预测结果进行了评估。结果表明:(1)近几年MMEP年度预测结果的R值评分均值在0.3~0.4,年度预测效能波动较小;(2)中国大陆西部地区的预测结果优于东部地区,其中2019年四川长宁6.0级、2020年新疆伽师6.4级和于田6.4级地震的年度预测以及四川泸定6.8级地震的中短期预测的“时、空、强”三要素基本正确。 展开更多
关键词 方法组合预测模型 CSEP计划 加卸载响应比 R值评分方法 预测效能检验
在线阅读 下载PDF
基于实际算例的需求预测方法模型的选择 被引量:1
2
作者 庞建刚 《统计与决策》 CSSCI 北大核心 2012年第22期31-34,共4页
文章以一家天然气公司2006~2009年度各季度需求量数据分析了静态预测方法模型和适应性预测方法模型在实际需求预测应用中的具体选择问题。对于适应性预测方法模型的几种具体预测方法模型以算例为基础,做了详细的测算;通过测算结果的... 文章以一家天然气公司2006~2009年度各季度需求量数据分析了静态预测方法模型和适应性预测方法模型在实际需求预测应用中的具体选择问题。对于适应性预测方法模型的几种具体预测方法模型以算例为基础,做了详细的测算;通过测算结果的比较分析,得出了Winter模型预测精确度更高的结论。在实践中尽可能选择Winter模型进行需求预测对于企业决策是有实际意义的。 展开更多
关键词 需求预测 方法模型 选择 适应性预测方法模型
在线阅读 下载PDF
一种混合储能变换器的模型预测整体控制方法 被引量:10
3
作者 吴鸣 李振伟 孙丽敬 《电力系统保护与控制》 EI CSCD 北大核心 2020年第21期84-91,共8页
新能源发电渗透率逐渐提高,由新能源本身固有特性向电网引入的功率扰动不容忽视,且在高比例接入情况下对于新能源发电参与电网调节的需求越来越大,这对其系统功率响应性能提出了更高的要求。由蓄电池和超级电容组成的混合储能由于具有... 新能源发电渗透率逐渐提高,由新能源本身固有特性向电网引入的功率扰动不容忽视,且在高比例接入情况下对于新能源发电参与电网调节的需求越来越大,这对其系统功率响应性能提出了更高的要求。由蓄电池和超级电容组成的混合储能由于具有互补的能量特性,应用于新能源发电系统中可以帮助提升其整体的能量处理能力。为了充分发挥储能介质的功率特性,针对光伏发电系统中的应用,提出了一种应用于蓄电池-超级电容混合储能变换器的模型预测整体控制方法。根据变换器主电路的数学模型,结合混合储能的控制目标,设计了嵌入功率滤波器的模型预测整体控制策略。仿真结果表明提出的模型预测整体控制方法具有优越的功率响应特性与参数鲁棒性。 展开更多
关键词 新能源发电 功率响应 蓄电池-超级电容 混合储能 模型预测整体控制方法 参数鲁棒性
在线阅读 下载PDF
气流床煤气化熔渣流动行为参数预测模型的研究进展 被引量:2
4
作者 赵超越 白永辉 +5 位作者 宋旭东 苏暐光 吕鹏 王焦飞 于广锁 姚敏 《洁净煤技术》 CAS CSCD 北大核心 2023年第10期66-81,共16页
煤的灰熔融特性和黏温特性是气流床(EFB)气化炉能否顺利排渣的2个关键指标。EFB气化炉内的化学反应处于高温高压湍流多相反应的苛刻条件下,通过试验获取熔渣流动行为参数困难大,建立能够预测该参数的模型至关重要。在分析煤的灰熔融特... 煤的灰熔融特性和黏温特性是气流床(EFB)气化炉能否顺利排渣的2个关键指标。EFB气化炉内的化学反应处于高温高压湍流多相反应的苛刻条件下,通过试验获取熔渣流动行为参数困难大,建立能够预测该参数的模型至关重要。在分析煤的灰熔融特性参数(灰熔融温度、全液相温度)、黏温特性参数(黏度、临界黏度温度)及影响参数因素的基础上,阐述了回归分析法、软件预测法(FactSage、LAMMPS)、数学建模法(反向传播神经网络、支持向量机)和离子势预测法4种预测方法的原理及步骤,对灰熔融特性参数和黏温特性参数构建预测模型进行了系统综述,最后归纳了4种预测煤灰流动行为方法的优缺点及应用范围。基于煤灰成分及其微观结构,结合热力学和动力学模拟软件,采用数学模型优化流动性参数,从而建立最优预测公式,对指导EFB气化过程中熔渣流动行为的准确预测具有重要意义。 展开更多
关键词 气流床气化 熔渣 灰熔融特性 黏温特性 预测方法模型
在线阅读 下载PDF
基于岭回归的RVPMCD滚动轴承故障诊断方法
5
作者 杨宇 欧阳洪 +1 位作者 潘海洋 程军圣 《计算机工程与应用》 CSCD 北大核心 2015年第12期255-259,共5页
针对多变量预测模型模式识别方法中的最小二乘拟合可能出现病态的问题,提出了基于岭回归的多变量预测模型(Ridge regression-Variable Predictive Model based Class Discriminate,RVPMCD)分类方法,该方法通过引入岭参数,降低其均方拟... 针对多变量预测模型模式识别方法中的最小二乘拟合可能出现病态的问题,提出了基于岭回归的多变量预测模型(Ridge regression-Variable Predictive Model based Class Discriminate,RVPMCD)分类方法,该方法通过引入岭参数,降低其均方拟合误差,减小自变量间复共线性关系对参数估计的影响,改善了原方法中最小二乘回归拟合参数失真的现象,从而有望建立更加准确的预测模型。对滚动轴承的振动信号提取特征值,组成特征向量,采用RVPMCD方法对训练样本建立预测模型,利用RVPMCD所建立的预测模型进行模式识别。实验分析结果表明,基于岭回归的多变量预测模型分类方法可以更有效地对滚动轴承的工作状态和故障类型进行识别。 展开更多
关键词 岭回归 基于岭回归的多变量预测模型分类方法(RVPMCD) 滚动轴承 故障诊断
在线阅读 下载PDF
计及云边协同的园区综合能源系统双层能量优化 被引量:5
6
作者 周洪伟 宗炫君 +4 位作者 邹盛 袁洲茂 梁馨予 窦晓波 俞婧雯 《电力自动化设备》 EI CSCD 北大核心 2023年第2期19-28,共10页
深入挖掘园区综合能源系统内部多能耦合利用以及综合需求响应潜力,对系统内灵活性资源进行储能化建模,并将虚拟储能资源按照参与优化调度的时间尺度进行划分,提出了日前、日内2个阶段的园区综合能源系统优化调度方法,在日前阶段建立了... 深入挖掘园区综合能源系统内部多能耦合利用以及综合需求响应潜力,对系统内灵活性资源进行储能化建模,并将虚拟储能资源按照参与优化调度的时间尺度进行划分,提出了日前、日内2个阶段的园区综合能源系统优化调度方法,在日前阶段建立了热电协同优化模型,在日内阶段基于日前调度结果建立了电功率快速调整模型。进一步地,为充分发挥综合能源系统中各园区资源的时空互补优势,从多时间尺度、多主体角度提出适用于实时阶段的计及云边协同的综合能源系统双层能量优化方法。基于各园区可再生能源发电和电负荷的最新预测结果,在能量管理云平台建立了满足系统整体运行经济性目标的实时能量优化模型,在边缘控制器利用模型预测控制方法建立了以日内优化结果为参考值的精细化调控模型,并采用交替方向乘子法求解,以实现园区自身利益与综合能源系统总体效益的均衡。仿真结果表明,通过园区间联络线的传输功率协调以及电储能、动态可控负荷的辅助调用,可有效平抑可再生能源出力和电负荷需求的实时波动,提高系统整体运行调控的鲁棒性与有效性。 展开更多
关键词 园区综合能源系统 云边协同 能量优化 模型预测方法 交替方向乘子法
在线阅读 下载PDF
移动重块式船舶减摇系统研究 被引量:1
7
作者 杨荣武 许劲松 周泉 《船舶力学》 EI CSCD 北大核心 2021年第3期321-327,共7页
船舶在风浪中会产生横摇,有效控制横摇可以提高船舶航行的安全性和经济性。移动重块式减摇系统具有机理简单、控制灵活的特征,对于不同的海况和工况具有很强的适用性,但对控制方案的安全性和最优性有较高要求。本文选择模型预测控制方法... 船舶在风浪中会产生横摇,有效控制横摇可以提高船舶航行的安全性和经济性。移动重块式减摇系统具有机理简单、控制灵活的特征,对于不同的海况和工况具有很强的适用性,但对控制方案的安全性和最优性有较高要求。本文选择模型预测控制方法MPC构建控制器,成功实现了满足约束条件的最优化控制。案例船模的水池减摇试验充分验证了MPC控制器的有效性和优越性,对移动重块减摇系统的工业应用具有重要借鉴意义。 展开更多
关键词 减摇系统 移动重块 模型预测控制方法 减摇试验
在线阅读 下载PDF
改进VPMCD法及其在机械故障诊断中的应用 被引量:3
8
作者 贾民平 韩冰 《中国机械工程》 EI CAS CSCD 北大核心 2015年第14期1861-1865,共5页
提出了一种基于时序AR模型的VPMCD(基于变量预测模型的模式识别)故障诊断方法:利用时序分析方法对故障信号建立AR模型,以蕴含故障特征的自回归参数作为故障特征量,采用VPMCD方法训练得到各故障特征量的预测模型,并利用预测模型对待诊断... 提出了一种基于时序AR模型的VPMCD(基于变量预测模型的模式识别)故障诊断方法:利用时序分析方法对故障信号建立AR模型,以蕴含故障特征的自回归参数作为故障特征量,采用VPMCD方法训练得到各故障特征量的预测模型,并利用预测模型对待诊断样本的故障类型和工作状态进行分类和识别。对滚动轴承和齿轮的振动信号的分析结果证明了该方法的有效性,与基于EMD的VPMCD法和基于AR的KNN法的对比结果证明了所提方法的优越性。 展开更多
关键词 时序分析 基于变量预测模型的模式识别方法 故障诊断 特征提取
在线阅读 下载PDF
A new grey forecasting model based on BP neural network and Markov chain 被引量:6
9
作者 李存斌 王恪铖 《Journal of Central South University of Technology》 EI 2007年第5期713-718,共6页
A new grey forecasting model based on BP neural network and Markov chain was proposed. In order to combine the grey forecasting model with neural network, an important theorem that the grey differential equation is eq... A new grey forecasting model based on BP neural network and Markov chain was proposed. In order to combine the grey forecasting model with neural network, an important theorem that the grey differential equation is equivalent to the time response model, was proved by analyzing the features of grey forecasting model(GM(1,1)). Based on this, the differential equation parameters were included in the network when the BP neural network was constructed, and the neural network was trained by extracting samples from grey system's known data. When BP network was converged, the whitened grey differential equation parameters were extracted and then the grey neural network forecasting model (GNNM(1,1)) was built. In order to reduce stochastic phenomenon in GNNM(1,1), the state transition probability between two states was defined and the Markov transition matrix was established by building the residual sequences between grey forecasting and actual value. Thus, the new grey forecasting model(MNNGM(1,1)) was proposed by combining Markov chain with GNNM(1,1). Based on the above discussion, three different approaches were put forward for forecasting China electricity demands. By comparing GM(1, 1) and GNNM(1,1) with the proposed model, the results indicate that the absolute mean error of MNNGM(1,1) is about 0.4 times of GNNM(1,1) and 0.2 times of GM(I, 1), and the mean square error of MNNGM(1,1) is about 0.25 times of GNNM(1,1) and 0.1 times of GM(1,1). 展开更多
关键词 grey forecasting model neural network Markov chain electricity demand forecasting
在线阅读 下载PDF
Determination of ultimate bearing capacity of uplift piles using intact and non-intact load−displacement curve 被引量:6
10
作者 WANG Qin-ke MAJian-lin +2 位作者 JI Yu-kun ZHANG Jian CHEN Wen-long 《Journal of Central South University》 SCIE EI CAS CSCD 2022年第2期470-485,共16页
Based on the field destructive test of six rock-socketed piles with shallow overburden,three prediction models are used to quantitatively analyze and predict the intact load−displacement curve.The predicted values of ... Based on the field destructive test of six rock-socketed piles with shallow overburden,three prediction models are used to quantitatively analyze and predict the intact load−displacement curve.The predicted values of ultimate uplift capacity were further determined by four methods(displacement controlling method(DCM),reduction coefficient method(RCM),maximum curvature method(MCM),and critical stiffness method(CSM))and compared with the measured value.Through the analysis of the relationship between the change rate of pullout stiffness and displacement,a method used to determine the ultimate uplift capacity via non-intact load−displacement curve was proposed.The results show that the predicted value determined by DCM is more conservative,while the predicted value determined by MCM is larger than the measured value.This suggests that RCM and CSM in engineering applications can be preferentially applied.Moreover,the development law of the change rate of pullout stiffness with displacement agrees well with the attenuation form of power function.The theoretical predicted results of ultimate uplift capacity based on the change rate of pullout stiffness will not be affected by the integrity of the curve.The method is simple and applicable for the piles that are not loaded to failure state,and thus provides new insights into ultimate uplift capacity determination of test piles. 展开更多
关键词 load−displacement curve prediction model determination method of bearing capacity change rate of pullout stiffness
在线阅读 下载PDF
Developing energy forecasting model using hybrid artificial intelligence method
11
作者 Shahram Mollaiy-Berneti 《Journal of Central South University》 SCIE EI CAS CSCD 2015年第8期3026-3032,共7页
An important problem in demand planning for energy consumption is developing an accurate energy forecasting model. In fact, it is not possible to allocate the energy resources in an optimal manner without having accur... An important problem in demand planning for energy consumption is developing an accurate energy forecasting model. In fact, it is not possible to allocate the energy resources in an optimal manner without having accurate demand value. A new energy forecasting model was proposed based on the back-propagation(BP) type neural network and imperialist competitive algorithm. The proposed method offers the advantage of local search ability of BP technique and global search ability of imperialist competitive algorithm. Two types of empirical data regarding the energy demand(gross domestic product(GDP), population, import, export and energy demand) in Turkey from 1979 to 2005 and electricity demand(population, GDP, total revenue from exporting industrial products and electricity consumption) in Thailand from 1986 to 2010 were investigated to demonstrate the applicability and merits of the present method. The performance of the proposed model is found to be better than that of conventional back-propagation neural network with low mean absolute error. 展开更多
关键词 energy demand artificial neural network back-propagation algorithm imperialist competitive algorithm
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部