作为电力系统中的基本量测设备,电子式电压互感器(electronic voltage transformers,EVTs)的测量精度对系统的监控、控制与安全运行至关重要。为此,提出了一种基于混合深度模型和自适应窗宽概率密度估计的互感器测量误差区间预测模型。...作为电力系统中的基本量测设备,电子式电压互感器(electronic voltage transformers,EVTs)的测量精度对系统的监控、控制与安全运行至关重要。为此,提出了一种基于混合深度模型和自适应窗宽概率密度估计的互感器测量误差区间预测模型。首先,通过改进的集合经验模态分解对历史比差特征进行数据前处理。其次,提出了基于数据驱动的双向时序卷积网络、双向门控循环单元和多头注意力机制混合深度学习模型,对分解后的不同模态分量进行预测。此外,引入自适应选择最优窗宽的核密度概率估计方法,拟合预测结果构建不同置信度下的预测区间,并比较不同核函数对于预测区间的影响。通过算例分析,验证了所提模型在提高确定性预测和概率区间预测准确度方面的有效性。展开更多
在林业研究中,胸径-树高二元联合分布多由相同边缘分布构造,而林分的胸径与树高的实际分布状况可能有所差异。为降低这种差异带来的影响,依据佳木斯市孟家岗林场的115块长白落叶松人工林数据,选择适用条件低、适应范围广的Copula函数方...在林业研究中,胸径-树高二元联合分布多由相同边缘分布构造,而林分的胸径与树高的实际分布状况可能有所差异。为降低这种差异带来的影响,依据佳木斯市孟家岗林场的115块长白落叶松人工林数据,选择适用条件低、适应范围广的Copula函数方法拟合落叶松胸径-树高二元联合分布模型。首先选择威布尔(Weibull)、广义威布尔(G-Weibull)、逻辑斯蒂(Logistic)、轻量逻辑斯蒂(Logit-Logistic)、伽马(Gamma)、对数正态(Log-Normal)6个分布函数作为备选基础模型,根据K-S(kolmogorov smirnov test)检验与半参数估计结果筛选并构建Copula胸径-树高二元联合分布模型,再通过负对数似然(negative log-likelihood,NLL)、Sn拟合优度统计量和似然比检验(likelihood ratio test,LRT)与二元对数logistic分布函数和二元Weibull分布函数进行比较,最后使用雷诺误差指数(error index of Reynolds,EI)对模型预测能力进行评估。结果表明,基于Copula函数的二元分拟合结果与模型(EI=0.3184)预估能力皆优于二元Weibull分布(EI=0.6381)和二元对数Logistic分布(EI=0.9490),说明此方法构建胸径-树高二元联合Copula分布模型能够很好地描述落叶松人工林胸径树高联合分布,以Copula方法构建树高-胸径联合分布是可行的。展开更多
文摘作为电力系统中的基本量测设备,电子式电压互感器(electronic voltage transformers,EVTs)的测量精度对系统的监控、控制与安全运行至关重要。为此,提出了一种基于混合深度模型和自适应窗宽概率密度估计的互感器测量误差区间预测模型。首先,通过改进的集合经验模态分解对历史比差特征进行数据前处理。其次,提出了基于数据驱动的双向时序卷积网络、双向门控循环单元和多头注意力机制混合深度学习模型,对分解后的不同模态分量进行预测。此外,引入自适应选择最优窗宽的核密度概率估计方法,拟合预测结果构建不同置信度下的预测区间,并比较不同核函数对于预测区间的影响。通过算例分析,验证了所提模型在提高确定性预测和概率区间预测准确度方面的有效性。
文摘在林业研究中,胸径-树高二元联合分布多由相同边缘分布构造,而林分的胸径与树高的实际分布状况可能有所差异。为降低这种差异带来的影响,依据佳木斯市孟家岗林场的115块长白落叶松人工林数据,选择适用条件低、适应范围广的Copula函数方法拟合落叶松胸径-树高二元联合分布模型。首先选择威布尔(Weibull)、广义威布尔(G-Weibull)、逻辑斯蒂(Logistic)、轻量逻辑斯蒂(Logit-Logistic)、伽马(Gamma)、对数正态(Log-Normal)6个分布函数作为备选基础模型,根据K-S(kolmogorov smirnov test)检验与半参数估计结果筛选并构建Copula胸径-树高二元联合分布模型,再通过负对数似然(negative log-likelihood,NLL)、Sn拟合优度统计量和似然比检验(likelihood ratio test,LRT)与二元对数logistic分布函数和二元Weibull分布函数进行比较,最后使用雷诺误差指数(error index of Reynolds,EI)对模型预测能力进行评估。结果表明,基于Copula函数的二元分拟合结果与模型(EI=0.3184)预估能力皆优于二元Weibull分布(EI=0.6381)和二元对数Logistic分布(EI=0.9490),说明此方法构建胸径-树高二元联合Copula分布模型能够很好地描述落叶松人工林胸径树高联合分布,以Copula方法构建树高-胸径联合分布是可行的。
