课程文献中心 更多>>

关键词： 时间序列   风电场   光伏电站   聚类分析   马尔科夫链蒙特卡洛方法   时空相关性  

摘要： 针对风光出力的随机性建模问题,提出一种基于两阶段聚类和双层马尔科夫链模型的风光相关出力序列建模方法。首先采用两阶段聚类得到不同的风光典型日出力模式,第1阶段采用自组织映射聚类方法识别不同气象条件下的光伏出力类型;第2阶段采用近邻传播聚类方法对不同光伏出力类型对应的风电出力样本进行聚类。其次,建立双层马尔科夫链模型描述风光出力的相依变化,上层建立单变量马尔科夫链模型描述风光出力模式的日间转移,下层建立双变量马尔科夫链模型描述风光出力日内相邻时刻的状态转移。最后,采用MCMC模拟方法得到指定时间长度的风光出力序列。仿真算例表明,所提方法在各项评价指标上均优于传统MCMC方法及Copula模型,能生成更符合风光实际相关性的出力序列。

关键词： 动态时间规整   DBSCAN   轨迹聚类   船舶自动识别系统(AIS)  

摘要： 由于基于基础相似度的轨迹聚类算法存在抗噪能力弱、运行时间慢等缺点,文中提出了基于MFDBSCAN算法的船舶轨迹聚类模型,该模型将改进的动态时间规整距离和改进具有噪声的基于密度的空间聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)相结合。选取中国香港的船舶自动识别系统(Automatic Identification System,AIS)数据进行实验,结果表明,与现有其他算法相比,MFDBSCAN算法能够有效提高抗噪能力,加快了运行速度,能更好更快速地获取船舶轨迹重要信息。该方法在有效监督和指导船舶等方面具有重要价值。

关键词： 加油机   检定   温度补偿   算法分析  

摘要： 本文探讨了加油机检定过程中温度补偿的重要性及其基本原理,深入分析了当前温度补偿算法在实际应用中的表现和存在的问题。基于这些分析,我们提出了一系列针对性的算法优化策略,旨在提高温度补偿的准确性和稳定性。

关键词： 视觉目标跟踪   单流单阶段框架   多尺度特征融合   递归门控卷积   网络初始化  

摘要： 近年来,基于深度学习的目标跟踪网络取得了显著的进展.这些网络主要采用两种类型的框架:双流双阶段框架和单流单阶段框架.然而,前者忽视了在特征提取过程中的信息交互,后者则受限于骨干网络自身的局限性.因此,本文采用独立骨干网络来直接构建跟踪器,并设计了一种轻量化的多尺度特征融合架构,以较低的计算成本增强了网络对多尺度信息的感知能力;同时,引入递归门控卷积作为特征学习单元,以自适应高阶空间交互实现了网络对特征的深层挖掘;此外,本文使用DropMAE预训练模型来进行网络初始化,以提升网络的泛化能力.实验结果表明,所提出的目标跟踪网络在多个大型跟踪数据集基准上都表现出优异的性能,并能以78.4 FPS的速度进行实时跟踪.

关键词： 算法推荐   网络意识形态   等级全息建模   风险识别   精准治理  

摘要： 基于算法推荐意识形态安全风险演进路径和来源因素的分析,采用等级全息建模方法构建算法推荐的网络意识形态安全风险识别框架,识别具体的风险来源和风险情境组合。依据风险识别结果 ,从精准定位风险、精准谋划策略、精准施行政策、精准评估效果四方面对风险进行精准治理,从而达到防范化解安全风险的目的。

关键词： 交通运输工程   轮胎-道面相互作用   光滑粒子流体动力学算法   临界滑水速度   道面支撑力   位移阻力   溅水高度  

摘要： 针对飞机在湿滑道面上的滑水问题,采用光滑粒子流体动力学(SPH)算法建立了飞机轮胎-湿滑道面有限元模型,与流固耦合算法(CEL)模型进行对比,显示了SPH算法的优越性,进而分析了不同轮胎速度及水膜厚度对轮胎与湿滑道面相互作用的影响规律。结果表明,SPH模型得到的临界滑水速度与CEL模型结果相差不超过5%;舰首波、侧向羽流等流体特征更为明显立体;平均运算效率较CEL模型提高36.5%。利用SPH模型分析可得,道面支撑力随轮胎速度增加呈先平缓下降再急速下降的趋势,水膜厚度为3~13 mm时,急速下降段所在轮胎速度区间为170~260 km/h,基本处于A320飞机的着陆滑跑速度范围内,应增强对飞机滑水事故风险的防范;位移阻力随着轮胎速度增加呈先增大后减小的趋势,且在轮胎达到临界滑水速度时取得最大值,进而提出利用位移阻力最大值确定临界滑水速度的方法;侧向羽流最大溅水高度随轮胎速度增加呈先升高后降低的趋势,在接近临界滑水速度时达到最大值;舰首波最大溅水高度低于侧向羽流最大溅水高度,且随轮胎速度增加而降低,达到临界滑水速度时舰首波接近消失,2种溅水特征的最大溅水高度值均低于A320飞机发动机的最小离地高度0.680 m,不会对发动机产生影响。

关键词： 分布式能源集群   深度强化学习   进化强化学习算法   多场景一体化调度  

摘要： 目前对于分布式能源集群调度的研究大多局限于单一场景,同时也缺少高效、准确的算法。该文针对以上问题提出了一种基于进化算法经验指导的深度强化学习(EA-RL)的分布式能源集群多场景调度方法。分别对分布式能源集群中的电源、储能、负荷进行个体建模,并基于个体调度模型建立了包含辅助调峰调频的多场景分布式能源集群优化调度模型;基于进化强化学习算法框架,提出了一种EA-RL算法,该算法融合了遗传算法(GA)与深度确定性策略梯度(DDPG)算法,以经验序列作为遗传算法个体进行交叉、变异、选择,筛选出优质经验加入DDPG算法经验池对智能体进行指导训练以提高算法的搜索效率和收敛性;根据多场景调度模型构建分布式能源集群多场景调度问题的状态空间和动作空间,再以最小化调度成本、最小化辅助服务调度指令偏差、最小化联络线越限功率以及最小化源荷功率差构建奖励函数,完成强化学习模型的建立;为验证所提算法模型的有效性,基于多场景的仿真算例对调度智能体进行离线训练,形成能够适应电网多场景的调度智能体,通过在线决策的方式进行验证,根据决策结果评估其调度决策能力,并通过与DDPG算法的对比验证算法的有效性,最后对训练完成的智能体进行了连续60d的加入不同程度扰动的在线决策测试,验证智能体的后效性和鲁棒性。

关键词： 无线传感器网络   距离向量跳数   麻雀搜索   Cat映射   柯西-高斯变异  

摘要： 距离向量跳数(DV-Hop)定位算法作为一种简单高效的定位算法,在节点分布不均匀的无线传感器网络中,算法会存在较大定位误差。为了提高算法的定位精度,提出了一种改进的麻雀搜索优化DV-Hop定位算法。首先,通过Cat混沌映射产生混沌序列初始化麻雀种群,提高算法前期搜索能力。其次,根据传统DV-Hop算法获得的跳数和跳距数据并结合凸规划算法,建立未知节点的搜索盒子区域,有效缩小了麻雀搜索算法的前期搜索范围。最后,引入柯西-高斯变异策略优化最优麻雀个体并淘汰较差个体,增强算法跳出局部最优的能力。仿真实验考虑到无线电不规则性,引入无线电不规则模型代替理想模型,选择未知节点平均定位误差作为实验评价指标。仿真结果表明:在相同实验环境下,改进算法的平均定位误差与传统DV-Hop算法和其他3种改进算法相比分别降低约18.60%,10.21%,8.32%和4.77%。

关键词： 决策树   地球化学   琼州海峡   表层沉积物  

摘要： 琼州海峡作为广东海区与北部湾海上交通的重要通道,是沟通北部湾和南海中、东部的海上走廊。以其为研究区,对决策树在琼州海峡沉积物地球化学分区中的应用进行探究。用采集的391件表层沉积物中的53种元素含量建立决策树模型,依托决策树获得了11条对研究区进行地球化学分区的规则。同时,还发现在地球化学分区过程中Cl、N、TFe_(2)O_(3)、Sb、Al_(2)O_(3)和Hg这6种元素是主要影响因素。

关键词： 计算机网络管理   计算机网络安全技术   网络安全   网络攻击   安全事件   新一代信息技术   服务社会发展   安全技术研究  

摘要： 在信息化高速发展的今天,计算机网络安全已成为国家安全、经济发展和社会稳定的重要组成部分。随着新一代信息技术与经济社会发展各领域的深度融合,网络安全技术在维护国家安全、支撑产业转型、服务社会发展、保护公众利益等方面的重要作用愈加凸显。然而,网络攻击、数据泄漏等安全事件频发,使得网络安全成为全球关注的焦点。在这样的背景下,计算机网络安全技术的发展趋势成为业界和学术界共同关心的话题。