云计算下震害预测基础数据库的自主访问控制算法

针对当前震害预测基础数据库自主访问控制算法在实际应用过程中存在访问数据包发送速率受限导致访问控制数据吞吐量公平性较差、数据重传时间超时、数据传输速率不稳定等问题。提出一种云计算下震害预测基础数据库访问控制算法,通过计算震害预测基础数据库访问控制周期、访问请求流的平均速率和访问请求流的平均速度,建立云计算下震害预测基础数据库模型;利用带衰因数过滤器对数据库模型的访问数据包进行平滑过滤,通过对平滑过滤后的访问控制数据包发送速率调节实现自主访问控制。研究结果证明,该算法能够有效减少丢包事件机率及数据重传次数,具有较强的网络适应能力,访问控制数据的最大发送速率更加稳定,取得了预期的实验效果,具有一定的实用价值。     

基于混合高斯隐马尔科夫模型的滑坡发生时间预报∗

滑坡发生时间预报在防灾减灾工作中非常重要,准确的预报能够有效预防灾害发生可能造成的灾难性结果。为解决当前滑坡预报中仅仅实现对滑坡位移等相关参数的预测和估计,而未最终计算出滑坡发生时间的问题,提出采用混合高斯隐马尔科夫模型(MOG‐HMM)建立滑坡发生时间预报模型,即对滑坡灾害演化过程全周期数据利用混合高斯算法计算出宏观信息预报判据,与隐马尔科夫模型中的状态相匹配,建立滑坡演化状态模型,该模型能够反映全周期数据的多个状态,当需要对实时采集的位移数据进行时间预报时,首先利用解码算法对当前数据解码,即计算出其属于滑坡的哪个状态,然后利用Dijkstra最优路径规划算法,计算出从当前状态到达滑坡发生状态的时间,实现滑坡发生时间预报。通过对新滩滑坡和卧龙寺滑坡灾害全周期数据进行仿真验证,结果表明,本文方法能够比较准确地计算出滑坡发生的时间,同时利用评价指标对预报的结果进行测试,符合预报指标精度要求。     

生命线网络系统抗震拓扑优化的Benchmark模型

生命线系统拓扑优化问题的Benchmark模型是评测新型算法正确性和适用性的重要手段。基于此,首先以生命线网络系统抗震拓扑优化分析模型为背景,建立了该优化问题的三个Benchmark模型,并在Visual Compaq Fortran开发环境下,通过穷举法统计出解空间的所有网络,进而甄选出不同节点可靠度约束下的最优网络和若干次优网络,最后利用上述Benchmark模型对生命线网络系统抗震拓扑优化中的蚁群算法进行测试。结果表明,当网络规模较小时,蚁群算法能精确地搜索到最优解;当网络规模增大后,蚁群算法也能以较大概率搜索到最优解或次优解。     

滑坡预测的改进前馈网络方法研究

作者提出了滑坡位移预测的一种改进前馈网络方法——目的规划法,与通常的前馈网络方法相比,该方法改进了网络的准则函数,降低了网络的灵敏度,改善了网络的泛化性能,提高了滑坡位移的预测精度。同时它是一种面向数据的方法,适合于不同地区不同条件下滑坡的预测。清江隔河岩库区滑坡和卧龙寺滑坡的实例研究表明了该方法的可行性及有效性。     

城市建筑物快速震害预测系统

以往的震害预测方法往往需要调查建筑物的详细力学特性参数，这对个别社区的范围是可行的，但对整个城市的震害预测，则需要耗费巨大的财力、物力，因此需要研究适用于城市群体建筑物的快速震害预测方法。文中提出的城市建筑物快速震害预测系统，是根据模糊数学中的加权距离来判别建筑物的相似性，而采用类比预测的方法来预测城市未知建筑物的震害结果。该方法能够在较少的投资和时间下，迅速给出城市的震害预测结果。最后将该系统应用于泉州市的建筑物震害预测，结果表明该系统具有良好的可操作性和结果可靠性。     

基于BP神经网络的饱和砂土液化判别方法

基于唐山地震中大量的砂土液化现场实测资料,选取描述地震动特性的烈度、震中距、地面峰值加速度和描述砂土层埋藏环境条件的地下水位、标贯点深度(土层深度)、上覆非液化覆盖土层厚度、有效覆盖压力,以及表示砂土自身属性的标准贯入锤击数、平均粒径、不均匀系数、修正标贯击数共11个指标的不同组合作为输入变量,采用快速BP算法和LM算法构造了饱和砂土液化判别的BP神经网络预测模型.通过所建网络模型的训练、验证和应用,结果表明:(1)所建14个BP神经网络模型都是有效的,液化判别的准确度与模型输入变量的不同组合有关;(2)增加网络模型的节点(考虑因素较多)并不一定能够提高BP神经网络模型的液化判别准确度,反而增加了BP神经网络模型的复杂性和学习时间;(3)两种算法的BP神经网络模型都有很高的液化判别准确度,LM算法的计算速率要比快速BP算法快得多,但在计算过程中需要更多的内存,建议采用LM算法;(4)采用所提BP神经网络模型的权值与阈值进行其它预测样本的液化判别时,判别结果可能偏于保守;(5)从影响砂土液化的主要因素、获取指标难易程度考虑,在与<建筑抗震设计规范>砂土液化判别公式考虑指标一致的情况下,建议采用BP神经网络模型M4或M5a,该模型简单、方便,且其预测准确度远高于<建筑抗震设计规范>的砂土液化判别准确度.     

海洋冰情预测的径向基函数网络模型

为了提高非线性时序预测模型的精度,利用自相关技术分析了海洋冰情时序的延迟特性,据此确定了RBF网络的输入、输出向量,给出了MATLAB环境下海洋冰情预测的高精度径向基函数(RBF)神经网络的结构、设计、仿真函数和图形结果的输出方法,建立了海洋冰情预测的高精度RBF网络模型.使用27年的海洋冰情实测资料进行了网络的训练和检验,并将之用于预测,各训练样本的误差为0.0,预测值的精度高于门限自回归模型预测的精度.实例分析表明,所构建的RBF网络模型能充分利用预报因子的信息和神经网络方法的非线性映射能力,模型稳定性好,精度高,可广泛应用于各种自然灾害的非线性时序动态预测.     

基于混沌优化神经网络的砂土液化预测模型

针对砂土液化预测的非线性难题,在分析BP神经网络和混沌优化的各自优缺点的基础上,将混沌优化与梯度下降法相结合,构成了神经网络权值和阈值的一种新的组合优化算法(COBP),并将该组合优化算法用于砂土液化的预测建模.工程实例应用表明,该组合优化模型不仅搜索速度快,全局稳定性好,而且预测精度高,结果可靠,能达到工程应用的精度要求,为砂土液化的非线性预测提供了一种有效方法.     

基于速率倒数法的滑坡时间概率预测∗

在滑坡时间预测中,基于变形监测数据的速率倒数法受到了广泛重视。在该方法的使用过程中,存在模型参数难以同时标定、难以考虑预测时间的不确定性的难题。针对上述不足,提出了一种两阶段速率倒数模型的标定方法。基于该方法可以对模型参数进行同时标定,同时可对滑坡时间进行概率预测。结合10个滑坡案例比较了不同模型假设对滑坡时间预测的影响。结果表明,考虑滑坡时间的不确定性后,预测滑坡时间与实际观测滑坡时间更为符合。考虑速率倒数模型的非线性后,拟合最优模型与实测数据的拟合度更好;但从预测效果而言,线性模型预测结果与滑坡实际发生时间符合的程度更高。     

基于奇异谱分析和极限学习机的风速多步预测

风速预测对风力发电系统具有重要的影响，为获得更高精度的风速预测结果，针对多步风速预测，成功开发了一种基于奇异谱分析和优化极限学习机的新型预测模型。首先，采用奇异谱分析将风速时间序列分解为一组相对平稳的分量，以降低风速序列的随机性对预测结果的影响；然后，对分解得到的分量分别建立极限学习机预测模型，为进一步提高预测性能，将1种新颖的活性竞争萤火虫算法用于优化极限学习机的输入权值和隐含层偏置；最后，叠加全部分量的预测值得到实际预测结果。仿真结果表明，基于奇异谱分析和活性竞争萤火虫算法优化极限学习机的模型在1步到3步风速预测中实现了较高精度的预测结果。     

电力物联网技术的应用

针对目前电力通信网网络资源现状及技术体制特点,结合电力物联网需求,提出基于物联网、以太网无源光网络(Ethernet Passive Optical Network,EPON)和同步数字传输(Syn-chronous Digital Hierarchy,SDH)技术的组网方案,并对物联网安全体系建设进行了分析。结果表明:完善的 SDH 网络和基于城区配电通信需求的 EPON 通信网络能够满足城市配电物联网的相关应用。     

新能源场群连锁故障路径的仿真预测方法

新能源场站的大规模集群化接入不仅增加了连锁故障的发生概率,也恶化了故障发生后的电网运行状态。为适应电网运行分析的新要求,以新能源机组和无功补偿装置实际运行工况为依据,研究了一种用于预测新能源场群连锁故障路径的仿真计算方法。通过基于大电网数据的仿真算例分析,得到了某新能源场群在典型约束条件下的详细连锁故障路径。结果表明:基于新能源场站机组实际情况建立的仿真模型更适宜于连锁脱网路径的仿真预测。     

基于源网荷互动的分布式能源消纳方法

分布式能源发电的不确定性给电网公司消纳新能源带来了极大的挑战，电力物联网全域感知技术为分布式能源消纳提供了有效的数据支撑，故提出了一种基于源网荷互动的分布式能源消纳方法，构建了分布式能源总功率预测方法，采用自回归移动平均算法对新能源发电功率进行预测，并建立分布式能源发电波动影响因子，分析新能源发电波动对电网带来的影响。根据源网荷的互动情况，采用离群点自趋优算法，实现新能源机组有功功率精准控制，有效推动分布式能源的消纳。仿真验证表明：采用离群点自趋优的新能源机组控制算法能根据电网运行情况，自动调控分布式能源、电网资源，实现分布式能源最大化消纳，有效提高了园区分布式能源的经济运行水平。     

膨胀土路基水毁灾害及其粗糙神经网络预测

通过对膨胀土地质灾害的总结，提出了膨胀土路基水毁灾害的分类分级方法，并根据常用的地质灾害预测办法，指出膨胀土路基水毁灾害的预测是一个典型的非线性问题，当考虑降雨、干旱等气候因素耦合影响时，宜进行危险性点评估。提出了采用粗糙神经网络对膨胀土路基水毁灾害进行评价和预测的方法，并运用粗糙集理论确定了该神经网络的结构。同时，以某膨胀土路基水毁大型模型试验的数据为例，进行了灾害预测，结果表明，将粗糙神经网络运用于膨胀土路基的水毁灾害预测是切实可行的。     

智能断路器保护算法的研究

针对智能断路器的工作特点,提出了一种基于采样值的可实现对故障点的快速检测的配电网智能断路器保护算法,并通过计算机仿真模型验证了算法的有效性。结果表明:相较于FFT算法,该算法具有计算速度快、无须同步采样的优点,特别适用于对经济性和可靠性要求较高且承担多任务的单CPU检测与控制系统的应用。     

提高人工神经网络洪水峰值预报精度的研究

以动量项与学习率自适应调整相结合的改进BP算法作为人工神经网络计算方法，阐述了洪水预报网络模型的构造和数据处理，以及转移函数对洪水预报精度的影响，提出了合理的洪水预报网络模型的设计方案。     

基于Elman神经网络模型的我国农业受灾面积预测研究

农业受灾面积顶测是从以往受灾面积的数据中总结受灾面积变化的规律性，并用这个规律动态地顶测未来的受灾面积．人工神经网络的诸多特性能较好地处理农业灾害顶测问题。为此，介绍了Elman神经网络的结构、算法和基于Elman神经网络的农业受灾面积顶测．实验结果和自回归顶测对照表明，Elman神经网络的顶测方法更精确。     

矿山地质环境质量评价数学模型研究概述

在对大量文献和典型矿山地质调查资料研究的基础上,从矿山环境地质问题所导致的结果(资源损毁、地质灾害、环境污染)出发,筛选出合理的评价因子并建立评价指标体系.采用不同的评价方法,通过进行现状—预测—综合评价最终确定矿山地质环境质量评价数学模型;并将评价方法应用于实际矿山地质环境质量评价中,获得了较好的一致性.     

无人通信站设备可视化管理探讨

针对目前宁夏电力主干通信网设备远程监控现状,提出了在无人值守通信站建立一套完整的视频监控系统的建议。应用结果表明:该系统与现有的通信网综合监控系统在结构上相互独立、功能上相互补充,实现了资源共享,可使远程监控人员全面掌握各通信机房环境状况和设备运行情况。从而提高了工作效率和通信网安全管理水平,为全面实现电网的可视化管理奠定基础。     

基于神经网络的洪水预报研究

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行洪水预报是可行的.对洪水预报问题,初步建立了基于神经网络的洪水预报系统,给出了应用实例.