光伏出力的模糊区间预测

针对光伏输出功率的点预测精度不足、传统支持向量机(SVM)在参数优化方面存在的固有缺陷等问题,根据模糊信息粒化理论和纵横交叉算法,提出一种基于CSO-SVM和模糊信息粒化理论的光伏出力模糊区间预测方案。结果表明:该方案可以得到较好的点预测值及其置信区间,某种程度上解决了传统点预测结果的信息局限性。     

基于排列熵重构的EEMD-RVM短期光伏功率预测

针对光伏功率序列周期性非平稳特性,难以准确预测的问题,提出一种基于排列熵重构原则的集合经验模态分解(ensemble empirical mode decomposition, EEMD)和相关向量机(relevance vector machine,RVM)的短期光伏功率预测新方法。仿真结果表明:该方法不仅能够有效提高短期光伏功率预测的准确性,而且缩短了预测时间,提高了光伏功率预测效率,适用于光伏功率短期在线预测。     

基于相关向量机的蒋家沟泥石流平均流速预测模型

泥石流是我国常见的一种地质灾害,泥石流的平均流速是泥石流灾害防治的重要参数之一,准确的预测泥石流平均流速对灾害预防具有重要意义。本文建立基于相关向量机的蒋家沟泥石流平均流速预测模型,通过与蒋家沟泥石流平均流速的支持向量机、BP神经网络模型预测结果对比,验证该模型预测精度;同时采用平均相对误差和均方差2个指标评价各个模型的整体性能和稳定情况。结果表明,与实测值相比,相关向量机预测最大相对误差仅为2.02%,平均相对误差为0.64%,均方差为0.06,远低于BP神经网络模型和支持向量机模型的预测结果。由此可知,本文提出的基于相关向量机的蒋家沟泥石流平均流速预测模型效果明显优于其他2种模型,且预测结果更为准确,模型整体性能和稳定情况较好,为泥石流平均流速获取提供一条新途径。     

土石混合体地基系数支持向量机模型与应用∗

针对缺乏土石混合体地基系数评价模型这一现状,构建了基于支持向量机的土石混合体地基系数评价模型.该模型以土体弹性模量、泊松比以及块石含石率作为输入参数,地基系数作为输出参数.为建立训练数据,基于土石混合体弹性模量与泊松比计算模型,建立了FLAC3D平板载荷模型开展数值实验.基于数值实验数据,训练支持向量机模型并进行初步验证.将该支持向量机模型用于预测现场试验获得的土石混合体地基系数,进一步验证了该模型的合理性与准确性.通过敏感性分析发现,土体弹性模量对土石混合体地基系数的影响最大,其次为含石率.基于支持向量机模型,讨论了5种已有地基系数计算模型应用于土石混合体地基系数计算的可行性,确认了可用于评估土石混合体地基系数的显式模型.     

基于主成分分析和支持向量机的苏锡常地区地裂缝危险性预测

地裂缝地质灾害是由多种复杂因素共同导致的岩层、土体开裂现象,常规数学模型难以对地裂缝的危险性做出准确预测。该文首先采用主成分分析(PCA)方法对选取的导水系数、水位、粘性土层厚度、基岩起伏度、基岩埋深5个影响因素提取3个主成分,对导致地裂缝发生的主成分进行了全新的解释,同时引入支持向量机的方法(SVM)建立了基于主成分分析和支持向量机的苏锡常地区地裂缝危险性预测模型。并结合工程实例将预测结果与SVM模型预测结果进行比较分析。结果表明:基于主成分分析和支持向量机的地裂缝危险性预测模型精度较高,具有一定的参考价值,可为预测苏锡常地区地裂缝危险性提供有效依据。     

基于智能算法优化支持向量机模型的滑坡稳定性预测

影响滑坡稳定性的因素较多,利用滑坡稳定性影响因素快速预测滑坡稳定状态是当前滑坡研究的重要内容。利用相关系数、支持向量机、交叉验证法、遗传算法、粒子群优化算法等理论建立支持向量机模型对滑坡稳定性进行了研究。以湖北竹溪县197个滑坡为例,研究结果表明:遗传算法优化的支持向量机滑坡稳定性预测模型预测效果最好,与实际情况吻合得最好。最佳参数c为3.001 6、g为0.041 008,训练集滑坡稳定性预测的正确率为84%,测试集滑坡稳定性预测的正确率为79.32%。因此所提遗传算法优化的支持向量机滑坡稳定性预测模型对于滑坡稳定性分析具有一定参考价值。     

基于最优权重联合模型的滑坡位移预测研究

在对联合预测模型的权重研究基础上,依托沪瑞高速公路贵州段晴隆滑坡的监测资料,首先建立了该滑坡位移预测的3个非线性预测模型:支持向量机模型、指数平滑模型、GM(1,1)模型;根据各模型训练结果,然后引入准确性矩阵,得到各单模型的权重,建立多模型联合预测模型,解决多模型预测结果取舍和可靠性评判问题。将联合模型与各单一模型的预测结果对比分析得出:联合模型的预测精度高于任何单一模型的预测精度。因此,运用最优权重联合模型能有效地提高滑坡预测预报精度。     

基于改进模糊聚类法和CPSO.-ISSVM的母线负荷预测

针对大型冶金企业专用母线负荷种类多、分布不均、规律性弱等特点,利用自组织特征映射神经网络(self-organizing feature map, SOM)对模糊聚类法进行改进,以选择待预测日的相似日,通过db4小波对相似日负荷数据进行分解、去噪和重构处理后作为后期预测模型的训练样本;采用混沌粒子群算法(chaos particle swarm optimization,CPSO)对最小二乘支持向量机(least square support vector machine, LSSVM)算法的惩罚参数和核函数覆盖宽度进行优化,构造了基于CPSO和LSSVM的母线负荷预测模型。仿真结果表明:该负荷预测模型,将预测结果的相对误差降低到1.998%,预测精度达到了97%,提高了专用母线负荷预测准确性。     

结构损伤模式识别与试验分析

基于最小二乘支持向量机方法,提出了小波核函数最小二乘支持向量机结构损伤模式识别方法。该方法以结构固有频率变化率为特征向量,利用有限的荷载和动力响应数据,便能得到良好的结构损伤识别效果,弥补了传统方法对结构固有频率不敏感的缺陷,克服了其他动力参数数据采集误差大的问题。数值模拟计算表明该方法具有较高的识别精度。对一个12层的混凝土框架结构模型进行了振动台试验,研究分析结果表明,理论识别结果与实验现象基本吻合,说明该方法具有良好的识别效果和实际应用前景。     

基于相空间重构和独立分量分析的火灾预测

利用非线性动力学的相空间重构理论和独立分量分析,结合非线性支持向量回归,提出了火灾起数时间序列预测方法。首先用时间延迟法和独立分量分析重构系统的相空间来反映火灾起数时间序列的内在变化规律,然后再用非线性支持向量回归来构建预测模型。仿真结果表明该预测方法具有较高的预测精度。     

基于IPOA的巨型组合框架结构震损快速预测模型研究∗

为实现巨型组合框架结构的地震损伤程度快速评估,提出了一种基于改进鹈鹕优化算法（IPOA）的多参数震损预测方法。设计了5 个不同参数的巨型组合框架结构模型,利用振动台试验和有限元软件进行非线性时程分析获取结构动态响应数据,并采用结构损伤指数量化评估结构的损伤程度。同时,引入K 均值聚类优化策略和惯性权重自适应优化策略改进传统的鹈鹕优化算法。基于振动台试验和有限元分析结果数据,比较了不同输入参数组合预测结构损伤的准确性,构建了能反映结构参数与结构损伤之间非线性关系的智能算法快速预测模型。最后,将模型预测结果与一缩尺比为1/15 的振动台试验模型结构损伤程度进行对比验证。结果表明：（1）改进鹈鹕优化算法模型的准确性和泛化能力均优于其他算法模型;（2）最大层间位移角与结构损伤相关性最高,增加影响结构损伤的输入参数可提高预测模型的准确度和泛化能力;（3）模型预测的结构损伤指数与试验结果相比误差均小于10%,预测结构损伤等级与试验结果一致,所提出的快速预测模型能高效准确地预测结构的损伤指标,为巨型组合框架结构震后损伤快速评估提供了一种新方法。     

多参量综合指标冲击地压预测技术研究

提出了"全局-区域-局部"多参量综合指标冲击地压预测技术,多种预测方法相互协调与配合、优势互补,形成空间上层次化全方位的预测体系,可极大提高冲击地压预测准确性。结合老虎台矿冲击地压发生机理与影响因素,提出利用微震法对采区全局范围内微震事件进行实时监测,划分具有冲击危险区域,全局范围预测冲击地压;利用电磁辐射法监测工作面及巷道近场围岩的应力场和煤岩变形破坏变化状况,确定近场围岩高冲击危险区域,局部范围预测冲击地压;采用矿压监测法和钻屑法对确定具有冲击危险的区域进行重点监测,判断冲击危险程度,对采取防治措施后的防冲效果进行检测;采用采空区气体分析法预测电磁辐射法和矿压观测法等无法监测到的采空区的冲击地压。实践证明:全局-区域-局部"多参量综合指标预测技术的各种预测方法在功能上表现出明显的互补特征,在老虎台矿的冲击地压预报中取得良好效果。     

基于神经网络的跨越地裂缝框架结构地震损伤及预测研究∗

为开展特殊地质环境下结构的损伤分析,以一跨越西安f4地裂缝的五层框架结构为研究对象,基于振动台试验和ABAQUS 有限元分析结果,进行了BP 神经网络模型的模型训练,选取变形和能量组合形式的双参数损伤模型计算结构损伤指标,采用加权系数法,开展了构件、楼层、结构三个层面的损伤预测分析,给出了不同地震作用下结构损伤程度评估。结果表明：地裂缝场地结构表现出明显上下盘效应,结构首层为薄弱层。BP 神经网络损伤预测值与有限元计算值在不同工况下均较为一致,其对于构件、层间、整体结构损伤指数预测最大误差分别为8.86%、5.66%、7.57%,该研究成果为跨越地裂缝结构的性能评估提供一种准确且高效的研究方法。     

基于SVM⁃RF的泥石流窗口坝闭塞度判别研究∗

为了研究野外泥石流防治工程中窗口坝的开口闭塞类别,基于量纲分析理论,以室内水槽试验模拟实际工程,分析模型试验与实际工程的相关物理量及对应的相似准数;引入支持向量机和随机森林分类模型,在开源机器学习工具Scikit-Learn中,采用python编程实现算法;以室内水槽试验数据作为支持向量机和随机森林的训练样本,进行机器学习得到分类模型,提出一种用于判别泥石流窗口坝闭塞类型的新方法;将测试结果与经验公式中闭塞度判别值F的分类结果进行正确率对比,结果表明,F值的分类准确率为88%,而支持向量机为92%,随机森林为94%,随机森林分类效果最好,机器学习理论为泥石流窗口坝在实践中的设计提供了新思路。     

地震学综合定量预报方法在华东地区的应用研究

根据周翠英等提出的ZSIP计算方法 ,对华东地区地震比较集中的南黄海地区进行以 3°×3°范围的时间扫描 ,结果表明该方法在重点监视区南黄海预报效能较好 ,预报效能评分R =0 .397,通过R值检验。     

基于改进差分进化算法优化极限学习机的短期负荷预测

负荷预测的精度直接关系到电网的供需平衡,影响着电网运营成本。针对传统预测方法精度不高的缺点,提出了一种改进的差分进化算法优化极限学习机的预测模型。由于极限学习机的输入权值和隐含层偏置对预测精度有很大影响,因而利用改进差分进化算法对极限学习机参数进行优化,提高了极限学习机的泛化能力和预测精度。研究结果表明:改进差分进化算法优化极限学习机对短期负荷预测精度有较高提升。     

基于机器学习方法的上海市暴雨内涝灾情预测模型研究

本文基于区域灾害系统理论,综合考虑致灾因子、暴露度和脆弱性,提出了一套暴雨内涝灾情预测指标体系;在此基础上利用上海市应急联动中心110接报暴雨内涝灾情数据,构建了暴雨内涝灾情预测BP模型(Back Propagation Model)和XGBoost模型(Extreme Gradient Boosting Model),并对比分析了预测模型效果,实现对上海市暴雨过程内涝灾情数量预测;最后对内涝灾情影响等级进行阈值划分,以期为暴雨内涝影响预报与风险预警业务、服务及灾害管理提供技术支撑。结果表明:1)综合考虑致灾因子、暴露度、脆弱性指标且不经主成分分析降维的指标组合作为暴雨内涝灾情预测指标体系时,BP模型和XGBoost模型的预测精度最优;2)全量样本XGBoost模型总体表现最优,暴雨内涝灾情的右偏分布和内涝灾情的异常高值均对XGBoost模型预测误差有不同程度的贡献;3)综合评价法在历史灾情百分位法和模拟灾情百分位法基础上,结合多年业务实践经验和用户对于110灾情的处置承受力对暴雨内涝灾情进行阈值划分,在实际应用中具有一定参考意义。     

宁夏光伏电站模型参数对电网安全稳定性的影响

通过开展光伏电站的等值建模、参数辨识、模型评价的体系研究,为宁夏电网开展光伏电站模型参数测试业务提供完备的技术储备,为包含光伏发电的宁夏电网安全稳定分析和运行控制提供了基础模型和数据支撑,可广泛应用于方式计算、运行规划、事故分析及反措制定等方面,具有广阔的推广应用前景和实用价值。     

光伏电站计划孤岛的划分与实现

为了解决光伏电站孤岛运行给电网和用户带来的电压不稳、保护误动和人身触电等问题,通过分析孤岛现象产生的原因及其对电网的影响,提出了以岛内安全、可靠为主的设计和划分基本原则及应用快切装置实现对光伏电站计划孤岛运行和并网运行进行切换的方法。结果表明:光伏电站计划孤岛运行模式不仅能够有效解决孤岛运行问题,还能够为电网稳定运行提供可靠电源支撑。