针对混合输电线路故障多、定位精度差等问题,提出一种基于改进的自适应噪声完备集合经验模态分解(CEEMDAN)和Teager-Kaiser能量算子相结合的混合三端输电线路故障测距方法.首先对输电线路故障电压信号使用新型相模变换进行解耦,以消除线路间的电磁耦合现象;然后利用改进的CEEMDAN和Teager-Kaiser能量算子对解耦后的故障电压信号进行分解,提取了故障初始行波到达检测点的时间,再根据故障时暂态电压行波零模分量和线模分量的故障特性,提出一种基于零模和线模时间差的故障分支判别方法;最后为解决无法得到行波波速精确值的问题,采用基于零模线模时间差的行波测距方法得到了精确的故障定位数据.基于仿真模型,对比改进CEEMDAN算法和传统CEEMDAN算法,验证所提改进算法的有效性.仿真结果表明,所提算法不受故障类型、过渡电阻、波速、时间不同步的影响,具有较高的测量精度.改进CEEMDAN算法能够有效改善故障信号经传统CEEMDAN算法分解后带来的随机性问题,具有较高的工程应用价值.
针对具有α混合结构的函数型时间序列数据,当响应变量随机缺失时,利用函数型单指标模型进行统计建模,并采用k近邻方法对模型中未知参数和未知函数进行估计,与经典核方法相比,其数据适用性更强,可以提高估计效率;通过数值模拟和厄尔尼诺海平面温度数据,将k近邻方法和经典核方法进行比较,讨论k近邻方法与经典核方法对未知参数和未知函数的估计效果;从模拟结果可以看到:k近邻方法对未知参数和未知函数的估计精度以及随样本增加的改善效果要优于经典核方法,在真实数据分析中,k近邻对真实数据的精度拟合以及趋势拟合都表现优异;这些结果表明:在响应变量随机缺失的时间序列单指标模型中,采用k近邻方法对未知参数和未知函数进行估计,在精度上要优于经典核方法,同时在真实数据分析中,相比经典核方法,k近邻方法能更好地拟合数据.
针对向量自回归模型(VAR)的高维估计问题,结合贝叶斯理论提出了一种融合正态-逆Wishart共轭先验分布的估计方法.在该估计方法中,所提出的模型引入Metropolis-Hastings(MH)算法,从以往数据集中确定先验分布超参数,并通过设定与模型尺寸相关的收缩系数从而进行估计.与传统VAR模型相比,基于贝叶斯理论的估计方法可在保留相关样本信息的同时控制过度拟合,具有较好的稳健性和有效性.此外,在改进的BVAR模型基础上,结合区制转移技术与误差修正模型提出了 MS-BVECM模型,该模型能够有效分析经济周期内各变量之间长期与短期均衡状态变化,当短期内经济变量受到波动而与长期均衡状态发生偏离时,误差修正模型机制会使其逐渐重新回到长期均衡状态,以保证模型的稳健性.最后,以重庆市为例,利用所提模型对其能源消费、产业结构升级和经济增长的动态关系进行了分析与预测并提供了可行建议.
目的 针对秃鹰搜索算法(Bald Eagle Search,BES)在函数优化时存在寻优精度低,易陷入局部最优等问题,提出一种混合策略改进型秃鹰搜索算法(Hybrid Strategy Improved Bald Eagle Search,HSIBES);方法 首先利用Logistic映射策略初始化种群,使种群分布更加均匀,其次在搜索空间阶段引入莱维飞行,控制步长,改善收敛效果并跳出局部最优,最后在搜寻空间食物中使用自适应惯性权重,提高收敛速度与精度,平衡算法的局部与全局搜索能力;结果 将HSIBES算法与其他五种基准算法以及其他学者改进的算法进行对比,通过在9个测试函数上进行仿真实验,并进行Wilcoxon秩和检验验证HSIBES算法的性能,发现HSIBES的结果优于其他对比算法,与其他对比算法之间具有显著性差异;结论 实验结果表明:HSIBES算法的寻优精度,收敛速度以及稳定性都更好,算法的性能更具优越性.
目的 由于传染病的不断复杂化,一类传播过程中出现大量隐性感染人群的疾病逐渐流行,提出一种基于SEIR模型改进后的SEIR-A模型来更加准确地刻画该类疾病的传播机制.方法 在动力学模型方面,主要有以下两点改进:一是假设潜伏期人群和显性感染人群具有一致的传染因子;二是引入具有不同传染性的隐性感染人群A,且增添隐性感染者向显性感染者单向转换的常值因子ω,构建一类具有特殊隐性感染人群的SEIR-A模型.此外,将改进后的SEIR-A模型与时间卷积网络TCN模型线性结合,得到一种动力学模型和深度学习模型相互融合的混合模型.结果 通过真实数据的拟合,结果表明:SEIR-A模型可以模拟传染病的总体趋势,且能够对该疾病中现存隐性感染人群和累计恢复人群做出准确拟合,决定系数R2分别达到0.987 0和0.989 9,证明该模型合理;SEIR-A与TCN的混合模型可以实现对复杂现存显性感染人群的拟合,相较于单一的SEIR-A模型、TCN和LSTM模型,该混合模型的决定系数R2达到了 0.961 1,取得了 5种对比模型中最优的拟合精度.结论 传统动力学和深度学习的结合,可以在体现疾病传播机理的同时有效解决传统模型拟合精度不高的问题,对传染病研究具有现实意义.
