检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

电力日负荷数据特征模式智能提取方法

重庆大学学报（自然科学版） 2006年第2期29卷 50-53页

作者：李明浩重庆市电力公司江津供电局重庆400014

电力负荷数据中可能包含各种坏数据,严重影响负荷预测精度,因此需要从这些含有噪声的日负荷数据中提取出负荷的特征模式,以便对负荷数据进行清洗.以软聚类思想为指导,通过模糊C均值聚类算法及Kohonen自组织特征映射神经网络的互补结合,... 详细信息

电力负荷数据中可能包含各种坏数据,严重影响负荷预测精度,因此需要从这些含有噪声的日负荷数据中提取出负荷的特征模式,以便对负荷数据进行清洗.以软聚类思想为指导,通过模糊C均值聚类算法及Kohonen自组织特征映射神经网络的互补结合,提出了日负荷特征模式的智能提取方法,该方法不但具有辨识精度高、收敛速度快的优点,而且具有对数据的动态处理能力,为精确的负荷预测和准确的系统分析做好了数据上的准备,对重庆城区供电局负荷数据的实例分析说明了方法的高效性.

关键词：日负荷特征模式软聚类神经网络

体育教学训练日负荷身体效应的24小时动态研究

在线全文

学校读者我要写书评

暂无评论

广州体育学院学报 1995年第4期15卷 27-30,53页

作者：林建棣刘晓方王乃军张永民李新宁赵东胜王晓村解放军体育学院广州510502

本研究显示，在体育教学训练身体效应的生理机能24小时动态变化中，多数指标呈现相对稳定，但也存在着一些值得注意的变化特征；在血尿指标的24小时动态变化上较之生理指标敏感，尤其在血尿素与尿异常的阳性率上更为突出。

关键词：体育教学训练日负荷身体效应动态研究

在线全文

学校读者我要写书评

暂无评论

基于数据挖掘技术的电力日负荷优选组合预测

华北电力大学学报（自然科学版） 2005年第3期32卷 19-22页

作者：赵磊李媛媛李金超赵晓坤华北电力大学工商管理学院河北保定071003

提高日负荷预测精度的关键在于数据预处理。提出了基于联合数据挖掘技术的电力负荷优选组合预测方法。通过多种挖掘技术寻找与预测日同等气象类型的多个历史日负荷,由此进一步提取数据,组成规律强化、干扰弱化、具有高度相似气象特征的... 详细信息

提高日负荷预测精度的关键在于数据预处理。提出了基于联合数据挖掘技术的电力负荷优选组合预测方法。通过多种挖掘技术寻找与预测日同等气象类型的多个历史日负荷,由此进一步提取数据,组成规律强化、干扰弱化、具有高度相似气象特征的数据序列,对此再构建优选组合预测模型。

关键词：数据挖掘技术日负荷优选组合预测方法组合预测模型数据预处理预测精度电力负荷数据序列气象特征

在线全文

学校读者我要写书评

暂无评论

上海市管道煤气日负荷短期预报研究

系统工程学报 1986年第2期1卷 11-19页

作者：吴雪平沈荣芳南京工学院同济大学

上海煤气事业居全国首位。合理安排煤气生产,做到既能避免浪费,又能满足城市对煤气需求,需要对煤气日负荷进行较精确的预报。上海煤气公司现行的日负荷预报主要依靠人员的经验。本文采用了 Box—Jenkins 法进行研究,以及以上海煤气供求... 详细信息

上海煤气事业居全国首位。合理安排煤气生产,做到既能避免浪费,又能满足城市对煤气需求,需要对煤气日负荷进行较精确的预报。上海煤气公司现行的日负荷预报主要依靠人员的经验。本文采用了 Box—Jenkins 法进行研究,以及以上海煤气供求的实际情况为背景,采用了所谓横向信息,对模型预报值进行调整研究。本文阐述的方法能在 IBM—PC/XT 微机上实现。经过六个月份的数据模拟验证,预报结果较好。

关键词：日负荷实际值工业负荷煤气公司修正表上海市诊断检验序列估计值自相关值季节差分相关图散布图工业用气短期预报地震预报滑动平均系数

城市燃气日负荷PCA-GM-BPNN组合预测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

天然气与石油 2018年第5期36卷 13-19页

作者：刘金源王寿喜李婵西南石油大学石油与天然气工程学院四川成都610500 西安石油大学石油工程学院陕西西安710065 中国石油天然气股份有限公司天然气销售广东分公司广东广州510330

城市燃气日负荷预测准确性,对燃气供应系统的优化设计、合理调度和稳定运行具有重要意义。基于BP神经网络、GM灰色预测理论和PCA主成分分析三种模型,综合考虑负荷预测的诸多影响因素,建立城市燃气日负荷PCA-GM-BPNN组合预测模型。该组... 详细信息

城市燃气日负荷预测准确性,对燃气供应系统的优化设计、合理调度和稳定运行具有重要意义。基于BP神经网络、GM灰色预测理论和PCA主成分分析三种模型,综合考虑负荷预测的诸多影响因素,建立城市燃气日负荷PCA-GM-BPNN组合预测模型。该组合模型首先利用灰色优化模型预测出BP神经网络所需的样本校正序列,然后应用主成分分析技术对包括校正序列在内的日负荷影响因子进行降维处理,再将降维后累计贡献率占比85以上的几种主成分作为输入层神经元输入神经网络进行训练。通过实际应用效果分析可知,该组合模型预测的南乐县燃气日负荷MAPE值为4. 06,均小于其他四种负荷预测模型,是一种更为有效的城市燃气日负荷预测方法。

关键词：主成分分析 GM灰色预测模型 BP神经网络模型日负荷负荷预测