一、BP网络模型的联合优化(论文文献综述)
范程飞[1](2021)在《无线自组网中的协作定位关键技术研究》文中研究说明随着无线网络的发展,各种应用对位置信息的需求与日俱增,定位场景也变得更加复杂,传统定位方法(如,GNSS)的精度和可靠性面临严峻的挑战。基于无线自组网的定位系统因为结构灵活、易于设置,已经成为恶劣环境下进行定位的一个重要解决方案。协作定位技术通过引入用户节点之间的信息测量可以提高无线自组织定位系统的位置估计精度、可靠性和服务范围,因而受到广泛的关注和研究。尽管有诸多的优点,但协作定位也面临一些问题。例如,非线性的观测模型使得测量信息的高效融合变得很困难,在节点稀疏分布的移动协作自组网中该问题变得尤其突出;在密集网络中,协作定位会明显增大系统的通信负担和能量消耗,并且与可靠性较差的邻居节点进行协作还会引起误差在全网络的传播;在车联网和无人机网络等节点位置和测量信息随时间快速变化的移动场景中,定位系统需要具有较高的位置信息更新速率和较小的信息传输时延,这给测量信息融合及资源分配优化带来了新的挑战。论文针对基于无线自组网的协作定位系统中存在的若干问题,对节点稀疏分布的移动场景中的高可靠数据融合方法、密集网络中的节点选择和资源分配算法进行了研究,同时对受测量信息实时性影响的移动定位系统的性能进行了分析。论文的内容安排和主要结论如下:首先,针对节点稀疏分布的移动自组网,研究了高可靠的协作定位数据融合方法。一方面,论文提出一种基于节点运动状态约束的协作定位算法,该算法具有双层结构。内层算法利用和积算法与参数化的消息更新原则对测量信息进行融合,得到节点位置的初步估计值,作为外层算法的观测量。外层算法基于扩展卡尔曼滤波的框架对节点位置进行更新,同时可以得到节点运动状态信息。另一方面,论文提出一个有限回溯深度的扩展时空域联合协作定位模型。在每个时刻,基于节点的轨迹信息约束对所有节点在邻近几个时刻的测量信息进行时空域的联合处理,以得到节点在当前时刻的位置估计。基于该模型和最大似然准则,论文分别构造了集中式和分布式的多时刻测量信息联合处理问题,并利用序列二次规划算法对这两个问题进行求解。其中的分布式定位问题考虑了多跳节点对目标节点定位的贡献以及信息传输时延对定位性能的影响。另外,论文对集中式和分布式条件下基于扩展时空域联合协作模型的定位系统的费舍尔信息矩阵(Fisher Information Matrix,FIM)进行了分析。仿真结果表明,基于节点运动状态约束的协作定位算法可以提高系统的定位精度,并且在邻居节点数量不足的情况下仍具有较好的稳定性;扩展时空域联合协作定位模型的性能优于传统的基于单个时刻测量信息的定位模型。其次,针对资源受限(如,带宽、时间和能量等)、节点较多的无线协作自组网,研究了节点选择和资源分配算法。为了平衡各个节点的能量消耗,论文基于平方定位误差界(Squared Position Error Bound,SPEB)准则,分别构造出一个受隐式能量约束和一个受显式能量约束的节点选择问题。在隐式能量约束条件下,通过限定每个邻居节点在连续多个时刻内被选中的次数来平衡这些节点的能量消耗。在显式能量约束条件下,对节点选择和功率分配问题进行联合优化,以进一步提高系统的定位性能。两类问题中均包含了非线性的目标函数和二进制优化变量。论文首先通过合理引入辅助变量将原问题转化为更容易处理的形式,然后提出基于惩罚对偶分解优化框架的算法对转化后的问题进行求解。仿真结果表明论文提出的节点选择方案可以减小系统的通信负担和能量消耗,同时性能损失较小,并且能很好地平衡各个节点的能量消耗。论文所提算法的性能明显优于对比算法,对于受隐式能量约束的节点选择问题,所提算法能够达到近似最优的性能。最后,针对基于时分多址协议的定位系统,对受测量信息实时性影响的移动节点的定位性能进行了分析,研究了广播节点选择和时隙分配算法。论文首先利用信息年龄对测量信息的实时性进行建模。然后,结合节点的运动模型,推导了待定位节点在单个超帧内的FIM以及多个超帧内的联合FIM,并对稳定状态下的性能进行了分析。为了减小测量信息实时性对定位性能的影响、提高位置信息更新频率,论文基于SPEB准则,构造出一个广播节点选择和时隙分配联合优化问题。根据所构造问题的特殊结构,论文将其分解为一个广播节点选择问题和一个时隙分配问题,然后提出基于惩罚对偶分解优化框架的算法和贪婪算法分别对这两个问题进行求解。仿真结果表明,基于惩罚对偶分解优化框架的广播节点选择算法的性能明显优于随机选择算法,基于贪婪算法的时隙分配策略的性能与时隙随机分配策略的性能基本一致,但贪婪算法的复杂度更低。
钟华昱[2](2021)在《考虑水文预报不确定性的跨流域调水工程优化调度研究》文中指出水文系统的高度非线性以及径流形成机制的复杂性,导致天然入库径流难以准确预报。利用预报不准的径流信息指导水工程调度决策,将不可避免地产生运行风险。跨流域调水工程初始投资巨大,在实际运行管理过程中,考虑预报不确定性的跨流域调水工程优化调度可进一步挖掘工程的运行,提高工程运行效益。如何实现预报和调度的有效融合,是当前亟待解决的关键难题。本文以引汉济渭跨流域调水工程中长期调度为研究对象,分析了预报不确定性对调度性能指标的影响;并在此基础上,提出了一种高效耦合集合预报信息的跨流域调水工程优化调度方法。论文的主要工作和结论如下:(1)基于历史径流资料,制订了确定性的跨流域调水工程优化调度规则。确定了调水规则的基本型式,用于对调水过程进行长系列模拟;构建了以系统缺水指数最小、水电站发电量最大和泵站耗电量最小为目标的多目标优化调度模型,采用多目标布谷鸟算法,在“参数-模拟-优化”框架下,识别了调度规则参数。结果表明:三个调度目标之间存在相互制约关系;采用层次分析法优选多年平均调水10亿m3和15亿m3情景下的调度规则,对应缺水指数、发电量和耗电量分别为0.68、3.89亿kW·h、2.98亿kW·h和3.41、3.60亿、5.14亿kW·h;通过参数解码后得到的调度图上、下调度线不交叉,调度线变化平稳,优化结果合理。(2)基于上述制订的确定性优化调度规则,分析了径流预报不确定性对调度性能指标的影响。采用了四种方法优选预报因子:相关系数法、逐步回归法、互信息法和最大信息系数法;构建了三种入库径流预报模型:BP神经网络模型、极限学习机模型、两参数月水量平衡模型;将径流预报过程输入到基于历史径流资料制订的确定性优化调度规则中,以量化预报不确定性对缺水指数、发电量和耗电量的影响。结果表明:多年平均调水10亿m3情景下,缺水指数的变化率分别为+435.3%、+133.8%、+573.5%,发电量的变化率分别为-3.3%、-1.8%、-9.8%,耗电量的变化率分别为+20.1%、+3.4%、+5.7%;多年平均调水15亿m3情景下,缺水指数的变化率分别为+111.4%、+65.1%、+180.1%,发电量入的径流预报信息存在预报不确定性时,跨流域调水工程调度性能显着下降。(3)基于集合预报信息,制订了考虑预报不确定性的跨流域调水工程优化调度规则。采用多模型随机组合方法生成集合预报信息;利用同步回代缩减算法将集合预报样本缩减为几种典型场景以及对应的发生概率;基于典型预报场景构建水库多目标优化调度模型,使得水库在多场景下性能指标的期望值最优。研究结果表明:基于多模型随机组合方法的集合预报区间在低流量时较小,在高流量时较大,能较真实地反映预报不确定性;采用同步回代缩减算法将场景从1000缩减至20时,场景均值和标准差的变化率在1%以内,计算耗时从49.17 h下降至1.05 h;与确定性调度规则相比,多年平均调水10亿m3情景下,考虑了预报不确定性的调度规则缺水指数平均变化率为-19.4%,发电量的平均变化率为+2.1%,耗电量的平均变化率为-10.1%;多年平均调水15亿m3情景下,考虑了预报不确定性的调度规则缺水指数平均变化率为-9.2%,发电量的平均变化率为+1.9%,耗电量的平均变化率为-5.0%。当预报不准时,考虑预报不确定性的调度规则供水效果明显变好,发电量略微提升,耗电量略微下降,整体性能优于确定性调度规则。
黄鸿锐[3](2021)在《移动边缘计算中任务卸载与计算资源管理方案研究》文中研究指明
冯浩[4](2021)在《车联网中内容驱动的计算任务卸载与资源分配算法研究》文中研究表明视频信息为车辆的智能化和网联化提供了丰富的信息,视频数据中包含的信息需要通过内容理解与分析来获取,这使车联网视频内容的理解与分析逐渐成为一种趋势,提高视频内容理解的精度成为推进车联网发展的重大挑战。同时移动边缘计算(Mobile Edge Computa-tion,MEC)的发展为车辆提供了大量的计算资源,弥补了车辆计算能力的不足,因此如何利用移动边缘计算来提高视频内容理解精度成为重要的问题。车联网中的移动边缘计算注重于在移动网络的边缘提供云计算能力和信息技术服务,其被认为是推动智能网联车发展的关键技术。车联网中的移动边缘计算主要分为两个方面:计算任务卸载以及资源分配。如何进行计算任务卸载与资源分配将影响视频内容理解的性能。目前关于计算任务卸载以及资源分配已经存在了大量的研究,如基于服务质量(Quality of Service,QoS)或基于用户体验质量(Quality of Experience,QoE)的方案,然而这些方案无法充分利用有限的资源以满足车辆对于视频内容理解精度的需求,因此无法很好的支撑车辆的智能网联化。针对上述的问题,为了提高视频内容理解的精度以适应车辆智能网联化的发展,本文提出了内容驱动的计算任务卸载与资源分配方案,通过对车辆采集视频信息进行预处理,并构建视频内容的重要性模型作为依据指导计算任务卸载与资源分配。主要研究内容如下:第一,针对车联网中视频内容理解任务的计算任务卸载决策问题,提出了一种内容驱动的计算任务卸载决策算法。首先,分析了视频内容理解任务与边缘服务器状态的关系,量化了计算任务卸载决策系统效用,随后构建了相应的时延能耗模型,最终将视频内容理解任务的计算任务卸载决策问题转化为混合整数线性规划问题(Mixed-Integer Nonlinear Programming,MINLP)。为了求解该问题的最优解需要涉及海量状态的决策,本文选择了基于强化学习的MCTS算法,通过改进置信度上限算法来帮助对状态下的动作进行选择,并且采用了通过深度神经网络(Deep Neural Networks,DNN)预训练状态转移概率的方法对于该算法进行了改进。最后通过仿真证明了所提出的算法降低了算法复杂度、提升了收敛速度,并且提高了系统的效用以及视频内容理解任务的精度。第二,针对车联网中视频内容理解任务在上传和处理过程中的计算任务卸载以及资源分配问题,提出了一种内容驱动的计算任务卸载与资源分配联合优化算法。首先建立了计算任务卸载决策以及资源分配与视频内容理解任务精度之间的优化模型,并根据优化模型量化计算任务卸载决策与资源分配在视频内容理解任务下的效用,构建了一个多目标优化问题,根据计算任务卸载决策、通信资源以及计算资源分配的效用,通过最大限度地提高车联网中计算任务卸载与资源分配系统的总效用来提高计算任务卸载与资源分配的有效性。随后将车辆的计算任务卸载决策以及资源分配的联合优化问题构建为马尔可夫决策过程(Markov Decision Process,MDP)。为了解决此MDP,考虑到上述联合优化问题中存在巨大的状态空间和动作空间,本文使用基于深度确定性策略梯度算法来进行处理,仿真结果表明相较于其他深度强化学习算法该算法具有更快的收敛速度和更好的学习性能。相较于深度强化学习(Deep QNetworks,DQN)等方法中需要大量步骤才能达到接近最优策略不同,该方法以较少的学习步骤达到了更高的系统效用,并且有效的利用了边缘侧的通信资源与计算资源。
王珂珂[5](2021)在《计及新能源的电力现货市场交易优化研究》文中研究表明能源是社会进步和人类生存的物质基础,随着能源资源约束日益加剧,绿色低碳发展成为我国经济社会发展的重大战略和生态文明建设的重要途径,我国亟需加快建设以可再生能源为主导的清洁低碳、安全高效的能源体系,实现“30·60”双碳目标。电力工业在现代能源体系中处于核心地位,在减少温室气体排放方面发挥着重要作用,应加大力度发展以风电、太阳能为代表的绿色电力。但由于中国风能、光能富集区与需求区逆向分布,市场在优化资源配置中的作用发挥不够充分,亟需完善新能源参与的电力现货市场交易机制,构建高比例新能渗透的电力现货市场交易决策支持方法,以实现资源有效配置,促进新能源消纳。鉴于以上考虑,本文从新能源参与对电力现货市场影响、新能源发电功率预测与电力现货市场电价预测、计及新能源的中长期合约与现货日前市场的衔接与出清机制、电力现货市场各阶段市场的衔接与出清机制、碳交易权市场与电力现货市场的耦合机制等多个方面展开研究。本文主要研究成果与创新如下:(1)对新能源参与对电力现货市场的影响进行研究,基于电力现货市场价格信号的复杂性,构建由三个模块构成的新能源对电力现货市场影响分析模型,包括基于数据统计的相关性分析、基于小波变换与分形理论的全部特征值分析与基于关键因素提取的相关性分析。以丹麦两地区现货市场的历史数据进行验证,证实新能源发电对于电价影响高于常规历史数据;基于小波变换分析与分形理论求得全部特征值方法,计算两地区分类准确率为分别为80.35%,82.30%,分类结果表明负荷、新能源发电量序列与新能源发电量占比分类错误率较高;通过关键特征提取的相关性分析结果,重要程度位于前三的因素均存在新能源发电相关因素。因此研究中仅考虑负荷等常规因素不足以支撑电力现货市场电价预测、交易匹配与出清问题的研究。(2)对电力现货市场中新能源发电功率与电价预测进行研究,构建基于完全集成经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)与样本熵(sample entropy,SE)的数据预处理策略,基于和声搜索(harmony searchm,HS)算法优化的核极限学习机(kernel extreme learning machine,KELM)的混合新能源发电功率预测模型,基于相似日筛选与长短期记忆模型(long short-term memory,LSTM)的电力现货市场电价预测模型。针对非线性、非稳态的短期新能源发电功率预测,首先通过皮尔森相关系数筛选模型输入数据,减少数据冗余;而后,采用CEEMD-SE的组合数据预处理策略,对发电功率时间序列进行分解和重构,消除数据噪声,减少模型计算量;其次,采用HS-KELM模型对重构后的多个子序列进行建模预测,集成处理后得到最终的新能源发电功率预测值。基于CEEMD-SE-HS-KELM新能源发电功率预测模型具有更高的预测精度。针对电力现货市场电价预测,将新能源出力指标纳入电力现货市场电价预测中,首先采用CEEMD-SE对电价序列进行分解与重构;而后,构建基于随机森林(random forest,RF)与改进灰色理想值逼近(improved approximation ofgrey ideal values,IAGIV)的新能源出力影响量化模型,筛选出与待预测天数关联性较强的历史天作为输入集;其次,采用LSTM模型对重构后的多个子序列分别进行预测,基于CEEMD-SE-RF-IAGIV-LSTM预测模型对于电价序列的拟合效果较好,可为电力现货市场参与主体制定交易策略、现货市场出清撮合提供支撑,降低电力现货市场中的风险。(3)对计及新能源与中长期市场影响的现货日前电力市场优化模型进行研究。本文提出计及中长期合约电量分解与新能源参与的日前电力市场交易优化模型,首先构建考虑火电厂合约电量完成进度偏差的中长期合约电力分解模型,将分解得到的每日中长期合约电量作为约束引入日前市场的优化模型中,保证中长期合约电量物理执行;针对系统不确定性进行建模,在电力现货市场价格模拟中加入新能源渗透率,更精准地刻画能源参与对于电力现货市场的影响;构建新能源参与的日前市场多目标出清优化模型,利用模糊优选方法对多目标进行转换,较好地平衡经济性与节能减排目标;最后采用基于GA-PSO组合优化模型对构建模型进行求解。模型求解结果表明,本文构建的多目标优化函数能够在保证系统运行经济效益的基础上,实现环境效益最大化,达到节能减排的效果;同时随着新能源渗透率的增加,系统不确定性增加,常规机组的成交电量有所下降。(4)对计及新能源的日前市场与日内市场的衔接机制进行分析,并构建相应的出清优化模型。在日前市场与实时市场之间增加日内市场,以减少系统辅助服务成本、降低用于平衡间歇性、波动性新能源的化石燃料容量、灵活性资源配置与储能成本,以提高现货市场效率,更好的发挥市场对资源优化配置的作用。采用基于模型预测结果与误差分布函数结合的不确定性刻画模型,而后构建了基于拉丁超立方采样进行场景集生成法与改进谱聚类分析的场景集削减策略,能够选择出最具代表性的场景集。基于电力现货市场出清流程,将含有新能源较多的系统将引入日内市场,以减小实时市场的功率偏差,提高系统运行的经济性和稳定性,采用预测模型对新能源出力、电力负荷进行预测,结合预测误差分布函数刻画系统不确定性;构建日前市场和模拟日内市场联合出清优化模型,在各个日内市场考虑对应实时市场新能源偏差功率的不确定性、电价不确定性,建立各日内市场和模拟实时市场联合优化模型。(5)考虑到中国“30·60”双碳目标与宏观发展规划,本文构建一个基于STIRPAT模型碳排放影响因素分析与改进烟花算法(improved fireworks algorithm,IFWA)优化的广义回归神经网络(general regression neural network,GRNN)预测模型。基于不同的社会环境与政策环境,对碳排放影响因素进行模拟并设定,预测结果表示中国的碳排放总量将于2031年达到峰值。以此为基础分析现行政策下中国的碳减排压力,并进行相应的建设全国统一的碳交易权市场必要性分析。而后,基于电力市场和碳市场的建设现状,利用系统动力学模型进行碳交易对电力现货市场的影响分析,系统动力学模型分析结果证实电力市场价格与碳交易价格呈现正相关关系;最后,基于对于碳交易对电力市场作用机理的分析,提出碳交易机制与电力现货市场机制协同建设建议。
李宁宁[6](2021)在《基于风险分摊的梯级水库汛期水位动态控制及决策研究》文中指出我国水能资源蕴藏量十分丰富,但季节间水资源分布差异显着。水库是一种挖掘水能资源潜力,有效缓解地区水资源分布不均衡的工程措施,可将流域的径流资源存蓄起来,以保障枯水期水资源供给。但是,水库汛期往往承担着艰巨的防洪任务,需要将运行水位控制在防洪限制水位以下,这与水库以水头、水量为基础的发电、供水等需求形成矛盾冲突。随着全球气候变暖,各流域气象水文条件发生显着改变,伴随着调度技术、风险分析能力及应急处置机制日趋完善,规划阶段设计的汛限水位已无法满足现阶段综合利用要求。在防洪风险可控的条件下,适当抬高汛期运行水位,对于提高水库综合利用效益、实现水能资源高效利用具有重要现实意义。本文以金沙江流域溪洛渡-向家坝梯级水库为研究对象,基于统计学、管理学、运筹学、控制论等理论,综合运用黑箱模型、大数据、智能算法、前景理论等方法,以梯级水库汛期运行水位动态控制为研究背景,围绕防洪和发电两个目标,构建了以径流分析及预报为基础,基于“空间风险分摊”的梯级水库联合运行水位动态控制域推求模型,进一步分析了梯级水库水位动态控制组合方案的防洪风险和发电效益,并通过多目标群决策模型进行方案优选,实现了预报-调度-风险效益分析-决策的系统性结合,旨在于风险可控的条件下提高梯级水库汛期发电效益,完善梯级水库汛期运行水位控制理论和方法,为水库平稳安全运行提供技术支撑。主要取得了如下成果:(1)基于径流划分和预报因子筛选的中长期径流预报模型。首先综合运用MK检验、RS检验等方法对溪洛渡历史入库径流序列进行了变化趋势分析;针对现有径流预报未能考虑到径流序列特征的不足,提出了一种基于径流序列特征聚类的径流划分方法,通过K-means聚类方法将历史径流划分为丰、平、枯三种典型类别,根据待预报径流特征,以相应类别的前期径流序列作为预报因子,通过MIC法筛选出相关性强的预报因子作为BP人工神经网络的输入,可以改善神经网络输入侧的条件,提高中长期径流预报精度。(2)基于空间风险分摊思想的梯级水库汛期运行水位动态控制模型。在分析溪洛渡-向家坝梯级汛期运行水位抬高的可行性的前提下,针对梯级水库异步蓄水可能造成系统风险发生时间提前的问题,提出了“等比例蓄水”原则来优化梯级水库防洪库容分配方式,以降低系统风险;在溪洛渡-向家坝调洪规则的基础上考虑“等比例蓄水”原则,推求出了两库汛期联合运行水位动态控制域,从而制订出梯级水库汛期运行水位组合方案,并开展不同水位组合方案的防洪风险分析,为实现洪水资源化利用奠定基础。(3)基于改进电子搜索算法的梯级水库联合优化调度模型。以溪洛渡-向家坝汛期不同水位组合方案为约束条件,建立了两库联合发电优化调度模型;针对电子搜索算法在求解梯级水库优化调度问题时存在搜索空间越限和搜索效率不高的问题,提出可行域内搜索策略以保证每次迭代的个体都是可行解,并采用参数自适应方法以提高算法前期全局搜索速度和后期的局部搜索能力;将改进电子搜索算法与其他算法对比,验证了算法在求解效率方面的优越性;将其应用于溪洛渡-向家坝联合发电优化调度模型的求解,从而优化年内水量分配过程,争取更高的发电效益。(4)基于累积前景理论的专家群体满意度最大群决策模型。建立了基于风险-效益指标的溪洛渡-向家坝汛期运行水位方案决策指标体系;采用组合赋权优化方法以获得兼顾指标排序度和重要度的指标权重;通过累积前景理论获得贴近实际决策心理的个人决策结果,在此基础上根据专家满意度最大原则建立群决策模型,求解出与所有参与决策的专家个人决策结果最贴切的方案作为群决策结果。优选出的方案权衡了风险和效益,可以为实现水资源高效利用提供参考。
贾冬阳[7](2021)在《基于SiPESC平台与Tensorflow框架的联合优化策略研究》文中研究说明随着电子计算机的高速发展,计算机辅助工程在工程设计中的应用越发广泛,优化设计变得更加重要。结构优化设计旨在求得可靠的最优解,得到更加经济、安全、稳定的结构设计方案。本文融合机器学习方法的联合优化流程研究具有工程实际意义,研究探索该策略的工程适用性。首先,针对优化设计流程,本文在自主软件SiPESC平台优化模块SiPESC.OPT内,利用现有试验设计方法与优化算法,引入开源机器学习算法库,搭建完整的融合优化流程。以SiPESC.OPT为载体,利用Python脚本语言,探索合适的友好优化环境,为结构与多学科耦合优化提供更便捷高效的可能。然后,通过数值算例与典型有限元算例证明和展示了回归分析环节的正确性与优化流程的运行方式。基于SiPESC.OPT,融合Tensorflow框架完成回归算法实现,提出联合优化策略。以Three-Hump-Camel、Griewank、Branin三个二元函数的回归计算验证了面向非线性问题时预测模型的准确性,将本策略用于简易组合梁结构优化求解,证实了该方法推广到工程实际中的可行性。更进一步,通过多个复杂结构有限元优化算例求解,验证了SiPESC.OPT内联合优化策略在结构求解中的应用可能,展示了该流程的高效性与实用性。面向工程支架,利用神经网络训练得到结构频率、最大应力、质量与开孔定位信息的对应关系,完成形状优化设计;针对海洋浮体结构,对应复杂建模环境下的加筋位置与筋条尺寸选择,在本文所提优化策略内快速得到最优频率优化结果;关于电站检修平台优化问题,灵活分析主次梁铺设位置与截面尺寸,达到轻量化目标。最后,推广该策略至轨迹规划问题的优化求解中,分别对五连杆机构的最优初始状态、曲柄滑块机构初始位置完成计算。求解基于标准试验设计表,探索合适的网络结构后与优化计算模块完成交互,更进一步证明了面向不同问题时的便捷性和可迁移性。
苏启超[8](2021)在《浙江电网企业现货市场中的现金流智能预测研究》文中进行了进一步梳理2017年9月,国家发改委和国家能源局联合印发了《关于开展电力现货市场试点工作的通知》,将广东、浙江、山东等8个地区选为首批电力现货市场建设试点。此后,这些试点地区陆续发布了具体的电力现货市场建设方案,并在此基础上开展电力现货市场的试运行工作。随着浙江电力现货市场的建设,电力市场结构逐渐发生转变,与现货市场中的企业现金流密切相关的业务模式与盈利方式发生重大变革,收支预测的不确定性将大大增加,实际资金管控困难不断提升。在此背景下,引入人工智能预测方法,对浙江电网现货市场中的现金流进行研究,构建面向现金流中特定对象的智能预测模型,具有积极意义。本文首先全面梳理了国内外相关文献和资料的基础,分析并总结了国内外关于电力现货市场、现金流管理以及预测技术的研究动态,对常用的预测方法和影响因素挖掘方法进行了总结分析,并对浙江电力现货市场的建设现状进行了简要分析;其次,针对现货市场中现金流影响因素的企业数据空间,从经济和气象两个方面分析,初步选取了 22个影响因素,提出了浙江电网基于弹性网络和灰色关联分析相结合的影响因素挖掘方法,对现货市场中的现金流关键影响因素进行识别,筛选出了与现金流最为密切相关的变量,得到了预测模型的关键影响因素;接下来,本文提出了浙江电网数据空间中基于智能挖掘方法的改进SVM-LSTM月度售电量预测模型,分别运用GWO-SVM模型和LSTM模型进行训练和预测,然后运用方差法将各个模型的预测结果组合,得到最终的预测结果,并且使用浙江电网的历史数据验证了该模型的可行性和准确性;最后,本文依托数据挖掘技术,以浙江电网现货市场中的现金流为研究对象,构建了浙江电网现货市场中基于售电量智能预测的现金流智能预测模型,并进行了模型的实证研究,为现金流预测提供了新的方法。本文的研究成果有助于浙江电网进一步统筹资金,合理地安排电网建设资金的投入,提高浙江电网的资金利用效率,改善企业经营状况。同时,还可以帮助浙江电网研究自身业务与现货市场之间的动态关系,有利于浙江电网针对电力现货市场进行适当的业务设计,更好的迎接电力改革带来的挑战。
梅淑琳[9](2021)在《基于人耳听觉的双通道DNN助听器语音增强研究》文中研究表明语言是人类沟通的桥梁,但对于患有听力损失的人来说,这一缺陷严重影响了他们的日常交流。据调查,全世界听力残疾的人已接近4亿。数字助听器是解决听力障碍这一问题的有效措施,并且近几年深度神经网络(Deep Neural Network,DNN)凭借其擅长表示语音间复杂非线性关系的优势已成功应用于助听器。故本文通过优化的DNN对数字助听器中的语音增强算法进行改进,来进一步提高重构语音质量。论文所做的工作如下:(1)对数字助听器的研究现状及研究意义进行了阐述,简单介绍了助听器的工作原理和其关键技术。并着重对其中的语音增强部分进行了研究,从基于DNN和波束形成两个方面的语音增强算法出发,对其现有的研究成果进行了详细说明。(2)针对神经网络语音增强算法因特征选取不能全面表示语音非线性结构导致语音质量较差的问题,提出一种新动态特征联合自适应比率掩模优化神经网络的语音增强算法。首先提出新动态特征,通过提取带噪语音的三种静态特征进行拼接,后求两阶差分导数,捕捉语音的瞬息信号,融合成动态特征,动静结合完成特征内部互补,减少语音失真。其次,提出一种新的自适应比率掩模,它既能自适应调整语音、噪声的能量比例,又能自适应调节传统掩模和平方根掩模的比例;并用Gammatone通道权重修改每个通道内的掩模值,模仿人类听觉系统,使增强语音的可懂度和清晰度同时达到最好。最后,对不同噪声背景下的多条语音进行实验仿真,结果表明:与已有的文献中不同算法相比,该算法的信噪比、语音质量、短时客观可懂度值都较高,验证了该算法的有效性。(3)为提高数字助听器语音增强模块重构语音的听觉感知度,本文结合单、多通道处理信号的优势,提出Bark域损失函数优化的双通道DNN时频掩蔽语音增强算法。首先,为改善传统的DNN损失函数时域优化不符合人耳听觉感知的问题,提出一种Bark域加权损失函数,通过心理声学域优化DNN,来提高增强语音的客观质量;其次,为提高算法抑制方向性噪声的能力,提出基于自适应掩模的方向矢量定位法,通过精确计算语音、噪声的空间协方差矩阵和方向矢量,使其在带噪和混响的环境下也能准确定位目标声源;最后实验结果表明:与其它单、多通道语音增强算法相比,重构语音具有更好的语音质量和可懂度。
梁雪[10](2021)在《无人机辅助的NOMA通信系统优化设计》文中研究表明无线通信面临的关键挑战是实现高频谱利用率、大数据量、宽覆盖、低时延的连接。非正交多址接入(Non-orthogonal multiple access,NOMA)作为未来无线网络的一种新兴技术,在提高频谱利用率的同时,还可以支持大规模用户接入。此外,无人机(Unmanned Aerial Vehicle,UAV)由于具有成本效益高、部署灵活和移动性强等突出特性,已经成为无线网络的重要组成部分。本课题紧跟当前无线通信网络的发展趋势,对当下引起广泛关注的非正交多址技术,尤其对非正交多址中的功率域非正交多址(Power Domain Non-Orthogonal Multiple Access,PD-NOMA)和模式分割多址(Pattern Division Multiple Access,PDMA)两种多址接入技术方案进行研究,并将这两种多址方案应用到无人机通信中,从而利用无人机的高移动性提高NOMA边缘用户的可实现吞吐量,使得所有用户之间的服务质量达到有效的平衡。本文针对下行PD-NOMA通信,建立出一种多无人机(Multi-UAV)辅助的PD-NOMA系统模型,并利用组合优化以及凸优化技术,通过资源(功率、带宽)分配、多用户关联,以及无人机的轨迹等四个维度进行系统优化设计,提出一个有效的PD-NOMA系统优化算法。此外,本文进一步针对下行PDMA通信系统进行研究,建立出移动无人机辅助的PDMA系统模型,并提出一种针对PDMA-UAV系统的联合优化算法,通过交替地求解传输功率控制和PDMA模式矩阵设计这一联合优化问题以及无人机轨迹设计问题,来迭代提高下行链路的总吞吐量,同时保证PDMA矩阵的稀疏性和多样性,便于接收端检测和解码。本文通过仿真实验验证了这两个优化算法在系统性能提升方面的有效性,为解决未来无线通信网络面临的庞大用户接入需求和更高的频谱利用率要求等问题提供了可行的解决方案。
二、BP网络模型的联合优化(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、BP网络模型的联合优化(论文提纲范文)
(1)无线自组网中的协作定位关键技术研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
符号对照表 |
缩写词列表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.2.1 协作定位数据融合方法 |
1.2.2 节点选择和资源分配 |
1.2.3 信息实时性 |
1.3 论文主要内容和结构安排 |
第二章 协作定位基础理论 |
2.1 引言 |
2.2 协作定位系统模型 |
2.3 定位融合方法 |
2.3.1 非贝叶斯定位方法 |
2.3.2 贝叶斯定位方法 |
2.4 协作定位系统误差评价指标 |
2.4.1 均方误差、均方根误差和累积分布函数 |
2.4.2 平方定位误差界 |
2.5 本章小结 |
第三章 移动自组网中协作定位数据融合方法设计与性能分析 |
3.1 引言 |
3.2 基于节点运动状态约束的协作定位算法 |
3.2.1 系统模型 |
3.2.2 基于EKF的外层位置信息更新算法 |
3.2.3 基于和积算法的内层测量信息融合算法 |
3.2.4 节点位置的迭代求解 |
3.3 扩展时空域联合协作定位模型 |
3.4 扩展时空域联合协作定位问题 |
3.4.1 集中式定位问题 |
3.4.2 分布式定位问题 |
3.5 扩展时空域联合协作定位性能分析 |
3.5.1 集中式性能分析 |
3.5.2 分布式性能分析 |
3.6 仿真结果与分析 |
3.6.1 基于节点运动状态约束的协作定位算法仿真与分析 |
3.6.2 扩展时空域联合协作定位模型仿真与分析 |
3.7 本章小结 |
第四章 资源受限的无线协作自组网中节点选择和资源分配算法 |
4.1 引言 |
4.2 系统模型和优化问题 |
4.2.1 系统模型 |
4.2.2 优化问题 |
4.3 PDD优化框架介绍 |
4.4 隐式能量约束条件下的节点选择算法 |
4.4.1 问题转化 |
4.4.2 基于PDD的节点选择算法 |
4.5 显式能量约束条件下的联合节点选择和功率分配算法 |
4.5.1 问题转化 |
4.5.2 基于PDD的联合节点选择和功率分配算法 |
4.6 仿真结果与分析 |
4.6.1 节点选择算法仿真与分析 |
4.6.2 联合节点选择和功率分配算法仿真与分析 |
4.6.3 算法复杂度分析 |
4.7 本章小结 |
第五章 受信息实时性影响的无线协作自组网性能分析与算法设计 |
5.1 引言 |
5.2 系统模型 |
5.3 定位性能分析 |
5.3.1 单个超帧的定位性能分析 |
5.3.2 多个超帧的定位性能以及稳定状态的定位性能分析 |
5.4 广播节点选择和时隙分配算法 |
5.4.1 问题描述 |
5.4.2 广播节点选择算法 |
5.4.3 时隙分配算法 |
5.5 仿真结果与分析 |
5.5.1 单个超帧的定位性能仿真与分析 |
5.5.2 稳定状态下的定位性能仿真与分析 |
5.5.3 广播节点选择和时隙分配算法仿真与分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历 |
攻读博士学位期间的研究成果 |
(2)考虑水文预报不确定性的跨流域调水工程优化调度研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究进展 |
1.2.1 水文预报模型 |
1.2.2 水库调度技术 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线与研究方案 |
2 流域概况及基本资料 |
2.1 流域概况 |
2.1.1 汉江流域概况 |
2.1.2 渭河流域概况 |
2.2 引汉济渭工程概况 |
2.2.1 引汉济渭跨流域调水工程资料 |
2.2.2 引汉济渭工程网络节点图及基本调度原则 |
2.3 本章小结 |
3 跨流域调水工程多目标优化调度研究 |
3.1 引汉济渭工程调水规则型式 |
3.2 多目标优化调度模型的构建 |
3.2.1 调度目标 |
3.2.2 约束条件 |
3.2.3 模型输入与优化变量 |
3.2.4 调度图优化约束处理策略 |
3.3 多目标优化调度模型的求解 |
3.3.1 参数模拟优化 |
3.3.2 多目标布谷鸟算法 |
3.3.3 多属性决策 |
3.4 调度规则合理性分析 |
3.4.1 多目标Pareto解集 |
3.4.2 模拟调度结果 |
3.5 本章小结 |
4 预报不确定性对调度性能的影响分析 |
4.1 水文预报模型的构建 |
4.1.1 预报因子的筛选方法 |
4.1.2 预报模型构建方法 |
4.1.3 预测效果的评价指标 |
4.2 径流预报信息的生成 |
4.2.1 预报因子的优选 |
4.2.2 预测效果的评价 |
4.3 径流预报不确定性对调度性能的影响 |
4.4 本章小结 |
5 考虑预报不确定性的跨流域调水工程优化调度研究 |
5.1 集合预报信息的生成 |
5.2 多场景下的多目标优化调度模型构建与求解 |
5.2.1 集合预报样本的缩减 |
5.2.2 预报调度规则基本型式 |
5.2.3 基于多场景的多目标优化调度模型的构建 |
5.3 调度结果分析与讨论 |
5.3.1 集合预报信息的生成 |
5.3.2 集合预报样本的缩减 |
5.3.3 考虑预报不确定性的优化调度规则的制订 |
5.3.4 模拟调度结果 |
5.4 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间主要研究成果 |
(4)车联网中内容驱动的计算任务卸载与资源分配算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 主要研究内容与成果 |
1.3 论文结构安排 |
第二章 车联网及其计算任务卸载与资源分配研究综述 |
2.1 车联网 |
2.1.1 车辆智能化研究 |
2.1.2 车辆网联化研究 |
2.2 车联网中的计算任务卸载技术研究 |
2.2.1 车联网计算任务卸载流程 |
2.2.2 车联网计算任务卸载关键研究方向 |
2.3 车联网中资源分配技术研究 |
2.3.1 车联网中的通信资源分配 |
2.3.2 车联网中的计算资源分配 |
2.3.3 车联网中的通信资源与计算资源联合分配 |
2.4 车联网中计算任务卸载和资源分配联合优化研究 |
2.5 内容驱动的车联网计算任务卸载和资源分配研究 |
2.6 本章小结 |
第三章 车联网中内容驱动的计算任务卸载决策优化研究 |
3.1 引言 |
3.2 系统模型 |
3.1.1 计算任务卸载决策场景 |
3.1.2 时延模型 |
3.1.3 能耗模型 |
3.3 内容驱动的计算任务卸载决策优化问题构建 |
3.4 内容驱动的基于改进MCTS的计算任务卸载算法设计 |
3.4.1 基于关键帧提取的车联网视频预处理 |
3.4.2 基于改进MCTS的计算任务卸载决策算法 |
3.4.3 基于DNN的计算任务卸载决策算法优化 |
3.5 仿真结果与性能分析 |
3.5.1 仿真参数设置 |
3.5.2 仿真结果分析 |
3.6 本章小结 |
第四章 车联网中内容驱动的计算任务卸载与资源分配联合优化算法研究 |
4.1 引言 |
4.2 系统模型 |
4.2.1 计算任务卸载与资源分配联合优化场景 |
4.2.2 时延模型 |
4.2.3 能耗模型 |
4.3 内容驱动的计算任务卸载与资源分配联合优化问题构建 |
4.4 内容驱动的计算任务卸载与资源分配联合优化设计 |
4.4.1 马尔可夫决策过程 |
4.4.2 基于深度确定性策略梯度的联合优化算法 |
4.5 仿真结果与性能分析 |
4.5.1 仿真参数设置 |
4.5.2 仿真分析 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 论文工作总结 |
5.2 未来研究展望 |
参考文献 |
缩略语 |
致谢 |
硕士期间发表论文情况 |
(5)计及新能源的电力现货市场交易优化研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 新能源对电力现货市场的影响研究 |
1.2.2 新能源发电功率预测研究 |
1.2.3 电力现货市场电价预测研究 |
1.2.4 新能源参与电力现货市场交易研究 |
1.2.5 计及碳交易的电力现货市场研究 |
1.3 论文主要研究内容和技术路线 |
1.3.1 主要研究内容 |
1.3.2 研究技术路线 |
1.3.3 主要创新点 |
1.4 本章小结 |
第2章 电力现货市场交易优化相关理论基础 |
2.1 典型国家电力现货市场发展概述 |
2.1.1 美国电力现货市场 |
2.1.2 英国电力现货市场 |
2.1.3 北欧电力现货市场 |
2.2 中国电力现货市场发展概述 |
2.2.1 能源电力现状分析 |
2.2.2 电力现货市场现状分析 |
2.2.3 建设基本原则 |
2.2.4 建设关键问题 |
2.2.5 未来发展方向 |
2.3 电力预测理论基础 |
2.3.1 经典预测方法 |
2.3.2 机器学习预测方法 |
2.3.3 深度学习预测方法 |
2.4 系统优化理论基础 |
2.4.1 模糊规划 |
2.4.2 鲁棒优化 |
2.4.3 随机规划模型 |
2.5 SD模型及其应用 |
2.6 本章小结 |
第3章 新能源对电力现货市场的影响分析 |
3.1 新能源对电力现货市场的影响分析模型 |
3.1.1 基于统计数据的影响分析 |
3.1.2 基于小波变换与分形理论的特征表示 |
3.1.3 基于SVM的特征因素分类 |
3.1.4 基于因子分析的特征提取 |
3.1.5 影响分析模型框架与流程 |
3.2 新能源对现货市场电价影响的实证分析 |
3.2.1 数据收集 |
3.2.2 基于统计数据的影响实证分析 |
3.2.3 基于全部特征的影响实证分析 |
3.2.4 基于关键特征的影响实证分析 |
3.3 本章小结 |
第4章 电力现货市场中新能源发电功率预测与电价预测 |
4.1 基于CEEMD-SE-HS-KELM的新能源发电功率预测模型 |
4.1.1 CEEMD-SE模型 |
4.1.2 HS-KELM模型 |
4.1.3 CEEMD-SE-HS-KELM |
4.1.4 实例分析 |
4.2 基于相似日筛选与LSTM的现货市场电价预测模型 |
4.2.1 电价影响因素初选 |
4.2.2 基于RF的新能源影响量化 |
4.2.3 基于改进灰色关联的相似日筛选 |
4.2.4 RF-IAGIV-CEEMD-SE-LSTM模型 |
4.2.5 实例分析 |
4.3 本章小结 |
第5章 计及新能源与中长期市场影响的现货日前市场交易优化 |
5.1 计及新能源与中长期市场的日前市场交易模式 |
5.2 中长期合约电量分解模型 |
5.2.1 目标函数 |
5.2.2 约束条件 |
5.3 系统不确定性分析及建模 |
5.3.1 新能源出力不确定性 |
5.3.2 电力现货价格不确定性 |
5.4 计及新能源与中长期合约电量分解的现货日前市场出清模型 |
5.4.1 目标函数与约束条件的建立 |
5.4.2 多目标函数的模糊优选处理 |
5.4.3 基于GA-PSO的优化模型求解算法 |
5.5 实例分析 |
5.5.1 算例设置 |
5.5.2 中长期合约电量分解结果 |
5.5.3 系统不确定性求解 |
5.5.4 现货日前电力市场出清结果 |
5.5.5 惩罚系数对多目标优化结果的影响 |
5.5.6 新能源渗透率对多目标优化结果的影响 |
5.6 本章小结 |
第6章 计及新能源的现货日前与日内、日内与实时市场交易优化 |
6.1 现货日前、日内与实时市场的组合及及关联分析 |
6.2 系统不确定性建模 |
6.2.1 系统不确定性模拟 |
6.2.2 拉丁超立方生成场景集 |
6.2.3 基于改进谱聚类算法的场景削减策略 |
6.3 计及新能源的电力现货市场两阶段交易优化模型 |
6.3.1 计及新能源的日前与日内市场联合优化模型 |
6.3.2 计及新能源的日内与实时市场联合优化模型 |
6.4 实例分析 |
6.4.1 算例设置 |
6.4.2 场景集生成与削减 |
6.4.3 日前与日内市场联合优化出清结果 |
6.4.4 日内与实时市场联合优化出清结果 |
6.5 本章小结 |
第7章 计及碳市场影响的电力现货市场建设路径分析 |
7.1 碳排放相关政策梳理 |
7.2 现行政策下碳排放压力分析 |
7.2.1 碳排放预测模型 |
7.2.2 碳排放预测效果检验 |
7.2.3 碳排放总量及碳排放强度预测 |
7.2.4 基于碳排放预测结果的政策建议 |
7.2.5 碳排放市场建设必要性分析 |
7.3 碳交易实施对电力现货市场的影响分析 |
7.3.1 碳交易市场现状 |
7.3.2 碳交易对电力现货市场的影响分析 |
7.4 碳交易与电力现货市场的协同建设建议 |
7.5 本章小结 |
第8章 研究成果与结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(6)基于风险分摊的梯级水库汛期水位动态控制及决策研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 中长期径流预报 |
1.2.2 汛期运行水位动态控制 |
1.2.3 梯级水库联合优化调度 |
1.2.4 多目标决策 |
1.3 目前存在的主要问题及发展趋势 |
1.4 主要研究内容 |
第2章 溪洛渡径流特性分析及中长期径流预报模型 |
2.1 引言 |
2.2 研究区域概况 |
2.3 径流特性分析 |
2.3.1 径流年内分配 |
2.3.2 径流年际变化 |
2.4 基于径流划分和预报因子筛选的中长期径流预报 |
2.4.1 基于K-means聚类法的径流划分 |
2.4.2 基于MIC的预报因子筛选方法 |
2.4.3 基于BP人工神经网络的中长期径流预报模型 |
2.5 实例应用 |
2.5.1 径流丰平枯划分及代表年选取 |
2.5.2 预报因子筛选 |
2.5.3 中长期径流预报 |
2.6 本章小结 |
第3章 溪洛渡-向家坝汛期联合运行水位动态控制 |
3.1 引言 |
3.2 研究区域概况 |
3.3 基于空间风险分摊思想的梯级水库蓄洪规则 |
3.3.1 梯级水库联合防洪调度“等比例蓄水”原则 |
3.3.2 防洪调度结果分析 |
3.4 梯级水库汛期联合运行水位动态控制 |
3.4.1 溪-向汛期运行水位动态控制可行性分析 |
3.4.2 梯级水库汛期联合运行水位动态控制域 |
3.5 实例应用 |
3.5.1 动态控制域下限 |
3.5.2 动态控制域上限 |
3.5.3 考虑洪水发生时间预报误差的水位动态控制风险分析 |
3.6 本章小结 |
第4章 IESA及其在梯级水库发电优化调度中的应用 |
4.1 引言 |
4.2 改进电子搜索算法 |
4.2.1 电子搜索算法 |
4.2.2 可行域内搜索策略 |
4.2.3 逐步收敛的参数自适应方法 |
4.2.4 算法步骤 |
4.3 梯级水库联合发电优化调度模型 |
4.3.1 目标函数 |
4.3.2 约束条件 |
4.4 算法性能分析 |
4.5 实例应用 |
4.6 本章小结 |
第5章 基于专家群体最大满意度原则的群决策模型 |
5.1 引言 |
5.2 问题描述 |
5.3 组合赋权优化方法 |
5.4 基于累积前景理论的个人决策 |
5.4.1 决策矩阵归一化处理 |
5.4.2 价值函数和概率权重函数 |
5.4.3 综合前景价值 |
5.5 基于专家满意度最大原则的群决策模型 |
5.5.1 专家满意度最大原则 |
5.5.2 EMGDM构建步骤 |
5.6 实例应用 |
5.6.1 决策矩阵建立 |
5.6.2 指标权重计算 |
5.6.3 个人决策 |
5.6.4 群决策 |
5.7 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 主要创新点 |
6.3 展望 |
参考文献 |
攻读博士学位期间发表的论文 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(7)基于SiPESC平台与Tensorflow框架的联合优化策略研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外相关研究现状与进展 |
1.2.1 结构优化设计研究背景 |
1.2.2 计算机辅助工程研发现状 |
1.2.3 机器学习方法研究现状 |
1.3 本文研究内容 |
2 SiPESC平台及SiPESC.OPT简介 |
2.1 SiPESC平台简介 |
2.2 通用集成优化模块SiPESC.OPT |
2.2.1 SiPESC.OPT架构与功能介绍 |
2.2.2 通用优化问题描述 |
2.2.3 SiPESC.OPT中 Python脚本的应用 |
2.3 试验设计框架简介 |
2.3.1 SiPESC.OPT中试验方法类说明 |
2.3.2 试验设计的使用方法 |
2.4 本章小结 |
3 典型回归模型分析与优化 |
3.1 回归模型的实现与优化计算 |
3.1.1 基于神经网络的回归分析模型 |
3.1.2 Tensorflow框架中神经网络实现 |
3.2 SiPESC.OPT与机器学习框架的联合优化流程 |
3.3 典型数值算例分析 |
3.3.1 Three-Hump-Camel函数算例 |
3.3.2 Griewank函数算例 |
3.3.3 Branin函数算例 |
3.4 典型有限元算例分析 |
3.5 本章小结 |
4 基于SiPESC.OPT的结构分析问题联合优化 |
4.1 工程支架的形状优化 |
4.1.1 工程背景与有限元模型 |
4.1.2 基于SiPESC.OPT标准化数据簇的回归分析 |
4.1.3 优化问题描述与求解 |
4.2 关于海洋浮体结构的模态优化 |
4.2.1 结构的复杂有限元建模 |
4.2.2 基于神经网络的抑制过拟合模型训练 |
4.2.3 优化求解与讨论 |
4.3 电站检修平台最优化分析 |
4.3.1 问题描述 |
4.3.2 关于主次梁铺设位置的优化分析 |
4.3.3 面向主次梁截面的尺寸优化设计 |
4.4 本章小结 |
5 关于轨迹规划的联合优化求解 |
5.1 多体动力学尺寸优化理论 |
5.2 五连杆机构最优初始状态设计 |
5.2.1 模型背景与计算 |
5.2.2 最优化设计 |
5.3 曲柄滑块机构轨迹优化 |
5.3.1 曲柄滑块问题描述 |
5.3.2 回归分析与优化计算 |
5.4 本章小结 |
结论 |
参考文献 |
附录 A 试验设计脚本 |
附录 B 回归分析脚本 |
附录 C 模型重载脚本 |
附录 D 优化脚本 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(8)浙江电网企业现货市场中的现金流智能预测研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究动态 |
1.2.1 电力现货市场研究动态 |
1.2.2 现金流管理研究动态 |
1.2.3 预测方法研究动态 |
1.3 研究内容及技术路线 |
第2章 基础理论与方法 |
2.1 预测相关技术介绍 |
2.1.1 传统预测方法 |
2.1.2 智能预测方法 |
2.2 关键影响因素挖掘方法 |
2.2.1 数据空间 |
2.2.2 Ridge回归与Lasso回归 |
2.2.3 弹性网络 |
2.2.4 灰色关联分析 |
2.3 本章小结 |
第3章 浙江电力现货市场现状分析 |
3.1 试点地区电力现货市场现状分析 |
3.1.1 现货市场建设架构 |
3.1.2 现货市场衔接机制 |
3.1.3 现货市场运营机制 |
3.1.4 现货市场建设中存在的问题 |
3.2 浙江电力现货市场特点分析 |
3.3 本章小结 |
第4章 浙江电网现货市场中的现金流入智能预测 |
4.1 月度售电量智能预测 |
4.1.1 数据空间中基于弹性网络和灰色关联分析的影响因素挖掘 |
4.1.2 基于改进SVM-LSTM的月度售电量智能预测模型 |
4.1.3 预测结果 |
4.2 月度售电价预测 |
4.3 基于月度售电量与电价预测的月度现金流入计算 |
4.4 本章小结 |
第5章 浙江电网现货市场中的现金流出智能预测 |
5.1 基于售电量智能预测的购电量计算 |
5.2 基于月度购电量与电价预测的月度现金流出计算 |
5.3 本章小结 |
第6章 浙江电网现货市场中现金流计算结果 |
6.1 现货市场中的现金流计算 |
6.2 浙江电网现金流管理策略 |
6.2.1 电力现货市场对浙江电网的影响 |
6.2.2 浙江电网现货市场中现金流预测展望 |
6.3 本章小结 |
第7章 研究成果及结论 |
参考文献 |
攻读硕士学位期间发表的学术论文及其它成果 |
致谢 |
(9)基于人耳听觉的双通道DNN助听器语音增强研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 数字助听器 |
1.2.1 数字助听器的研究现状 |
1.2.2 数字助听器的工作原理 |
1.2.3 数字助听器中的核心算法 |
1.3 数字助听器中语音增强算法的国内外研究现状 |
1.3.1 单麦克风语音增强算法 |
1.3.2 麦克风阵列语音增强算法 |
1.4 语音增强算法性能的评价指标 |
1.4.1 语音质量的主观评价方法 |
1.4.2 语音质量的客观衡量标准 |
1.5 本文研究结构 |
第2章 基于DNN及波束形成的语音增强概述 |
2.1 语音信号的产生和人耳听觉 |
2.1.1 语音信号的生成机理及特征 |
2.1.2 人耳听觉机理及特性 |
2.2 符合人耳听觉感知的心理声学域 |
2.3 基于DNN的语音增强算法 |
2.3.1 常见的语音特征和时频掩蔽值 |
2.3.2 常见的神经网络损失函数 |
2.3.3 DNN的结构及训练过程 |
2.3.4 基于DNN的语音增强系统 |
2.4 基于波束形成的语音增强算法 |
2.4.1 麦克风阵列的声源定位算法 |
2.4.2 波束形成 |
2.5 本章小结 |
第3章 新动态特征联合自适应比率掩模优化神经网络语音增强 |
3.1 引言 |
3.2 语音信号的模型 |
3.3 动静态联合特征提取 |
3.3.1 静态特征提取过程 |
3.3.2 动态特征提取过程 |
3.3.3 动静态联合特征提取过程 |
3.4 自适应比率掩模估计 |
3.5 神经网络模型 |
3.6 动静态联合特征和自适应比率掩模优化的DNN语音增强系统 |
3.7 实验结果与分析 |
3.7.1 实验数据的选取 |
3.7.2 非线性幂函数取值对MRACC特征的影响及其优势 |
3.7.3 使用不同特征、学习目标增强语音的对比实验 |
3.8 本章小结 |
第4章 基于心理声学(Bark)域损失函数优化的双通道神经网络时频掩蔽语音增强 |
4.1 引言 |
4.2 双通道语音增强系统信号模型 |
4.3 基于心理声学域构建符合听觉感知的Bark域加权损失函数 |
4.4 基于自适应掩模方向矢量定位的WPD卷积波束形成器 |
4.4.1 依据信噪比优化的自适应掩模估计 |
4.4.2 加权功率最小无失真响应卷积波束形成器 |
4.4.3 基于AM方向矢量定位的WPD卷积波束形成器 |
4.5 基于Bark域加权损失函数优化的双通道神经网络时频掩蔽的语音增强系统 |
4.6 实验结果与分析 |
4.6.1 实验数据选取 |
4.6.2 Bark域加权损失函数中加权因子β的选取对实验结果的影响 |
4.6.3 不同损失函数对语音整体性能的影响 |
4.6.4 验证双通道时频掩蔽语音增强系统的性能 |
4.7 本章小结 |
第5章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
攻读学位期间取得的科研成果 |
致谢 |
(10)无人机辅助的NOMA通信系统优化设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.1.1 本课题的研究背景与意义 |
1.1.2 无人机通信的发展概述 |
1.1.3 多址接入技术的概述 |
1.2 NOMA-无人机通信系统的国内外研究现状 |
1.2.1 无人机通信研究现状 |
1.2.2 非正交多址接入技术研究现状 |
1.2.3 无人机辅助的NOMA通信系统研究现状 |
1.3 论文的主要研究工作与内容安排 |
第二章 相关理论、技术与工具 |
2.1 功率复用非正交多址接入技术(PD-NOMA)理论基础 |
2.1.1 PD-NOMA的实现原理 |
2.1.2 下行链路PD-NOMA系统模型 |
2.1.3 接收端串行干扰消除技术(SIC) |
2.2 模式复用非正交多址接入技术(PDMA)理论基础 |
2.2.1 PDMA的实现原理 |
2.2.2 下行链路PDMA系统模型 |
2.3 几个关键的凸优化技术与工具 |
2.3.1 凸优化问题 |
2.3.2 对偶问题 |
2.3.3 连续凸优化 |
2.3.4 CVX工具箱 |
第三章 基于PD-NOMA的移动多无人机通信系统优化策略 |
3.1 引言 |
3.2 多无人机辅助的PD-NOMA通信系统模型 |
3.3 PD-NOMA系统优化设计 |
3.3.1 多无人机与用户关联方案 |
3.3.2 系统带宽分配 |
3.3.3 NOMA下行用户功率控制 |
3.3.4 多无人机轨迹设计 |
3.3.5 算法总结 |
3.4 仿真验证及与两个基准优化策略比较下的结果分析 |
3.5 本章小结 |
第四章 基于PDMA的移动无人机通信系统优化策略 |
4.1 引言 |
4.2 无人机辅助的PDMA通信系统模型 |
4.3 PDMA系统优化设计 |
4.3.1 下行传输功率优化 |
4.3.2 PDMA模式矩阵设计 |
4.3.3 无人机轨迹设计 |
4.3.4 算法总结 |
4.4 仿真验证及结果分析 |
4.5 本章小结 |
第五章 总结与展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
四、BP网络模型的联合优化(论文参考文献)
- [1]无线自组网中的协作定位关键技术研究[D]. 范程飞. 浙江大学, 2021(01)
- [2]考虑水文预报不确定性的跨流域调水工程优化调度研究[D]. 钟华昱. 西安理工大学, 2021
- [3]移动边缘计算中任务卸载与计算资源管理方案研究[D]. 黄鸿锐. 重庆邮电大学, 2021
- [4]车联网中内容驱动的计算任务卸载与资源分配算法研究[D]. 冯浩. 北京邮电大学, 2021(01)
- [5]计及新能源的电力现货市场交易优化研究[D]. 王珂珂. 华北电力大学(北京), 2021(01)
- [6]基于风险分摊的梯级水库汛期水位动态控制及决策研究[D]. 李宁宁. 华北电力大学(北京), 2021(01)
- [7]基于SiPESC平台与Tensorflow框架的联合优化策略研究[D]. 贾冬阳. 大连理工大学, 2021(01)
- [8]浙江电网企业现货市场中的现金流智能预测研究[D]. 苏启超. 华北电力大学(北京), 2021(01)
- [9]基于人耳听觉的双通道DNN助听器语音增强研究[D]. 梅淑琳. 太原理工大学, 2021(01)
- [10]无人机辅助的NOMA通信系统优化设计[D]. 梁雪. 北京邮电大学, 2021(01)