关键词： 风电功率预测   组合模型   深度学习   数据处理  

摘要： 随着全球传统化石燃料的过度开采和使用,环境问题变得日益严峻,同时也加剧了能源枯竭的威胁。相比之下,可再生能源(如风能等)因其具有永久、清洁和灵活等特点,可以很好地弥补传统化石能源的不足,所以很多国家将发展可再生能源作为重要战略。随着近年来清洁能源使用率的提升,风力发电被越来越重视,风电已经成为电力系统的一个重要电力来源,风电功率预测研究也被研究者越来越重视。但由于风电功率时间序列数据具有波动性和随机性的特点,传统的单一预测模型不能很好地完成复杂状态下的预测任务,导致预测精度较低。本文通过对现有风电功率时间序列预测方法进行归纳和总结,提出一种基于“分解-重构-预测-组合”策略的CEEMDAN-IE-PSO-CM组合预测模型来提升对风电功率数据的预测准确度。该模型使用自适应噪声完备集成经验模态分解算法(CEEMDAN)和增长熵(IE)对风电功率数据进行数据降噪和重构,并使用时间卷积网络(TCN)、门控循环单元(GRU)以及随机森林回归模型(RFR)组成单一预测模块,分别对高、中、低频分量进行预测,最后使用粒子群优化算法(PSO)确定各模型的最优组合权重并加权求和得到最终预测结果,通过在比利时电网公司公开的风电功率数据集进行实验和分析,验证了本文模型的有效性和稳定性。在所提出组合预测模型的基础上,使用Spring Boot、My SQL、Tensor Flow等技术设计和实现了一套风电功率预测系统。该系统的三个核心功能为功率数据录入和预处理、风力发电功率预测和历史结果查询。系统以可视化的形式展示相关信息,方便用户直观的浏览风电功率历史信息和预测结果。综上所述,本文通过研究提高风电功率预测精准度的组合预测方法,来弥补单一预测模型在风电功率预测中的不足,并设计实现了预测精度高、适用性强的风电功率预测系统,为电力工作人员更好的进行电力调用决策、提高电网系统的稳定性和可靠性、改善能源结构以及减少传统化石能源的使用作出贡献。

关键词： 掺铒光纤放大器   测试方法   数据处理  

摘要： 进入信息时代后,我国的信息基础设施实现了飞越式的发展,随着5G技术的逐步推广,云计算、人工智能、工业互联网、车联网等5G应用层出不穷,成为了新的经济增长点。现代光网络是实现5G应用的基础,而掺铒光纤放大器在光通信网络中有着不可替代的重要作用,随着社会对于通信系统的要求日渐增长,为了保证系统的性能,对掺铒光纤放大器的性能参数进行精确高效测试的重要性不言而喻。因此,对掺铒光纤放大器的测试原理和测试方法展开进一步的研究具有重要的意义。 针对掺铒光纤放大器的测试方法与数据处理的相关问题,本论文在对掺铒光纤放大器测试原理的分析对比和对Python语言工具库研究的基础上,针对掺铒光纤放大器的一些关键性能参数设计了相应的测试环境和测试方法,并基于Python的数据处理系统,经过实验验证了本论文测试方法和处理系统的正确性与便捷性,有助于提高测试和数据分析工作的效率。 本论文主要论述了以下内容: (1)深入分析了掺铒光纤放大器及其测试相关的研究背景与国内外发展现状,对掺铒光纤放大器的工作原理、基本组成结构和应用场合进行了介绍,并在此基础上对掺铒光纤放大器的稳态特性中的增益平坦度、增益斜率、增益起伏、噪声指数,瞬态特性中的过冲、下冲、增益偏移、稳定时间,四波混频的相对功率值和频率响应特性中的增益失真和相位失真等用于衡量掺铒光纤放大器性能特性的参数进行了深入研究。 (2)针对测试原始数据的处理问题,本论文对测试仪器输出的原始数据得到相应特性参数的计算方法进行了研究,通过Python语言设计并实现测试数据的处理系统,给出了系统的流程图与结构图,使用Pandas和Numpy等Python函数库实现了测试数据的批量读取、计算处理和结果输出。 (3)对掺铒光纤放大器的几种测试原理进行了研究和对比,在此基础上进行了测试实验,通过处理系统对数据进行了处理和分析。实验验证表明,本论文的测试方法能够完成掺铒光纤放大器各项参数的测试需求,系统能够准确地计算所需的指标参数,标注不合格的数据,并进行数据的可视化。

关键词： 救援井   电磁探测   线性电极   机器学习   井眼轨迹预测  

摘要： 救援井探测技术凭借其能够适应高度复杂的工作环境、精确度较高和误差小等优点被广泛应用于陆地及海上油气平台中事故井井喷失控等问题的解决。近年来,在解决救援井与事故井连通探测问题上国内外的研究学者做了颇多的研究,提出了很多救援井的定位测量方法,其中电磁探测方法应用最为普遍。本文主要针对救援井电磁探测,提出基于线性电极的救援井探测定位方法,并对救援井钻探过程中的方位和距离测量做出以下研究和工作。主要研究内容有:首先,本文对基于线性电极救援井电磁探测定位进行了理论研究,分析了由线性电极释放出的电流在井下地层中地传播规律与衰减影响因素,并且对两井之间的相对距离和方位的反演关系原理进行研究;在此基础上,利用有限元软件对基于线性电极的救援井探测定位系统建立了三维仿真模型,分析了不同激励电流大小、探管位置、地层属性以及钻井液等因素对救援井探测系统性能的影响,通过分析,得到了相较于传统的三电极系系统,本文提出的由线性长电极放电的系统有更远的探测距离,且在实际工程中,对传感器的灵敏度要求更低,系统探测性能有所提升。其次,基于三维仿真模型搭建实验平台,对基于线性电极的救援井探测系统进行室外模拟实验以及现场试验。试验过程中通过设置不同的激励电流或电压来模拟激励电流对探测系统性能的影响;通过改变探管的位置来模拟两井之间的相对方位和距离。对采集到的磁场信号进行数据处理,反演验证该探测系统的可行性和有效性。最后,为提高探测系统精度,降低探测误差,提出基于机器学习的救援井探测系统优化方法,通过将现场钻井试验数据进行机器训练,预测钻井井眼轨迹,将结果与实测井眼轨迹进行对比,验证了基于机器学习的救援井探测系统优化方法的准确性与可行性,为精准控制救援井钻井导向提供了理论支撑。

关键词： 大数据技术   国有企业   薪酬管理   数据处理   管理体系  

摘要： 数字化技术赋能下，高质量发展成为当前企业发展的创新趋势，同时也是国有企业在激烈的市场竞争中获得更加广阔发展空间的重要途径。国有企业人力资源薪酬管理质量关系着企业是否能够维持高质量发展。本文重点阐述大数据时代国有企业人力资源薪酬管理现状，总结当前薪酬管理中存在的问题，提出解决问题的相关策略，以期为提升国有企业大数据背景下的人力资源薪酬管理水平提供理论支持。

关键词： 四象限探测器   光斑位置检测   互相关算法   FPGA  

摘要： 空间光通信是目前通信领域的前沿及热点研究内容,ATP系统是保证卫星激光通信链路稳定可靠的核心技术之一。探测器对光束角位置的检测精度严重影响着ATP系统的性能,是实现高性能捕获、瞄准和跟踪(Acquisition,Tracking and Pointing,ATP)技术的关键。无独立信标光远距离空间光通信系统具有微弱信号探测特点,探测器所接收的信号会受到背景噪声、散粒噪声和热噪声等因素的影响,这将严重影响系统对光斑角位置的检测精度,这是高性能远距离空间光通信必须解决的问题之一。针对低信噪比条件下基于四象限探测器(Quadrant Detectors,QD)的高精度光斑角位置检测问题,论文采用理论分析、仿真分析及实验验证方法开展了如下研究。论文基于对空间光通信国内外研究动态和微弱信号检测技术的分析,围绕提高无线光通信链路传输性能的研究目标,针对低信噪比条件下基于QD的光斑角位置检测问题,对四象限探测器位置检测精度的数学模型进行分析仿真。在低信噪比条件下,对经过强度调制的接收信号分别进行FFT线谱检测、时反卷积线谱增强、互相关线谱增强及卡尔曼滤波的仿真分析,完成了基于互相关线谱增强和卡尔曼滤波的接收信号的数据处理方案设计。论文通过MATLAB仿真平台和VIVADO平台实现对基于互相关和卡尔曼滤波的光斑位置检测方案的仿真分析,验证了该方案的可行性和有效性。验证结果表明,对输入信号进行互相关和卡尔曼滤波可以有效抑制噪声,得到较为精确的检测幅值。基于上述理论研究,设计并搭建了测试验证平台,完成了对基于互相关线谱增强和卡尔曼滤波的信号处理方案的实验验证,对算法处理前后输出光强值进行计算,并完成与直接检测方法的比对,实现了低信噪比条件下光斑位置检测精度的提高,证明了算法的可行性和有效性。

关键词： 多重集值信息系统   缺失数据   不确定性度量   特征选择   异常点检测  

摘要： 缺失数据的处理是机器学习和数据挖掘中的一个重要问题.数据的缺失带来了不确定性,使数据挖掘过程陷入混乱并导致不可靠的输出.粒计算是模拟人类思维和处理复杂问题的方法论,已成功应用于诸多领域.集值信息系统是处理缺失数据的一种经典模型.它的不足之处在于未考虑缺失数据出现的频率.为了克服这种不足,本文使用多重集值信息系统处理缺失数据并研究其具体应用,主要工作包括:(1)建立了多重集值信息系统处理缺失数据的粒计算模型.研究了多重集和概率分布集之间的关系,多重集可以看做有理概率分布集,从而可以基于概率分布集计算样本间距离,完成了多重集值信息系统中信息的粒化.(2)缺失数据增大了数据的不确定性.本文参考集值信息系统中的四种经典不确定性度量,提出了多重集值信息系统中的四种不确定性度量,研究了这四种度量的性质,并进行数值实验和统计检验评估提出的度量的性能.此外,基于提出的不确定性度量给出了多重集值信息系统中的特征选择算法.(3)异常点检测是与缺失数据密切相关的问题.多数研究将缺失数据和异常点检测视为两个独立的数据预处理过程,而忽视了在带有缺失数据的数据集上进行异常点检测的问题.本文使用多重集值信息系统处理缺失数据,设计了多重集值信息系统中的异常点检测模型,并进行数值实验和统计分析评估该模型的性能.

关键词： 向外长波辐射   数据处理   时空特征   LSTM算法   组合算法   预测  

摘要： 随着科学技术的快速发展,机器学习算法越来越深入当今社会与科学研究当中,机器学习模型被越来越广泛的应用于交叉学科研究领域。因此,本文主要使用机器学习算法对2002年9月到2022年2月卫星反演的向外长波辐射（Outgoing Longwave Radiation,OLR）数据进行时空特征分析和预测研究。首先,对原始数据进行预处理操作,探究东亚地区OLR的时空特征变化趋势;其次,通过单一机器学习算法对OLR的时空特征以及预测进行研究;最后,通过组合算法模型对OLR的时间序列进行预测分析。本文的主要研究内容有:（1）数据获取与预处理。首先,介绍了数据集的来源和获取方式;其次,通过编写相关批处理的脚本提取经预处理之后的数据集;然后,对数据进行缩放处理,使用归一化或者标准化操作消除样本中不同属性间的差异;最后,对数据进行经验性检验来验证数据的准确程度。（2）东亚区域OLR时空特征研究。本文运用了线性拟合、Mann-Kendall（M-K）和Pearson相关分析等方法对东亚区域OLR的时空特征进行分析,结果发现空间上OLR随纬度升高而降低,并且OLR以七月为分界线对称分布,而时间上关于赤道附近对称变化。在使用MK趋势分析发现空间上通过显著性检验区域的增长绝对值在2.2w/m2左右,通过MK突变分析得知OLR受2015年强厄尔尼诺“李小龙”的影响在此年前后会发生较大变化。最后,本文经相关性分析发现OLR与总柱水汽（Total Column Water Vapor,TCWV）、气温（Air Temperature,AT）、云顶温度（Cloud Top Temperature,CTT）有较高正相关,而与云顶气压（Cloud Top Pressure,CTP）呈负相关。空间上OLR与TCWV、AT都是在0～25°N为负相关,30～60°N为正相关。而OLR与CTP则在韩国、朝鲜、日本以及中国北部呈负相关,其他区域为正相关。OLR与CTT在东亚多数地方有超过0.8以上的正相关性,只有少部分地区有较低负相关。（3）基于单一算法对OLR的特征分析与预测。本文运用经验正交函数分析方法（Empirical Orthogonal Function,EOF）分析了空间特征趋势,结果发现EOF分解的四个模态总方差贡献度超过70%,四个时间系数PC都是下降的,并且得到了南海型与孟加拉湾型空间特征。然后建立LSTM网络模型对OLR数据进行预测,结果较好,误差较低,四种评价指标均方根误差RMSE、平均绝对误差MAE、平均绝对百分比误差MAPE、判定系数R2结果分别为2.8136、2.1669、0.9043、0.6812。（4）基于LSTM组合算法对OLR的预测分析。本文基于LSTM模型提出了EEMD-LSTM和VMD-LSTM两种组合模型对OLR的时间序列进行预测研究,结果发现组合算法模型要优于LSTM网络模型,同时VMD-LSTM模型为三者中最优,其误差评价指标RMSE、MAE、MAPE、R2分别为0.4238、0.3316、0.1386、0.9919,误差为三者中最小且判定系数非常接近于1,说明预测值几乎拟合真实值。图42表16参考文献96

关键词： 富锌底漆   无损检测   数据处理   主成分分析   红外光谱   神经网络  

摘要： 作为用电和发电大国，变电站和输电线铁塔等钢结构因环境腐蚀浪费严重。为了延长以上设施的使用寿命，减少经济损失，采用涂装防腐技术已成为操作方便、经济实惠的首选方案。在借鉴了锌牺牲阳极保护阴极的作用，涂料中加锌已然成为涂层防腐的主要手段之一。现如今，富锌底漆的多样性和质量良莠不齐的局面依然存在，以次充好的现象也时有发生。为防止经济浪费，需要有效鉴定不同含锌量的富锌底漆，并通过定性分析对样品分类识别。　　近年来，红外光谱分析技术因其分析速度快，不破坏完整性以及无污染等优点在各种检测领域被广泛应用。本研究使用40%和70%的富锌底漆、云铁中间漆和聚氨酯面漆制成的干膜样品，采用标准化学方法检测含锌的含量，并结合傅里叶红外光谱仪测定样本的特征信息，结合化学计量学方法进行漆膜样品的红外光谱识别和分析。本文重点探讨了红外光谱技术结合化学计量学模型建立的几个关键问题，包括光谱预处理、波长筛选和校正模型的建立等。为研究漆膜样品中不同含锌量的富锌底漆的无损检测提供了新的参考，采用校正模型的预测准确率评估了红外光谱在辨别不同富锌底漆含锌量方面的应用。　　本文研究了漆膜样品光谱数据处理方法。针对波峰差异，将数据分为六个波数段，并研究了不同预处理方法及组合对数据处理的效果。结果表明，经过二阶导数处理的预处理方法最佳。在最佳预处理条件下比较了各波段采用蒙特卡洛、以及其他选择方法在建立模型时的效果。经比较，PCA模型的鉴别率超过了70%，同时也进行了PCR和PLSR的比较分析，PLSR比PCR需要更少的成分就能获得同样的预测准确度。运用偏最小二乘(PLS)算法来降维度，并实现光谱样本分类和辨别，仿真实验结果显示，准确率高达90.30%。采用BP神经网络相结合的红外光谱分析法，并利用 K 折和双交叉验证法对模型进行验证，其预测均方根误差和百分比误差明显低于化学计量学方法建立的模型。　　本文使用红外光谱结合化学计量学进行模型计算，运用PLS和BP神经网络以及PCA主成分分析方法。通过建立富锌底漆样品含锌量的红外光谱预测模型，得出的预测均方根误差均在0.8以上，相关系数最高达0.99，证明红外技术识别富锌底漆方面具有可行性。