基于小波长短期记忆网络的风电功率超短期概率预测

随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆（LSTM）网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理,再建立各子序列样本的LSTM网络预测模型,借助最大似然估计法估计预测误差的高斯分布函数,最终实现对未来4 h时刻的风电功率概率区间预测.最后,采用中国东北某风电场数据对所提方法进行算例分析,结果表明,将小波分解与深度学习方法结合可以较好地提高预测的精度,提高概率预测的区间可靠性.     

小波分析在地震资料去噪中的应用

本文阐述了小波变换和去噪的基本原理,根据模拟信号和实际地震信号的频谱分析,讨论了如何选择小波基,及去噪中的阈值问题,从小波分解出发,利用多尺度分解对地震资进行分析,并基于MATLAB语言和小波工具箱,实现了对地震资料的去噪.     

利用极化SAR数据进行土地覆盖分类研究

基于相关矩阵特征向量的目标分解将地物回波复杂的散射过程分解成相互独立的三种单一散射分量:单向散射、双向散射和交叉散射,分别对应各自的目标相关矩阵。目标分解技术降低了散射回波之间的相关性,有利于分析地物散射机理,有助于提高分类精度。对荷兰F levoland地区全极化数据进行分解,经过试验和相关性分析,选用7种数据形成多参数数据组合,对其进行最大似然监督分类,同时进行常规三种极化加相位差的分类和基于复W ishart分布的最大似然分类,逐像元计算混淆矩阵,分析对比三种分类结果的精度,试验表明:相对于常规数据组合分类,基于复W ishart分布的监督分类可以小幅度提高分类精度,而利用目标分解得到多参数组合数据进行分类则有大幅度的提高。     

极点对称模态分解下陕西气候变化特征及影响因素

全球变暖背景下,受人类活动和气候系统波动共同影响,气候要素响应具有非线性、非平稳特征,如何识别气候变化多时间尺度信息,是当前研究的热点话题.基于1970—2017年气温和降水逐日数据,辅以滑动平均、趋势分析和极点对称模态分解(ESMD)等方法,对陕西3大地理单元气候时空特征进行分析,进而探讨不同海区厄尔尼诺指数与气温、...     

西太平洋台风对上海地区钻孔应变的低频扰动特征分析

基于上海佘山台四分量钻孔应变仪在6次西太平洋台风期间的观测记录,利用小波分解、优势振动方向等处理方法提取出台风所激发的显著低频扰动信号,并详细分析扰动信号在时频域及空间域的表现特性.结果显示:在低频区间,台风激发的扰动信号优势周期为2～4 min,信号能量随台风进程而变化,并主要与台风量级、台风中心的位置(海上或陆域)...     

上海计算机产业转移及其对区域经济影响

自2008年全球金融危机之后,全球生产网络重组对中国区域经济的影响日益浮现。上海计算机制造业持续向重庆等地转移,重构了该行业全球生产网络的基本格局。利用上海市投入-产出表以及中国工业企业数据库、企业年报等,采用结构分解等方法分析上海计算机制造业产业变化,结合制造业多样性指数等指标,评估产业转移对区域经济的影响。研究发现：① 上海计算机产业被锁定在全球价值链低端的组装制造环节,2007—2012年,增加值率（增加值与总产出的比值）从7.38%下降为4.29%;劳动者报酬占增加值比例从22.06%上涨为67.97%,推动产业对外迁移。② 受上海市产业转移和国际市场低迷等因素影响,2007—2012年,上海计算机制造业总产出减少了483.9亿元。③ 制造业多样性指数较高的浦东新区受到计算机产业转移的影响较小,制造业多样性指数相对较低且计算机制造业占制造业总产值比例较高的闵行区、松江区在一定时期内仍然面临着计算机产业转移的负面影响。为了降低全球生产网络“去耦合”的冲击,提高区域经济的韧性,上海需要从全球生产网络的成熟产品生产平台转型为新产品研发创新枢纽,提高劳动生产率和产业增加值率,推动产业结构多样化。     

地基干涉雷达IBIS-S桥跨结构振动变形测量与模态分析

地基雷达干涉测量技术能够以较高的时空采样频率获取线性结构目标整体瞬时变形状态。本文将该技术引入大型桥梁桥跨结构的振动变形测量与模态分析中。对动静载试验过程中的武汉二七长江大桥东岸桥跨结构开展连续变形监测,利用频域分解法计算桥跨结构的自振频率、阻尼比和模态振型。计算结果表明,地基干涉雷达干涉测量技术能够快速探测桥跨结构竖弯模态,特别适用于灾后大型线形结构健康状态的应急检测。     

基于EMD方法的地心运动时间序列分析

针对时间序列混有的高频信息会影响地心运动规律分析的问题,采用网平移法对IGS提供的GNSS周解进行解算,得到2007-2017年地心运动时间序列,对其进行分解重构,剔除高频项,并利用重构时序对地心运动规律作进一步分析探讨。结果表明：本文解算的地心运动在T_x、T_y和T_z方向的精度均为毫米级。EMD方法重构的时序保留了原序列的基本信息,且抑制了高频项的影响,提高了周期贡献率,3个方向的贡献率分别提高了12.3%、16.7%及6.3%。通过分析重构后的时序发现,周年项振幅为各周期对应振幅的最大值,分别为2.32、1.89和2.07 mm;T_y和T_z方向长期变化趋势较T_x更为明显,分别为0.13和-0.27 mm/a;半年项较小,且在T_x和T_y方向上具有时变性。此外,还发现了一些其他较小的年际变化。     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

福州市地表温度热点及时空变化分析

中国作为世界第一大发展中国家,近年来城镇化发展迅速,大量自然地表转化为人工地表,从而引起了一系列环境问题,其中以城市热岛问题最为显著。因此如何缓解因城市化进程的加快引起的城市热岛效应已成为热门研究方向。为精确分析城市空间格局对热集聚的影响,本研究利用2000年5月4日的Landsat ETM+和2016年7月27日获取的Landsat OLI两期遥感影像,获取福州市的土地覆盖信息并进行精度验证。在地表温度（Land Surface Temperature, LST）反演基础上通过热点分析（Getis-Ord Gi*）,并结合不透水面（Impervious Surface Area, ISA）信息来研究城市化进程中福州市16 年来 LST的变化特性,空间集聚特性及其产生的尺度效应。热点分析结果显示：① 通过分析福州市内各地和热点中心的距离与LST的关系可较好地反映空间热聚集。2000 年在距热点中心0.97、1.03、0.95 km范围内热聚集明显;2016 年则增长到分别在距热点中心半径1.89、2.01、2.10、2.05、2.13 km范围内热集聚显著且热点区数量也从3 个增加至5 个。热集聚区（热点区和较热区）总面积在此期间从15.7%增至47.3%;② 由于热点图中的热点区和冷点区的形成不单取决于LST的高低,因此热点分析与空间自相关分析方法相比,能更直观地分析土地覆盖变化对LST的影响,了解城市内部热强度变化的细节。本研究采用的热点分析方法可用于城市环境保护与规划,将来还可作为城市土地规划与热环境影响的分析依据。同时可利用热点分析图模拟城市微气候,估算城市绿地降温程度等。此外,未来还可基于此进一步探讨更多时相以及不同城市的对比分析,特别是对不同城市类型如带状城市,多中心城市及中心城市等的研究。