-
公开(公告)号：CN104361393B
公开(公告)日：2018-02-27
申请号：CN201410451866.4
申请日：2014-09-06
申请人： 华北电力大学 , 国家电网公司 , 国网新疆电力公司信息通信公司
IPC分类号： G06N3/02
摘要： 本发明涉及计算机应用工程技术领域，是一种基于粒子群优化算法改进的神经网络模型用于数据预测方法，按照下述步骤进行：步骤1：数据样本的表示；步骤2：数据的预处理；步骤3：RBF神经网络参数初始化；步骤4：利用二元粒子群优化算法确定隐含层神经元的数目和隐含层径向基核函数的中心；步骤5：初始化局部粒子群优化算法的各个参数。本发明所述的基于粒子群优化算法改进的神经网络模型用于数据预测方法能够易于确定RBF神经网络模型隐含层神经元的数目，从而改善了RBF神经网络性能，提高了数据预测的精确度，同时，本发明中的基于粒子群优化算法改进的神经网络模型具有模型复杂度低，鲁棒性强，可扩展性好的特点。
-
公开(公告)号：CN103326903B
公开(公告)日：2016-01-20
申请号：CN201310280284.X
申请日：2013-07-05
申请人： 华北电力大学 , 国家电网公司 , 国网新疆电力公司信息通信公司
IPC分类号： H04L12/26
摘要： 本发明公开了网络时延预测技术领域中的一种基于隐马尔科夫的Internet网络时延预测方法。包括根据历史时延数据集和设定的时延预测精度，获得可观测状态和可观测状态序列；采用K-Means聚类方法对历史时延数据集进行聚类，计算不同k值下历史时延数据集的误差，根据不同k值下历史时延数据集的误差确定初始值；估计不同k值下的隐马尔科夫参数，并根据不同k值下的隐马尔科夫参数计算不同k值下的隐马尔科夫贝叶斯信息准则值，选择最小的隐马尔科夫贝叶斯信息准则值对应的k值作为最佳隐状态个数k_best；根据可观测状态和最佳隐状态个数k_best，预测未来时延。本发明准确表示时延数据集的规律以及Internet网络的特性，对于未来的可观测状态的预测有较高的准确性。
-
公开(公告)号：CN103441886A
公开(公告)日：2013-12-11
申请号：CN201310415671.X
申请日：2013-09-12
申请人： 华北电力大学
摘要： 本发明公开了计算机网络决策支持技术领域中的一种基于概率的传感器网络划分方法。包括根据传感器节点的属性值构建传感器节点有向图；计算传感器节点有向图中任意两个传感器节点之间的最短距离，得到最短距离矩阵；迭代计算任意两个传感器节点之间的转移概率并生成转移概率矩阵、每个传感器节点的状态概率并生成初始状态概率向量；当转移概率矩阵是稳定的转移概率矩阵且状态概率向量是稳态的状态概率向量时，对稳态的状态概率向量中的各个分量按照由大到小的顺序排列，选择前s个分量对应的传感器节点作为核心传感器节点；利用核心传感器节点将传感器网络划分为s个区域。使用本发明划分的网络可以更加准确、客观地反映传感器节点之间的关系。
-
公开(公告)号：CN103441886B
公开(公告)日：2016-04-20
申请号：CN201310415671.X
申请日：2013-09-12
申请人： 华北电力大学
摘要： 本发明公开了计算机网络决策支持技术领域中的一种基于概率的传感器网络划分方法。包括根据传感器节点的属性值构建传感器节点有向图；计算传感器节点有向图中任意两个传感器节点之间的最短距离，得到最短距离矩阵；迭代计算任意两个传感器节点之间的转移概率并生成转移概率矩阵、每个传感器节点的状态概率并生成初始状态概率向量；当转移概率矩阵是稳定的转移概率矩阵且状态概率向量是稳态的状态概率向量时，对稳态的状态概率向量中的各个分量按照由大到小的顺序排列，选择前s个分量对应的传感器节点作为核心传感器节点；利用核心传感器节点将传感器网络划分为s个区域。使用本发明划分的网络可以更加准确、客观地反映传感器节点之间的关系。
-
公开(公告)号：CN103558498B
公开(公告)日：2016-02-24
申请号：CN201310576376.2
申请日：2013-11-18
申请人： 华北电力大学
IPC分类号： G01R31/02
摘要： 本发明公开了电力系统信号处理技术领域中的一种基于小波分析的绝缘子污闪泄漏电流信号稀疏表示方法。包括采用sym8正交小波基为稀疏基Ψ，构造小波稀疏变换正交矩阵并求出原始泄漏电流信号的稀疏度K；构造高斯随机矩阵Φ，将其作为观测矩阵，根据稀疏度K计算测量数M，由稀疏表示方程获得测量向量y和传感矩阵Θ；由测量向量y和传感矩阵Θ在OMP算法下重构原始泄漏电流信号。本发明不但降低了传感器采样频率的要求，而且在不影响信号质量的前提下提高了信号的采集和重构速度，同时保证了重构的准确性。
-
公开(公告)号：CN102821048B
公开(公告)日：2014-10-08
申请号：CN201210282445.4
申请日：2012-08-09
申请人： 华北电力大学
摘要： 本发明公开了网络通信技术领域中的一种SCTP路径选择方法。包括初始化参数；发送端发送心跳数据包；接收端接收心跳数据包并回复心跳确认数据包；发送端接收心跳确认数据包；判断心跳确认数据包是否超时；测量备选路径时延；判断心跳确认数据包是否乱序；测量备选路径带宽；测量其他可达备选路径的时延和带宽；路径评价；路径选择。本发明在不改变SCTP分组格式和控制流程的基础上进行备选路径时延和带宽进行测量，并在此基础上进行路径评价和路径选择。
-
公开(公告)号：CN102821048A
公开(公告)日：2012-12-12
申请号：CN201210282445.4
申请日：2012-08-09
申请人： 华北电力大学
摘要： 本发明公开了网络通信技术领域中的一种SCTP路径选择方法。包括初始化参数；发送端发送心跳数据包；接收端接收心跳数据包并回复心跳确认数据包；发送端接收心跳确认数据包；判断心跳确认数据包是否超时；测量备选路径时延；判断心跳确认数据包是否乱序；测量备选路径带宽；测量其他可达备选路径的时延和带宽；路径评价；路径选择。本发明在不改变SCTP分组格式和控制流程的基础上进行备选路径时延和带宽进行测量，并在此基础上进行路径评价和路径选择。
-
公开(公告)号：CN104200283A
公开(公告)日：2014-12-10
申请号：CN201410428808.X
申请日：2014-08-27
申请人： 华北电力大学 , 国家电网公司 , 国网新疆电力公司信息通信公司
摘要： 本发明公开了一种基于因子-主属性模型的中长期电力负荷预测方法，所述方法包括：步骤1：建立(n-1)个影响因子指标X1-Xn-1和1个预测对象Xn的原始矩阵，采用Z标准化，对影响因子指标数据X1-Xn-1和Xn进行预处理，将指标数据无量纲化，得到指标矩阵Aoxn；步骤2：根据因子分析方法，确定选择的公因子，并计算相应的因子得分，建立因子预测模型步骤3：根据主属性算法，筛选得到主属性m1,…,mr，主属性模型为其中v是特征向量；步骤4：根据公式建立因子-主属性的中长期电力负荷预测模型，计算得到归一化后的预测变量值，经过Z标准化公式变换，重新计算得到相应的原变量实际值。
-
公开(公告)号：CN102682100A
公开(公告)日：2012-09-19
申请号：CN201210132476.1
申请日：2012-04-28
申请人： 华北电力大学
IPC分类号： G06F17/30
摘要： 本发明公开了计算机决策支持技术领域中的一种基于遥操作的任务执行顺序优化方法。包括将系统中的任务用向量表示；计算任意两个任务向量之间的物理距离并形成距离矩阵；计算任意任务向量的密度；计算任意任务向量的物理相似度矩阵；将物理相似度矩阵变换成易计算物理矩阵；将任务向量聚合成不同的物理类；计算任意向量之间的逻辑相似度并形成逻辑相似度矩阵；将逻辑相似度矩阵变换成易计算逻辑矩阵；将该物理类中的任务向量聚合成不同的逻辑类；计算任务向量之间的偏离角度矩阵；计算该逻辑类的渐进路径；计算所有逻辑类内的渐进路径和类间的渐进路径，最终得到一条渐进的任务执行序列。本发明提高了遥操作系统的效率并降低了系统的风险。
-
公开(公告)号：CN104361393A
公开(公告)日：2015-02-18
申请号：CN201410451866.4
申请日：2014-09-06
申请人： 华北电力大学 , 国家电网公司 , 国网新疆电力公司信息通信公司
IPC分类号： G06N3/02
摘要： 本发明涉及计算机应用工程技术领域，是一种基于粒子群优化算法改进的神经网络模型用于数据预测方法，按照下述步骤进行：步骤1：数据样本的表示；步骤2：数据的预处理；步骤3：RBF神经网络参数初始化；步骤4：利用二元粒子群优化算法确定隐含层神经元的数目和隐含层径向基核函数的中心；步骤5：初始化局部粒子群优化算法的各个参数。本发明所述的基于粒子群优化算法改进的神经网络模型用于数据预测方法能够易于确定RBF神经网络模型隐含层神经元的数目，从而改善了RBF神经网络性能，提高了数据预测的精确度，同时，本发明中的基于粒子群优化算法改进的神经网络模型具有模型复杂度低，鲁棒性强，可扩展性好的特点。
-
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.03 秒)
