相关性建模论文-邱宜彬,李诗涵,刘璐,王勇,李奇

导读:本文包含了相关性建模论文开题报告文献综述及选题提纲参考文献，主要关键词:风电,相关性,D藤结构,Copula函数

相关性建模论文文献综述

邱宜彬,李诗涵,刘璐,王勇,李奇^[1]（2019）在《基于场景D藤Copula模型的多风电场出力相关性建模》一文中研究指出多风电场相关性模型的准确程度将会直接影响到风电接入系统的评价结果,针对现有多维风电出力相关性模型精度偏低的缺点,提出先利用FCM聚类方式对数据进行场景划分,再结合Copula函数和D藤结构分场景对多维风电出力进行相关性分析的场景D藤Copula模型建模方法。为验证所述模型的有效性,以实际风电出力数据为样本对所述场景D藤Copula模型进行测试分析。算例结果表明本文所述模型可实现对原始数据相关性的精确描述,且相关性建模结果更为可靠。(本文来源于《太阳能学报》期刊2019年10期）

李湃,刘纯,黄越辉,王伟胜,李延和^[2]（2019）在《基于隐马尔科夫模型的多风电场相关性出力时间序列建模方法》一文中研究指出生成具有相关性的多风电场中长期出力时间序列,对电力系统规划和调度运行具有重要的意义。该文提出一种基于隐马尔可夫模型的多风电场出力时间序列建模方法。将风电出力的相关性作为隐马尔可夫模型的状态变量,并利用Markov链描述其时变特性;将各风电场在相邻时刻的出力作为隐马尔可夫模型的观测变量,建立相关性状态与相邻时刻出力的概率映射关系。利用Baum Welch算法估计隐马尔可夫模型参数,获取时变相关性状态的转移概率矩阵和各状态下多个风电场在相邻时刻出力的联合概率分布。最后,通过蒙特卡罗仿真逐月生成多风电场出力的时间序列场景。算例中对我国西北某省份的3个风电场进行测试,结果显示:所提方法生成的各风电场出力的年/月特性、概率分布特性、波动特性和自相关性均优于独立建模方法,并且风电出力相关性与历史序列非常接近,证明所提方法的有效性。(本文来源于《中国电机工程学报》期刊2019年19期）

许建中,王乐,武董一,井皓,赵成勇^[3]（2019）在《采用子模块相关性坐标变换解耦的混合模块化多电平换流器可靠性建模》一文中研究指出传统模块化多电平换流器(MMC)可靠性分析的方法大多仅针对半桥MMC或忽略各子模块(SM)间的相关性。本文针对具有工程应用前景的混合MMC,提出了一种子模块相关性坐标变换解耦的混合MMC可靠性分析方法。首先,建立单一子模块可靠性模型。其次,基于Copula理论提出一种MMC可靠性分析坐标变换解耦的新方法。然后,遵循坐标变换前后子模块串联系统可靠性不变的原则,推导半桥MMC和全桥MMC的坐标变换和可靠性计算公式,并将其推广到混合MMC。通过坐标变换实现子模块串联系统各子模块相关性的解耦,可以采用古典概型方法对混合MMC的可靠性进行评估。最后,通过在Matlab中编程计算验证了所提出的混合MMC坐标变换和可靠性计算方法的有效性。(本文来源于《电工技术学报》期刊2019年18期）

李豪,滕国伟^[4]（2019）在《基于时域相关性的背景建模算法》一文中研究指出针对监控视频前景存在较强的时域相关性降低背景建模性能的问题,提出一种基于时域相关性的背景建模算法。该算法有以下两个创新点:提出LDBCBR(Long Distance Block Composed Background Reference)算法,使用背景搜索间隔IBBS来削弱前景的时域相关性,生成更纯净的背景模型;提出二次建模算法,将LDBCBR和BCBR结合使用,当它们在同一位置都搜索到临时背景块时,将搜索到的临时背景块进行二次建模得到最终背景图像。实验结果表明,算法能够建模生成更纯净的背景图像,与BCBR算法和基准档次对比获得的BD-Rate增益分别为3.12%和25.70%,对监控视频编码有很大提升。(本文来源于《计算机应用与软件》期刊2019年07期）

赵丁苏,陈隽^[5]（2019）在《单人叁向连续步行荷载相关性及建模研究》一文中研究指出大跨度轻柔结构在步行荷载作用下容易出现振动舒适度问题,研究步行荷载的特性并建立合理的荷载模型是准确预测人致结构振动的前提。首先收集了刚性表面上单人叁向连续步行荷载的实测时程数据,相关分析表明步行荷载叁向分量之间的相关性较弱。据此,在周期性假定的基础上分别建立了步行荷载叁个方向上的傅里叶级数模型,由实测数据统计分析获得了模型参数与步行频率、步行速度间的函数关系。与各单向上的已有荷载模型的对比表明,不同模型间表现出一定的差异,建议模型可供工程结构人致振动分析参考使用。(本文来源于《振动与冲击》期刊2019年11期）

冯辉^[6]（2019）在《基于循环神经网络的桥梁局部响应相关性建模方法》一文中研究指出随着传感器技术的快速发展,结构健康监测系统目前已广泛应用于土木工程领域,但如何从监测数据中有效提取得到有关结构状态的信息仍是一个十分重要、需要进行研究的问题。传统的损伤识别方法是以模态参数为损伤敏感特征的,但模态参数对局部损伤并不敏感,因此需要对局部结构进行建模从而获取损伤敏感特征进行损伤识别。但对于大型桥梁这样的具有非线性的结构,目前仍缺乏有效的、自适应的建模方法。同时损伤识别方法也常常受到温度等环境因素的干扰。为此,本文使用深度学习方法,对考虑温度影响的局部结构建模方法进行了研究。主要研究内容包括:研究考虑温度影响的基于循环神经网络的相关性建模方法。首先了介绍了使用时间序列模型描述线性结构动力系统的数学原理;然后分析了几种将输入输出模型转换为响应间输出相关性模型的情形;使用子结构思想挑选部分结构响应,并针对桥梁由于大变形出现的几何非线性行为,使用循环神经网络代替传统的线性时间序列建模方法构造响应之间的相关性模型;同时将温度也作为模型的输入,依托循环神经网络的特征提取能力来考虑到温度对相关性模型的影响。研究基于误差水平的损伤识别方法。使用模型的预测残差标准差来作为损伤敏感特征进行损伤识别;考虑到噪声对预测残差的影响,选择将数据分段并分别计算对应的残差标准差,从而形成误差水平,部分消除不确定性;通过与健康状态下的误差水平的对比即可判断状态发生了变化。以某桥的刚性铰应变数据为例对所提出的方法进行了验证。在对基准状态下的应变数据使用考虑温度影响的基于循环神经网络的相关性建模方法对刚性铰结构进行了建模,并使用该模型对未知状态下的数据进行了预测和对应误差水平的计算,通过与基准状态下的误差水平进行对比成功识别到了刚性铰由于边界条件改变而出现状态变化的情况,验证了方法的可行性。(本文来源于《哈尔滨工业大学》期刊2019-06-01）

牛沐楚^[7]（2019）在《超密无人机群组网时间相关性建模与容量域性能分析》一文中研究指出无人机基站作为现有地面蜂窝系统的有效补充,可以满足补盲和补热场景的高动态业务需求,成为B5G网络覆盖增强和容量增强的重要候选解决方案,通过无人机群组的密集部署可以实现网络覆盖和容量增益的最大化。本文利用随机几何分析工具,研究了超密集网络中基于用户移动性的时间相关性度量和容量域性能指标,以及超密无人机群组网中考虑无人机基站视距(Line-of-Sight,LOS)和非视距(non-Line-of-Sight,NLOS)传输和聚簇效应的时间相关性度量和容量域性能指标。对用户而言,该指标可以更加准确的反映用户体验速率;对网络而言,可以根据网络当前状态与历史状态的关联关系对站点资源做出快速而有效的调度,对于实际部署场景具有理论指导意义和实用价值。本文主要工作分为以下两个部分:由于超密集网络中传输信道和网络拓扑的相对稳定性导致网络参量具有时间相关性,并且考虑到用户的移动也会使得时间相关性发生变化,因此,基于用户移动性模型,建立相应的时间相关性模型以反映不同时隙间的信号相关性大小,以及推导得到多时隙覆盖率和一段时间用户平均吞吐量的确定表达式,分别用来表征超密集网络中多时隙间的性能指标依赖特性和大尺度时间统计平均性能。通过系统级仿真拟合理论分析结果,验证了理论分析的正确性。由于超密无人机群组网中空对地通信传输信道的复杂性以及无人机站点的聚簇效应,导致超密无人机组网的时间相关性相比超密集网络具有不同特征,因此,基于无人机传输信道和聚簇分布特点,建立相应的时间相关性模型以表征不同时隙间的干扰相关性大小,以及推导得到多时隙网络联合覆盖率的确定表达式,并分析超密无人机群组网的参量设置对于时间相关性度量和网络性能的影响。通过理论结果的数值仿真证明了超密无人机群组网中时间相关性对网络性能具有不可忽略的影响。(本文来源于《北京邮电大学》期刊2019-05-31）

刘钦榛^[8]（2019）在《考虑状态退化相关性的多状态系统可靠性建模与评估方法研究》一文中研究指出随着现代工业系统和技术装备朝着结构的复杂化和大型化、功能的集成化、运行的智能化方向发展,其可靠运行和安全服役问题日益凸显。有效保障系统可靠运行的基础在于准确描述系统及部件状态的复杂退化演变规律,评估系统在服役阶段的可靠性。一方面,系统和部件在服役阶段呈现出性能退化、状态渐变的多状态特征;另一方面,由于多部件失效规律的差异性,单一类型的退化模型无法准确地描述多个部件退化行为的多样性。此外,由于部件间载荷共享机制、部件暴露在相同环境应力、部件物理位置相邻等因素,部件状态间的状态转移以及部件间的退化过程存在相关性。因此,如何准确地描述部件退化行为的多样性以及系统部件的各类相关性,是准确评估复杂系统可靠性的关键所在,也是当前可靠性领域研究的热点和难点。本论文针对多状态系统可靠性评估中状态转移的相关性和观测数据的不精确性,开展考虑状态转移相关性的多状态系统可靠性建模与评估方法研究。在此基础上,针对部件退化行为的多样性和部件间退化的相关性,开展考虑两类退化相关性的系统可靠性建模与评估方法研究。本文主要研究内容和创新点有:(1)提出了考虑状态转移相关性的多状态系统可靠性建模与评估方法。针对多状态系统由于相同环境和工作条件而出现的状态间的状态转移具有相关性现象,本文基于Copula函数建立了一种考虑状态转移相关性的多状态系统可靠性评估模型,结合系统的连续和非连续状态观测数据,利用极大似然估计法推断模型中的未知参数,并利用叁种模型选择准则选择最吻合状态观测数据的模型。在此基础上,评估了多状态系统的可靠度和条件可靠度。算例分析表明,考虑状态转移相关性时,系统可靠度评估结果与假设状态转移相互独立时的可靠度评估结果存在显着的偏差。此外,本文提出的方法对于状态转移相互独立的多状态系统同样适用。(2)提出了考虑状态转移相关性和不完全状态观测的多状态系统可靠性建模与评估方法。围绕着多状态系统可靠性评估中系统状态转移间的相关性和观测数据的不精确性,本文提出了一种不完全状态观测下的状态转移相关多状态系统可靠性建模与评估方法。首先,采用Copula函数表征多状态系统状态转移之间的相关性,并利用观测概率矩阵量化系统状态观测数据的不精确性。在此基础上,利用期望最大算法推断模型中的未知参数,并基于贝叶斯信息准则选择最优模型。最后,对多状态系统的可靠度和给定状态观测数据下的条件可靠度进行评估。算例分析表明,不完全状态观测数据下的可靠度评估结果与系统真实的可靠度评估结果基本吻合。(3)提出了考虑两类退化相关性的系统可靠性建模与评估方法。针对多部件系统中部件退化行为的多样性、部件状态间的转移相关性、部件间的退化相关性,本论文提出了一种考虑两类退化相关性的系统可靠性建模与评估方法。首先,利用Copula函数表征多状态部件状态间的状态转移相关性以及利用多阶段随机伽玛过程表征性能连续随机退化部件与多状态随机退化部件之间的退化相关性。其次,结合系统的同步和异步观测数据,利用极大似然估计法推断各部件可靠性模型中的未知参数。最后,基于蒙特卡洛仿真方法对系统可靠度进行评估。算例分析表明,对于具有状态转移相关和部件间退化相关的多部件系统,考虑两类相关性时与假设它们独立时的可靠度计算结果有显着的偏差。(本文来源于《电子科技大学》期刊2019-04-01）

王志刚,张国庆,张岩^[9]（2019）在《死亡率变动相关性度量及其建模》一文中研究指出拟合死亡率动态变动规律,成为近年研究热点,近二十年间涌现出大量APC模型研究成果,但这些成果主要集中在提高单一总体死亡率的拟合效果上。研究工作中还需要对多人口混合总体进行死亡率估计,研究多总体死亡率模型时,变量间的相关性就成为必须考虑的问题。文章从死亡率变动相关性入手,并在APC模型中探寻相关性的缘起,进一步构建了多总体APC模型。最后通过一个例子说明使用该模型的必要性。(本文来源于《统计与决策》期刊2019年06期）

段偲默,苗世洪,霍雪松,李力行,韩佶^[10]（2019）在《基于动态Copula的风光联合出力建模及动态相关性分析》一文中研究指出准确描述风力发电和光伏发电的动态相关性及联合出力的波动性,对风光互补系统的出力预测和经济调度具有重要意义。针对现行静态相关系数无法准确描述风光出力相依关系的问题,研究了风光出力的动态相关性,提出了基于动态Copula函数的风光联合出力模型构建方法。结合实测数据建立了8组动态与静态的风光联合出力Copula模型,用动态相关系数描述风光出力的相关性。运用拟合优度检验方法验证了动态Copula模型对比其静态模型的优越性,选出最优模型。最后将该模型应用在数据驱动的风光联合系统中,验证了其合理性与正确性。(本文来源于《电力系统保护与控制》期刊2019年05期）

相关性建模论文-邱宜彬,李诗涵,刘璐,王勇,李奇

相关性建模论文文献综述

相关性建模论文开题报告

相关性建模论文参考文献

猜你喜欢