为了提高风电功率的预测精度，研究了一种基于粒子滤波（ＰＦ）与径向基函数（ＲＢＦ）神经网络相结合的风电功率预测方法。
使用ＰＦ算法对历史风速数据进行滤波处理，将处理后的风速数据结合风向、温度的历史数据，归一化后构成风电功率预测模型的新的输入数据；
利用处理后的新的输入数据和输出数据，建立ＰＦ－ＲＢＦ神经网络预测模型，预测风电场的输出功率。
仿真结果表明，使用该预测模型进行风电功率预测，预测精度有一定的提高，连续１２０ｈ功率预测的平均绝对百分误差达到８．０４％，均方根误差达到１０．６７％
使用ＰＦ算法对历史风速数据进行滤波处理，将处理后的风速数据结合风向、温度的历史数据，归一化后构成风电功率预测模型的新的输入数据；
利用处理后的新的输入数据和输出数据，建立ＰＦ－ＲＢＦ神经网络预测模型，预测风电场的输出功率。
仿真结果表明，使用该预测模型进行风电功率预测，预测精度有一定的提高，连续１２０ｈ功率预测的平均绝对百分误差达到８．０４％，均方根误差达到１０．６７％
2025/3/2 11:19:56
327KB
1
关于自动驾驶汽车非线性模型预测控制算法的论文，作者为Falcone，龚建伟《无人驾驶模型预测控制》一书中参考了该论文的方法
2025/1/19 15:32:38
1.88MB
1
深度学习(DeepLearning)是近年来提出的一种利用具有多个隐层的深度神经网络(DeepNeuralNetwork,DNN)完成学习任务的机器学习方法。
其实质是,通过构建具有多个隐层的神经网络模型并使用大量的训练数据来学习得到更有用的特征,进而提升模型预测或分类的准确性。
与以往的浅层神经网络的不同之处在于,深度学习主要强调了神经网络的深度(通常有大于1层的隐层),还突出了特征学习的重要性,从大数据中学习特征,这些特性可以刻画数据丰富的内在信息。
其实质是,通过构建具有多个隐层的神经网络模型并使用大量的训练数据来学习得到更有用的特征,进而提升模型预测或分类的准确性。
与以往的浅层神经网络的不同之处在于,深度学习主要强调了神经网络的深度(通常有大于1层的隐层),还突出了特征学习的重要性,从大数据中学习特征,这些特性可以刻画数据丰富的内在信息。
2025/1/19 7:51:09
10.13MB
1
简述了人工神经网络BP模型,以Excel为技术平台,创建了人工神经网络BP预测模型。
应用该模型预测了吉林省农安水文站枯季径流量。
结果表明,预测结果合理,精度较高;模型操作简便,有进一步推广价值。
应用该模型预测了吉林省农安水文站枯季径流量。
结果表明,预测结果合理,精度较高;模型操作简便,有进一步推广价值。
2024/12/1 6:45:25
766KB
1
著者：魏巍；
出版社：国防工业出版社；
页数：462页；
出版年：2004年；
书评：本书基于MATLAB6.5正式版，为读者提供了使用MATLAB的实践性指导。
本书主要介绍了MATLAB中与控制工程相关的6个基础工具箱：系统辨识工具箱、控制系统工具箱、鲁棒控制工具箱、模型预测控制工具箱、模糊逻辑工具箱和非线性控制设计模块，同时提供了MATLAB中的一些基础知识。
在讲解6个工具箱的过程中，本书还讲解了一些工程应用方面的背景知识，并对每个函数的功能、语法和参数做了详细的说明，对许多重要的函数都给出了具体的示例程序。
本书可以作为高等院校控制工程专业本科生、研究生教材使用，也可作为广大科研工程技术人员的参考用书。
出版社：国防工业出版社；
页数：462页；
出版年：2004年；
书评：本书基于MATLAB6.5正式版，为读者提供了使用MATLAB的实践性指导。
本书主要介绍了MATLAB中与控制工程相关的6个基础工具箱：系统辨识工具箱、控制系统工具箱、鲁棒控制工具箱、模型预测控制工具箱、模糊逻辑工具箱和非线性控制设计模块，同时提供了MATLAB中的一些基础知识。
在讲解6个工具箱的过程中，本书还讲解了一些工程应用方面的背景知识，并对每个函数的功能、语法和参数做了详细的说明，对许多重要的函数都给出了具体的示例程序。
本书可以作为高等院校控制工程专业本科生、研究生教材使用，也可作为广大科研工程技术人员的参考用书。
2024/11/21 11:11:48
23.71MB
1
对于双输入双输出系统的模型预测控制（DMC）的MATLAB实现，能直接运行得到结论，是学习DMC的一个较好的资源。
2024/11/9 7:28:52
1.78MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB