公共文化服务平台

共 3 条记录，以下是 1-3

全选清除导出

排序方式：

中国石油安全评价及情景预测被引量：15: 2017年; 基于熵值法(EM)、粒子群算法(PSO)和支持向量机(SVM)的嵌套模型对中国石油安全进行评价及情景预测。首先,利用聚类和灰色关联分析方法构建出石油安全评价指标体系,并基于熵值法刻画出中国石油安全的历史演化规律。评价结果表明:(1)我国石油安全指数呈现出先降后升的趋势,且部分年份的石油安全指数波动较大;(2)国际原油价格波动、对外依存度不断上升以及市场流动性减弱的状况加剧了我国石油安全的脆弱程度,且地缘政治风险已成为我国石油安全的重要隐患,严重威胁着我国石油的供给安全。然后,在此基础上建立PSO-SVM石油安全预测模型,并通过设定三种情景方案,利用上述模型对我国2020年的石油安全状况进行情景分析。情景分析结果表明:(1)我国未来石油安全状况依然较为严峻,基准情景和低情景下石油安全指数仍旧处于很不安全区间;(2)不同的经济发展模式和政策取向对石油安全状况有着显著的影响。本文提供的"情景—对策"路径可成为相关能源政策制定的依据。; 吕军王德运魏帅; 关键词：石油安全熵值法情景分析

基于DE-ELM的电池SOC预测研究被引量：1: 2016年; 针对极限学习机的随机性较大的问题,提出一种基于差分演化的极限学习机算法模型(DE-ELM).采用差分演化算法(DE)对极限学习机(ELM)随机给定的输入权值矩阵和隐含层阈值进行寻优,降低了随机性给ELM造成的影响,减少ELM网络震荡,提高了ELM预测精度.并且将DE-ELM应用在电池SOC的预测上,同时与ELM和BP神经网络的预测进行了对比,结果表明:DE-ELM在电池SOC预测上的表现优于ELM和BP神经网络,能满足电池SOC的预测精度要求.; 罗宏远王德运潘雯雯魏帅; 关键词：极限学习机差分演化 SOC预测

基于二层分解技术和改进极限学习机模型的PM2.5浓度预测研究被引量：26: 2018年; 准确的PM2.5浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM2.5浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机（ELM）模型的PM2.5浓度预测方法,该方法融合了快速集成经验模态分解（FEEMD）和变分模态分解（VMD）两种分解技术以及经过差分演化（DE）算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明：1）相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2）基于二层分解技术的DE-ELM预测模型可以显著提高PM2.5浓度的预测精度.; 罗宏远王德运王德运魏帅魏帅; 关键词：差分演化算法极限学习机

全选清除导出

共1页<1>

魏帅