导读:本文包含了单元预测模型论文开题报告文献综述及选题提纲参考文献，主要关键词:负荷预测,谱聚类,门控循环单元,模型融合
单元预测模型论文文献综述
陈海文,王守相,王绍敏,王丹[1]（2019）在《基于门控循环单元网络与模型融合的负荷聚合体预测方法》一文中研究指出随着智能电表的普及,以智能电表数据为基础,可按需求灵活划分不同规模的负荷聚合体并开展预测。由于负荷聚合体规模差异较大,并与用户负荷特性关系密切,传统预测方法不再适用。为此,提出了一种基于门控循环单元(GRU)网络与模型融合的负荷聚合体预测方法。首先,通过分布式谱聚类算法获得负荷特性相近的负荷群体,然后进行分组预测,采用GRU作为元模型,对时间序列进行动态建模,利用随机森林算法融合多个结构不同的GRU网络,实现对负荷群体的预测,最终将各群体预测值求和得到负荷聚合体预测值。算例表明,得益于分组预测、动态时间建模及模型融合技术,所述方法能充分利用不同模型的结构优势,发现时间序列动态规律,在不同时间尺度下预测精度更高,对不同规模的负荷聚合体适用性更强。(本文来源于《电力系统自动化》期刊2019年01期）
尹奇跃,詹东,张俊格,黄凯奇[2]（2018）在《不完全信息下对抗单元预测与估计模型》一文中研究指出战争推演作为真实战争的模拟,可以预先推估战争局势的发展,在现代战争中具有举足轻重的作用。近些年来,涌现了一批战争模拟测试平台,星际争霸作为一款多兵种战争对抗类游戏,一定程度地展现了战争模拟中遇到的各种挑战,如复杂环境,战争迷雾等,成为验证各种人工智能算法的主流平台之一。本文以星际争霸为载体,提出了一种基于深度学习的对抗单元预测与估计模型,这里的对抗单元指的是星际争霸中的作战兵力,该模型可以实现给定状态下生产何种对抗单元的预测。具体来说,作者定义了一系列特征,以提取不同状态下敌我双方信息,同时采用了一系列深度学习算法以获得上述信息到动作的映射,即合理规划兵力。本文测试了上述算法的性能,指出考虑时序信息的循环神经网络模型可以取得更优的预测准确率。最后,本文嵌入上述算法并设计了智能体cpac,与现有智能体的对抗结果进一步展示了所设计智能体的性能。(本文来源于《第六届中国指挥控制大会论文集（下册）》期刊2018-07-02）
牛哲文,余泽远,李波,唐文虎[3]（2018）在《基于深度门控循环单元神经网络的短期风功率预测模型》一文中研究指出随着新能源的不断发展,大量大容量风电机组并入电网运行,给电网的安全可靠运行以及风力发电的可持续发展都提出了新的挑战。提出一种风功率预测模型,该模型以风电场风功率历史数据以及风速、风向等数值天气预报数据作为输入对风功率进行预测。考虑到风功率预测中输入数据的波动性和不确定性,在传统门控循环单元(GRU)神经网络的基础上融合卷积神经网络(CNN),以提高模型对原始数据的特征提取和降维能力,并引入dropout技术减少模型中的过拟合现象。工程实例分析表明,所提模型在预测准确度和运算速度方面均优于长短记忆神经网络模型。(本文来源于《电力自动化设备》期刊2018年05期）
李翔龙[4]（2016）在《基于流动单元的致密油藏产能预测模型》一文中研究指出致密油藏作为非常规油气资源的重要组成部分,愈发受到人们的重视,其层内差异大、物性差,导致其渗流机理复杂、产能预测难度较大。本文基于对鄂尔多斯盆地叁迭系延长组致密储层特征研究,通过流动单元理论以及工程数学方法,形成了完整的致密油藏产能预测体系,可以应用到油藏方案设计中。首先,利用岩心分析化验资料和生产数据,优选R35孔喉半径作为流动单元分类依据,将取心井段储层类型划分为四类流动单元。对岩心数据对应的测井数据与R35进行相关性分析,选择与R35相关性强的PERM、POR、SH和AC四条曲线作为非取心井段流动单元预测依据,建立BP神经网络模型,根据已分类结果和对应信息进行学习训练,达到预定精度后对非取心井段进行预测,从而将其划分扩展到非取心井段,获得储层流动单元地质模型。其次,为精确预测致密油藏产能,基于产能地质与工程措施的因素分析,采用灰色关联方法确定各流动单元的主控因素。建立了压裂直井产能预测模型,结合启动压力梯度与R35关系、应力敏感效应和各流动单元主控因素,最终得到分类产能预测模型。实例验证结果表明方法可靠适用。最后,根据产能预测模型,结合地质特征研究认识,划分了各小层产能有利区,指导了后期生产调整。因此,建立的致密油藏产能预测体系对实际生产开发具有实际意义。(本文来源于《中国石油大学(北京)》期刊2016-05-01）
刘桂莲,张新昌,张长庚,朱翠丽[5]（2014）在《单元机组协调系统的模型预测控制》一文中研究指出单元机组中的锅炉-汽轮机协调系统,具有滞后、耦合、时变以及模型不确定性等特点。针对该协调过程,设计了一种预测控制策略,它利用预测模型与滚动优化策略,减小了模型不确定性、时变以及滞后等因素的影响。最后通过300 MW单元机组协调控制系统的仿真实验,验证了所设计控制算法的性能。结果表明在机组工况发生变化或受到干扰时,被控系统具有快速的负荷适应性、良好的抗扰动能力和很强的鲁棒性,是一种具有实用价值的单元机组协调控制方法。(本文来源于《电力系统保护与控制》期刊2014年10期）
张道军,成秋明,左仁广[6]（2013）在《证据权模型中两种预测单元划分方式对比》一文中研究指出证据权模型作为一种数据综合方法已被广泛应用于矿产资源定量预测与评价。在模糊证据权基础上,发展了基于地质单元思想的矢量证据图层构建和数据综合方法,并通过实例作具体阐述:它以矿点缓冲区图层作为训练图层,以各证据变量图层在空间上的迭置所形成的唯一地质单元作为评价对象,统一计算各个证据变量的证据权重,进而基于地质单元进行证据综合和后验概率成图。与基于栅格(或规则格网)的模型不同,基于矢量证据权模型以具有明确地质内涵的地质单元(而非规则网格单元)为预测单元,易于解释,并且消除了边界误差;相比基于规则格网划分所得到的成矿单元,以矿床(点)缓冲区作为训练对象,提高了已知矿点的代表性。实例表明:若预测单元大小为初始栅格大小整数倍,各缓冲等级平均面积计算误差为0.26%,否则面积平均误差达到6%;即使在预测单元大小为初始栅格大小整数倍情况下,矿点平均计算误差也达到4.78%。因此,基于地质单元思想的证据权预测单元划分方法在精度上优于基于栅格或规则格网方法。(本文来源于《吉林大学学报(地球科学版)》期刊2013年03期）
李俊刚[7]（2012）在《基于多级混合单元模型的CO_2驱最小混相压力预测》一文中研究指出目前,国内大多数油田开采已经进入中后期,产能递减速度快,综合含水高,常规注水开发效果不显着,难以提高低渗透油田的采收率;提高采收率是各大油田急需解决的首要课题。注CO2驱油具有提高采收率效果显着、适用范围广、驱油成本低和安全环保等优点,根据其机理可分为非混相驱和混相驱,其中混相驱高于非混相驱的采油效率,混相驱油效率理论上可达100%,油藏的平均采收率可达90%以上;若要实现注入CO2气体混相驱替原油,地层压力必须大于最小混相压力。因此最小混相压力是确定混相驱油的一个重要参数,是提高原油采收率的关键,合理地预测最小混相压力对混相驱替设计具有重要的指导意义。预测最小混相压力的方法目前主要有实验法和经验公式法。实验法测定结果准确可靠,但耗时长、费用高,对仪器精度要求高,还易受人为因素影响;经验公式法简单、直接,但结果粗略、适应性不强;因此寻找一种能准确预测最小混相压力的方法是非常有必要的。本文研究利用多级混合单元模型预测最小混相压力的方法具有计算时间短、结果可靠等优点。具体的创新研究内容如下:首先,在CO2与原油多级接触过程中的热力学研究基础上,建立了描述平衡气液相组成、物质的量摩尔数守恒的物质平衡条件方程组,描述平衡常数与逸度关系的热力学平衡条件方程组和用于相平衡计算的状态方程结构体系,为建立多级混合单元模型奠定理论基础;其次,把细管实验用的填充细管离散为一系列具有相同体积的单元,连续注入的气体离散为一系列具有相同体积的批次,设定每个单元中的温度和压力恒定,单元间不存在物理扩散和毛管力作用,对每个单元进行热动力p/T闪蒸计算,建立多级混合单元模型;再次,以具体油气体系为例,研究多级混合单元模型中气油比GOR和分流函数对组分路径及混相发展过程的影响,分析多级混合单元模型预测CO2驱油最小混相压力的可行性;分析多级混合单元模型的可靠性,结果表明:多级混合单元模型平均相对误差仅为2.78%,具有良好的预测精度;然后,运用多级混合单元模型,分别对叁元体系、四元体系和多元体系进行计算,求解出各关键结线的组成,对最小混相压力进行预测。分析CO2纯度、油层温度和原油组成等对最小混相压力的影响,研究得出:①杂质气体的临界温度高于CO2的临界温度,最小混相压力随CO2气体浓度的增大而增大,反之则减小;②在其它油层参数相同的情况下,最小混相压力随温度的增加而增大;③原油中轻质和中等组分含量越多,则最小混相压力越小。最后,针对芳48区块和欢26区块原油,以细管实验测定的最小混相压力为标准,对各种确定最小混相压力的理论方法进行比较,得到每种方法计算最小混相压力的适用范围和特点;误差分析表明多级混合单元模型预测最小混相压力的方法最优。(本文来源于《东北石油大学》期刊2012-05-30）
左中鹅,王瑞,徐磊[8]（2009）在《基于有限单元法的平纹织物复合材料强度预测:1.RVE的有限元模型》一文中研究指出为更准确预测平纹织物复合材料的强度,基于平纹织物层合板内纱线的细观分布,建立具有双凸结构的特征体积单元RVE(representative volume element)有限元模型。模型内纱线浸渍体为弹性体,物性值随纱线走向变化,树脂为塑性体。利用有限元分析软件ANSYS,使用20节点solid单元分别对纱线、树脂进行离散,通过数值分析计算复合材料模量,并根据复合材料内纤维与基体的失效准则预测单胞强度。结果表明:通过有限元模拟得到的弹性模量值同理论计算值及实测值均一致,且预测的单胞强度同复合材料实际强度相吻合;RVE有限元模型支持参数化建模,对平纹织物复合材料的强度预测有很好的应用价值。(本文来源于《纺织学报》期刊2009年12期）
王景学[9]（2009）在《基于T-S模型的模糊预测控制在火电单元机组协调控制系统中的应用研究》一文中研究指出火电单元机组具有控制对象复杂、非线性、强耦合、模型难以建立等特点,运用传统的控制方法很难设计出既能迅速适应电网负荷的变化,又能使压力维持在额定值附近的控制系统。本文在参阅大量文献的基础上,提出采用基于T-S模糊模型的广义预测控制策略,用T-S模糊模型作为预测模型,采用多变量广义预测控制方法实现预测控制。本文首先研究了火电单元机组协调控制系统的特点及其动态特性,以及T-S模糊模型和模糊辨识算法,按照结构辨识和参数辨识的辨识原则,建立协调控制系统的T-S模型。在此过程中采用模糊C均值聚类算法辨识T-S模型的前提结构和参数,用递推最小二乘算法辨识结论参数,针对以上离线辨识实时性差的缺点,采用改进的在线辨识递推算法,研究辨识算法的跟踪性能。应用T-S模糊模型作为广义预测控制算法的预测模型,突破了传统数学模型的约束,提高了模型的预测精度,避免了Diophantine方程的在线求解,大大减小了广义预测控制算法的在线计算量,增强了其实时应用功能。将模糊控制和预测控制相结合,进一步提高了控制的效果。将其应用于大型火电单元机组协调控制系统,具有一定的理论研究意义。仿真表明,FMPC较GPC具有更为快速稳定的控制效果,通过变工况,并与传统PID控制比较,仿真验证了该算法具有较强的鲁棒性。(本文来源于《内蒙古工业大学》期刊2009-06-01）
王易军,李安桂,钟洋,张辉[10]（2008）在《预测地下水电站坝体廊道温降的通道单元数学模型及其应用》一文中研究指出在通风网络的基础上,提出了简化的通道单元数学模型,与数值模拟方法的计算结果进行了对比,并以景洪水电站坝体廊道为例进行了分析,验证了该模型的有效性。(本文来源于《暖通空调》期刊2008年04期）
单元预测模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
战争推演作为真实战争的模拟,可以预先推估战争局势的发展,在现代战争中具有举足轻重的作用。近些年来,涌现了一批战争模拟测试平台,星际争霸作为一款多兵种战争对抗类游戏,一定程度地展现了战争模拟中遇到的各种挑战,如复杂环境,战争迷雾等,成为验证各种人工智能算法的主流平台之一。本文以星际争霸为载体,提出了一种基于深度学习的对抗单元预测与估计模型,这里的对抗单元指的是星际争霸中的作战兵力,该模型可以实现给定状态下生产何种对抗单元的预测。具体来说,作者定义了一系列特征,以提取不同状态下敌我双方信息,同时采用了一系列深度学习算法以获得上述信息到动作的映射,即合理规划兵力。本文测试了上述算法的性能,指出考虑时序信息的循环神经网络模型可以取得更优的预测准确率。最后,本文嵌入上述算法并设计了智能体cpac,与现有智能体的对抗结果进一步展示了所设计智能体的性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
单元预测模型论文参考文献
[1].陈海文,王守相,王绍敏,王丹.基于门控循环单元网络与模型融合的负荷聚合体预测方法[J].电力系统自动化.2019
[2].尹奇跃,詹东,张俊格,黄凯奇.不完全信息下对抗单元预测与估计模型[C].第六届中国指挥控制大会论文集（下册）.2018
[3].牛哲文,余泽远,李波,唐文虎.基于深度门控循环单元神经网络的短期风功率预测模型[J].电力自动化设备.2018
[4].李翔龙.基于流动单元的致密油藏产能预测模型[D].中国石油大学(北京).2016
[5].刘桂莲,张新昌,张长庚,朱翠丽.单元机组协调系统的模型预测控制[J].电力系统保护与控制.2014
[6].张道军,成秋明,左仁广.证据权模型中两种预测单元划分方式对比[J].吉林大学学报(地球科学版).2013
[7].李俊刚.基于多级混合单元模型的CO_2驱最小混相压力预测[D].东北石油大学.2012
[8].左中鹅,王瑞,徐磊.基于有限单元法的平纹织物复合材料强度预测:1.RVE的有限元模型[J].纺织学报.2009
[9].王景学.基于T-S模型的模糊预测控制在火电单元机组协调控制系统中的应用研究[D].内蒙古工业大学.2009
[10].王易军,李安桂,钟洋,张辉.预测地下水电站坝体廊道温降的通道单元数学模型及其应用[J].暖通空调.2008