简介:针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).
简介:短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要意义,针对现有的神经网络法、小波分析法等单一预测模型预测精度提升有限的问题,引入集成学习的思想和方法,提出一种基于Stacking算法改进支持向量机(SVM)的短期光伏发电预测方法.该方法先使用多个不同的初级SVM对预测样本进行一次预测得到多个预测输出;然后对训练集进行聚类,使用与预测样本同类别的训练样本训练次级SVM;最后使用次级SVM对多个预测输出进行结合得到最终预测结果.经光伏发电系统的实际运行数据实验,结果表明本文提出的方法相较于单一预测模型精度有了明显提升.
简介:Inductivelycoupledplasmaatomicemissionspectroscopy(ICP-AES),pioneeredbyVAFasselandSGreenfieldwiththeinspirationfromReed,isoneofthemostexcitingdevelopmentsinanalyticalinstrumentationsince1960’s.Itcandetermineabout70elementsontheperiodictablewithbetterprecisionandequalorbettersensitivitythanthatobtainedwithflameatomicabsorptionspectrometry(FAAS).Inaddition,certain"difficult"elementsforFAAS,suchasAl,B,C,P,SandTi,etc.,canbeeasilydeterminedbyICP.TheICPisnotonlyaveryusefulexcitatiomsourceforAES,butalsoaveryusefulsourceforatomizationinatomicfluorescencespectrometry(AFS)andforionizationinatomicmassspectrometry(MS).Thislecturedeals
简介:本文提出了一种以十六烷基三甲基溴化铵(CTMAB)为增敏剂的测定痕量抗坏血酸的光度分析方法。吸收波长为664nm,抗坏血酸用量在0—10μg/mL范围内符合朗伯一比尔定律,线性方程为△A=2.006C+0.0082,检出限量为4.2×10^-9g/25mL。本法有灵敏度高,抗干扰能力强,操作简便等优点,用于Vc药片中抗坏血酸测定,获得满意结果。