时空相关性

摘要： 计及时空相关性的多维风光荷功率概率预测可全面描述风光荷不确定性,为电力系统安全稳定和经济运行提供保障。提出一种基于R藤Copula-动态贝叶斯网络(DBN)时空相关性建模的风光荷功率概率预测方法。基于R藤Copula模型和传递熵刻画多维变量的空间相关性,建立初始状态的贝叶斯网络;将初始贝叶斯网络在时间点序列上进行延拓,构建可刻画风光荷功率时间自相关性和空间相关性的DBN;将所建模型应用于计及时空相关性的高维风光荷功率概率预测。算例仿真验证了所提方法的有效性。

摘要： 光伏功率预测对于电网调度具有重要意义。该文针对缺少辐照度测量装置的分布式光伏电站,提出一种基于卫星遥感的超短期分布式光伏功率预测方法。首先基于Res-UNet模型对短波辐照(SWR)网格进行时空预测;然后对预测的SWR网格进行空间插值得到地面分布式站点的未来辐照度;最后构建基于编解码器的长短期记忆(LSTM)模型预测光伏出力。其中Res-UNet可以充分学习SWR网格的时空相关性,LSTM通过引入日编码和时间编码可以更好地学习辐照度的年周期性和日周期性。在真实光伏电站上的功率实验表明,与以数值天气预报辐照度为输入的光伏功率预测方法相比,以Res-UNet+插值预测的辐照度为输入的光伏功率预测方法实现了更高精度的超短期光伏功率预测。

摘要： 交通流预测在交通管理和城市规划的应用中具有重要意义,然而现有的预测方法无法充分挖掘其潜在的复杂时空相关性,为进一步挖掘路网道路网络数据的时空特性以提高预测精度,提出一种多时空图卷积网络(multi-spatial-temporal graph convolutional network,MST-GCN)模型。首先,利用切比雪夫图卷积(ChebNet)结合门控循环单元(GRU)构建时空组件以深度挖掘节点的时空相关性;其次,分别提取周相关、日相关、邻近时间的序列数据,输入三个时空组件以深度挖掘不同时间窗口间的时间相关性;最后,将时空组件与编码器—解码器网络结构(encoder-decoder)融合组建MST-GCN模型。利用加利福尼亚州交通局(Caltrans)性能评估系统中高速公路数据集PEMS04和PEMS08进行实验,结果表明新模型的性能明显优于门控循环单元模型和最近提出的扩散卷积循环神经网络(DCRNN)、时间图卷积网络(T-GCN)、基于注意力机制的时空图卷积神经网络(ASTGCN)和时空同步图卷积网络(STSGCN)模型。

摘要： 子空间追踪算法(Subspace Pursuit, SP)利用回溯修剪提高了重构准确率,且迭代过程中原子选取更少,复杂度更低,但其性能易受初始支撑集的影响。针对该问题,提出一种基于支撑集先验的多通道脑电信号重构算法。分析了同类别多通道脑电信号支撑集的时空相关性,将同类前一通道的支撑集作为当前通道重构支撑集的先验信息,提升支撑集选取的准确度,进而加快信号重构速度,提高重构的精度。仿真结果表明,在同等采样率下,相较于子空间追踪算法和自适应正则化子空间追踪算法,该算法对多通道脑电信号的重构时间更短,精度更高。

摘要： 数值天气预报(numerical weather prediction,NWP)修正是提升风光功率预测精度的关键技术之一,但目前鲜有对NWP辐照度修正的研究,同时现有的NWP风速修正方法大多只考虑单一位置,忽略了风速间的时空耦合特性,影响修正效果。针对这一问题,提出了考虑区域风光资源时空相关性的多点NWP风速和辐照度集中式修正方法。以区域内多个风电场和光伏电站的实测风速、辐照度数据为修正模型的学习目标,建立基于注意力神经网络的多点NWP集中修正模型,同时修正多个具有一定相关性的场站级NWP数据。结合某区域8个风电场和7个光伏电站的NWP数据和历史风速/辐照度数据,对所提方法进行验证,结果表明,相比于传统的单点NWP修正方法,所提方法能够有效提高NWP精度。

摘要： 准确的交通流预测能够为管理部门提供合理的决策依据,为驾驶员提供实时的道路状况预警,是交通领域至关重要的问题。近年来,相关研究利用图卷积神经网络(GCN)处理非欧式空间结构的特点,对来自复杂路网的交通流数据进行空间相关性建模。然而,现有基于图卷积的交通流预测方法未能充分考虑空间相关性的有向性和动态性这两个重要特点。考虑到动态交通流呈现出由固定道路结构约束的稳定空间相关性和受交通环境变化影响的动态空间相关性,提出了一种用于动态交通流预测的端到端双流图卷积网络(TSGCN)。首先,将实时交通流数据分解为具有不同空间相关性的稳定分量和动态分量。其中,稳定分量表示受路网约束和交通习惯影响的部分,动态分量则代表因交通状况变化(如交通拥堵和恶劣天气)引起的波动。然后,通过双流图卷积层提取稳定和动态的空间相关性。最后,使用参数化跳过连接方法来融合时空相关性以获得最终的预测结果。在两个公开的真实交通数据集上的实验结果表明,提出的模型优于对比的交通流预测方法。

摘要： 交通速度是衡量交通状态的一个重要指标,实时、准确的交通速度预测是构建智能交通系统的重要一环。针对交通速度存在随机性、非线性、时空相关性等问题,提出了一种新的基于注意力机制和图卷积神经网络相结合的交通速度预测模型。首先,使用注意力机制构建时空注意力权重矩阵,再联合图卷积方法捕获交通信息中的空间相关性特征;然后,通过门控时卷积的方法获取时间相关性;最后,将所提模型与其他5个基准模型分别在2组公开的交通速度数据集上进行预测。实验结果表明,该预测模型在2个数据集上的准确率分别为75.1%和86.6%,比先进的基准模型的准确率高3%左右。说明所提模型具有较高的准确率和稳定性,可为交通管理提供科学依据。

摘要： 随着大数据与AI技术的发展,由数据驱动的预测模型层出不穷,数据清洗在提升这些模型预测中起着重要的作用。从公交车运行数据的时空相关性入手,分析了公交大数据存在的四类异常,接着在对时间相关性、空间邻近性、时空依赖性等公交大数据特性的分析基础上,提出了整合缓冲区、四分位数、时间依赖网络等时空处理方法的冗余清洗、范围清洗、异常清洗、补全清洗四种清洗方法,然后对公交进出站、轨迹数据集用这几种清洗方法进行了清洗。在不同清洗数据集下,通过LSTM公交到达时间预测精度的比较分析,证明了数据清洗对预测精度的提升是显著的。

摘要： 传统的虚假信息控制方法难以及时更新输电网移动信息,导致节点死亡数量过多。为此,本研究提出基于时空相关性的输电网虚假信息智能控制方法。在分析虚假信息注入过程的基础上确定虚假信息,然后使用基于时空相关性的信息处理方法融合虚假信息,并消除冗余信息。基于此,设计分簇路由结构,从而确定虚假信息集群的移动路径。根据簇内节点连续采集的数据构建智能控制模型,及时更新输电网移动信息。由实验结果可知,该方法在有无备用连接方式的情况下,节点死亡数量均较少,且能够及时控制虚假信息,具有良好的控制效果。

摘要： 针对短时交通流预测模型复杂度与预测精度的矛盾,提出基于集成学习的XGBoost(eXtreme gradient boosting)模型预测交通流,充分利用其对高维特征数据预测精度高以及计算速度快的优势。首先对原始数据的异常值进行中值滤波处理;然后基于XGBoost模型建立预测模型,利用交叉验证的方法确定最优的超参数取值,对测试集进行预测得到各个特征的重要度;最终将模型预测结果与其他短时交通流预测方法的预测结果进行比较。结果表明:中值滤波降噪处理和充分利用相邻断面的交通流数据均对模型预测精度有显著提升,XGBoost模型的预测精度高达96.6%,相比其他短时交通流预测模型更能充分利用交通流的时间特性和空间相关性。

摘要： 在大数据技术日益成熟的当下,尽管交通流数据的获取方式趋于多元化、规模不断扩大,但由数据采样率不足与传输紊乱导致的数据质量问题普遍存在,进而对后续的数据挖掘和模型构建带来很大的影响.本文提出了一种基于张量分解的稀疏交通流数据补全方法.首先基于实际的城市道路交通流速度数据,验证了交通流的时空相关性;在此基础上改进了基于CP分解的加权优化方法,通过合理地加入拟合交通流时变特性和路段特性的正则化项,提高了方法在不同数据缺失程度下的补全效果,为城市道路交通状态感知与预测提供了重要支持.

摘要： 当网络异常事件发生时,传感器节点间的时空相关性往往非常明显.而现有方法通常将时间和空间数据性质分开考虑,提出一种分散的基于概率图模型的时空异常事件检测算法.该算法首先利用连通支配集算法(CDS)选择部分传感器节点监测,避免监测所有的传感器节点;然后通过马尔可夫链(MC)预测时间异常事件;最后用贝叶斯网络(BN)推测空间异常事件是否出现,结合时空事件来预测异常事件是否会发生.与简单阈值算法和基于贝叶斯网络算法对比,实验结果表明该算法有高检测精度、低延迟率,能大幅降低通信开销,提高响应速度.

摘要： 通常有限元计算输电导线舞动时仅采用平均风速,实际作用在导线上的荷载在时间与空间上都具有脉动性质.本文采用基于Davenport相关系数的谐波叠加法模拟风速时程,运用Y.M.Desai提出的三节点有限元模型,针对两端固支的单跨单导线,同时进行了平均风荷载和考虑脉动风荷载下的舞动计算,并加以比较分析.

摘要： 电离层TEC和地磁变化场是地球空间电磁环境的两个重要参量.均源于太阳扰动的电离层TEC与地磁变化场之间存在某种相关关系,二者的相关关系问题主要涉及电离层TEC扰动是超前、同步亦或滞后于地磁扰动,以及二者的变化趋势、极值对应性、变化率和相位关系等.本文从电离层TEC与地磁变化场联合观测实验人手,采用多种几何布站、多种尺度方式对电离层TEC与地磁三分量进行同点同时观测,获取局地电离层TEC与地磁变化场的高时间和空间分辨率监测数据;从系统动力学的角度,对同点同时观测的电离层TEC与地磁变化场(既有空间环境变化平静期也有扰动期)进行非线性非平稳时间序列分析,重点研究电离层TEC与地磁变化场的时空相关特性;再利用二者之间的高分辨率时空相关特性建立电离层TEC与地磁变化场综合预测模型,这不仅可以进一步提高预测精度与可靠性,而且可以为临近空间环境监测与局地(战区尺度)空间天气预报提供理论基础和技术支持.

摘要： 本文提出了一种快速背景建模方法，有效利用了时空相关性并消除了时空中的冗余信息。通过在空间域上建立适当数目基于像素强度的全局高斯模型，然后在时域中采取由粗到细的两步更新策略，实现前景和背景的分离。本方法不仅突破了传统算法中时空结合的简单叠加，而且消除了因目标在场景中缓慢运动和暂驻引起的前景蚕食现象。实验结果表明，本文算法不仅鲁棒性好，更重要的是运算速度快，占用系统资源少，具有很好的应用前景和价值。

摘要： 在基于层次包围盒碰撞检测算法中，参与相交测试的包围盒的数目直接会影响到碰撞检测的速度。针对这一特点，本文利用虚拟环境中对象运动的时空相关性对k-DOPs包围盒树进行优化，通过跟踪上一时间点对包围盒树的遍历过程，确定当前时间点的遍历路径，从而有效地减少遍历过程中包围盒相交的次数，大大地提高了碰撞检测的速度。

摘要： 地表土壤水分和降水具有高度相关性,是2个密切相关的地-气相互作用参量.采用同时反演获取的土壤水分和大气降水数据来研究土壤水分的变化情况,定量理解降水和土壤水分之间的物理联系,进而可以获得对反演算法改进有用的信息.采用被动微波辐射计AMSR-E反演获得的全球地表土壤水分和降雨率数据作为研究对象,一共收集了2005年10月1日至2006年10月31日之间共395 d的AMSR-E全球日土壤水分产品和升、降轨道瞬时降雨率数据.把降雨率轨道产品经过等积割圆柱投影并重采样到同日土壤水分产品相当的25 km分辨率EASE-Grid格点上.针对土壤水分和投影后得到的日降雨率数据进行每2,8,16 d的时间维平均,在空间维进行3×3、5×5、7×7格点的重采样,经时间序列对比,分析了降水对土壤水分反演的影响及其时空相关特性,并对反演参数间弱相关性出现的原因进行了探讨,这对于发现微波土壤水分和大气降雨算法的不足,提供其改进方向具有重要的指导意义.

摘要： 自20世纪70年代以来,地球物理学家对天文潮汐和地震的相互关系进行的研究一直没有间断,迄今为止,地震和天文潮汐之间的关系仍然没有定论,有待进一步的研究.本文利用ISC(国际地震中心)、SCSN(南加州地震中心)、CN(中国地震信息中心)数据进行统计分析,探讨了地震活动性和太阳、月球在地球表面引潮力的关系.

摘要： 利用在美国中部和东部进行的低光度观测网络和甚高频闪电成像网络的协同观测，分析了中尺度对流系统中产生“红色精灵”的正地闪过程的时空发展特征.对2011年159次位于距离LMA中心200公里内的事件的分析表明,这些一般伴随较强脉冲电荷距(e.g.,>+200C·km)和长时间连续电流的正地闪过程的电荷源高度一般比冻结层高2到4公里,对应的环境温度在-10°C到-30°C之间.此外,对一次典型中尺度对流系统的分析表明正地闪电荷源高度随着雷暴的发展存在比较大的变化,但始终保持在冻结层高度之上.

摘要： 利用在美国中部和东部进行的低光度观测网络和甚高频闪电成像网络的协同观测，分析了中尺度对流系统中产生“红色精灵”的正地闪过程的时空发展特征.对2011年159次位于距离LMA中心200公里内的事件的分析表明,这些一般伴随较强脉冲电荷距(e.g.,>+200C·km)和长时间连续电流的正地闪过程的电荷源高度一般比冻结层高2到4公里,对应的环境温度在-10°C到-30°C之间.此外,对一次典型中尺度对流系统的分析表明正地闪电荷源高度随着雷暴的发展存在比较大的变化,但始终保持在冻结层高度之上.

摘要： 一种同时建模时空依赖性和每日流量相关性的人流量预测系统，包括：ST编码器模块、FR编码器模块和解码器模块，本发明使用卷积长短期记忆网络同时空间上相邻区域的依赖性和时间依赖性，通过叠加卷积神经网络来分层次地捕获地理空间上不同范围的空间依赖性，同时基于区域的每日流量变化模式生成反映全市范围内每个区域之间流量相关性的完全图，通过图嵌入法为每个区域生成固定维向量表示，通过一层长短期记忆网络和两层反卷积神经网络，生成人流量的预测结果。

摘要： 跨语言相关性判断装置，包括：数据库，其存储有包括多个句子的数据；关系判断单元，其计算在所述数据库中一特定词出现在输入的两个词之间的次数，并基于以计算出的次数为一假想空间中的坐标值的坐标的位置，判断所述两个词在概念上是否为层次关系或并列关系，所述假想空间具有表示所述特定词的出现次数的轴。

摘要： 本发明公开一种可直接捕获时空相关性的时空数据预测方法，包括如下步骤：准备方法所需数据；构建可直接捕获时空相关性的时空数据预测模型；对构建的模型进行训练，得到模型参数；用训练好的模型对时空数据进行预测。本发明解决了现有时空数据预测方法无法捕获时空数据中紧密的时空相关性的缺点，可以有效的挖掘出时空数据中的时空特征，从而提高时空数据预测任务的准确性，在交通管理、灾害预测等多种领域都具有非常重要的应用价值。

摘要： 本发明公开了一种基于网络数据流间时空相关性的网站指纹识别方法和系统，其中的系统方案与方法方案一一对应，方法方案中将网站加载过程所产生的网络数据流构建成网络数据流间时空相关图，从全局的时空视角对网络数据流的行为特征及其时空相关性进行建模，形成网络数据流间时空相关图，可以克服欧几里德结构数据无法完全展现流量数据的行为模式的问题，从而帮助识别不同的网站；并且，通过图神经网络处理网络数据流间时空相关图进行处理，可以提取出多个网络数据流的综合表征，从而准确识别不同的网站指纹。

摘要： 本发明公开了一种考虑可再生能源时空相关性的共享储能优化配置方法、系统及存储介质，方法包括一种多可再生能源电站出力的联合概率分布模型和一种考虑负荷缺电率和新能源消纳率等可靠性指标的储能容量配置方法，首先对单个可再生能源电站出力进行概率特性拟合，其次基于不同二元Copula函数建立不同可再生能源电站出力联合概率模型，再次以最短距离法筛选出欧式距离最小的联合概率模型，最后以建设及运行成本最小为目标配置共享储能系统容量。本发明通过研究不同风可再生能源电站出力之间的相关性，在满足系统可靠性前提下通过科学配置，降低共享储能的容量配置，以节约工程造价，提升共享储能项目的经济性。

摘要： 本发明涉及一种考虑时空相关性的短时交通流预测方法、装置及存储介质，该方法包括首先考虑交通流的空间相关性，采用KNN算法筛选与预测站点相关的附近检测站点，并以所选检测站点的交通流序列构造数据集；接着考虑交通流的时间相关性，将所构造的时序历史交通流量数据输入到LSTM神经网络进行训练与测试；最后通过真实历史交通数据对提出的短时预测方法进行验证。本发明充分利用交通流数据的空间相关性，提高了短时交通流的预测精度；同时引入LSTM神经网络模型，充分利用交通流数据的时间相关性，以此提高短时交通流的预测精度。本发明在实际交通流量预测中具有较高的准确性和较好的实用性，可以实现快速、准确的短时交通流预测。

摘要： 本发明的一种基于时空相关性的多目标跟踪方法、设备及存储介质，包括以下步骤，对于任意给出的一帧行人图像，组成运动图像对送入训练好的深度神经网络跟踪模型，直接输出行人目标在当前帧图像和前一帧图像中的位置，以此循环执行，实现多行人目标的连续跟踪；所述深度神经网络跟踪模型包括特征提取模块backbone module、检测跟踪模块detect‑track module，更新模块update module，其中，更新模块update module不参与训练，只在测试时起作用；本发明借助一个具有自适应时空相关性的深度神经网络模型，直接端对端的完成多目标跟踪过程，通用性强，实时性高，误差来源更少，可长时间跟踪，跟踪效果鲁棒性强。

摘要： 本发明公开了一种基于时空相关性的风电场短期风速预测方法，该方法基于VMD和混合深度学习模型CNN‑Attention‑LSTM，首先获取目标站点风速的时空数据，经过数据清理后进行VMD分解，获得较为稳定的IMF(固有模态函数)分量；进一步地，针对各IMF分量，应用底层的CNN模型抽取风速的空域特征；再应用项层LSTM模型进行风速时域特征的提取并得到各分量的预测结果，同时融合通道注意力机制；最后进行合并获得最终预测风速。本发明充分利用风速的时空相关性，结合VMD和CNN‑Attention‑LSTM网络，改善原始风速的不平稳特性，有效提高风速预测精度，可以优化包含风电场的电网调度性能，保障电力系统的可靠、经济运行。

摘要： 本发明公开了一种考虑时空相关性的新能源出力典型场景提取方法及系统。该方法包括：获取新能源出力数据；所述新能源出力数据包括气象要素、地理信息、理论出力、实际出力和电力电量平衡；对所述新能源出力数据进行预处理；基于不同时空尺度对处理后的新能源出力数据进行集成；提取集成后的新能源处理数据中的实际出力作为聚类属性变量；基于DBI指标和CHI指标，采用聚类算法对提取后的数据进行聚类，确定新能源出力典型场景。本发明考虑了大规模新能源发电条件下不同时间尺度和空间尺度的影响，提取更具表征性的新能源发电出力典型场景。

摘要： 一种考虑时空相关性的新能源出力场景构建方法及系统，包括，基于各区域风/光历史出力序列和时间序列，计算空间相关性矩阵和时间相关性矩阵，基于各区域的功率预测数据，并采用拉丁超立方采样方法，得到采样矩阵，基于所述时间相关性矩阵、空间相关性矩阵和所述采样矩阵通过Nataf变换构建时空相关性新能源出力场景；本发明通过历史数据获得采样矩阵和时间、空间相关系数矩阵，并计算标准正态分布时空场景矩阵，确定标准正态分布时空场景矩阵变换时空场景矩阵原理，快速构建新能源出力场景。