预测误差

摘要： 改进像素值排序(IPVO)算法采用预测差值“0”和“1”进行信息嵌入,其他预测差值执行移位操作,针对其嵌入空间利用率和感知质量较低的问题,提出一种基于自适应压缩移位区间的IPVO可逆数据隐藏方法。通过统计像素值排序方法各预测差值出现频率,使用频率为零次的预测差值压缩移位区间,根据嵌入需求选择合适的连续移位预测差值区间和嵌入差值密度较大区域进行信息嵌入,改进IPVO可逆数据隐藏方法。通过图像不可感知性、嵌入容量和鲁棒性实验分析表明,在相同嵌入量下,压缩移位区间可以减少执行移位操作的像素数量,降低信息嵌入对图像感知质量的影响;在保证良好视觉质量前提下,算法嵌入容量性能没有下降,并具有较强的鲁棒性。

摘要： 适用性强且准确度高的冷热电负荷预测方法能更好地为机组设备选型提供可靠依据,从而整体提升系统综合效率。针对传统BP神经网络局部过优化、预测误差较大等问题,将遗传算法与BP神经网络相结合,提升预测准确性和可靠性。为了验证GA-BP神经网络预测方法的合理性,分别采用两种方法对铁岭某园区冷热电负荷进行预测,结果证明改进后的预测方法误差更小、贴合性更高。

摘要： 针对智慧楼宇负荷类型复杂且多变导致的负荷预测精度低等问题,提出了一种基于改进递归网络的智慧楼宇负荷预测方法.该方法在深度神经网络多隐层结构的基础上增设了关联层,使深度递归神经网络(DRNN)模型具有动态特性,并利用改进粒子群优化算法对模型权值空间进行优化,进而实现楼宇负荷的准确预测.基于不同类型楼宇的实验结果表明,所提方法的预测误差约在±0.3 MW的范围内波动,其均方根差与平均绝对百分比误差分别为0.27 MW和1.05%,且预测误差均小于其他对比方法.

摘要： 传统基于预测误差直方图平移的可逆信息隐藏算法大多通过固定顺序来扫描原始图像,从而进行数据嵌入,这种方式没有考虑图像本身的纹理信息,导致无效移位像素点较多,伪装图像视觉质量较差。为解决该问题,提出一种基于中值预测的四轮嵌入可逆信息隐藏算法,以在提高嵌入容量的同时降低伪装图像的失真率。利用相邻像素之间具有较强相关性的特点,在较小的误差值处聚集大量像素点,以得到更陡峭的预测误差直方图并提高嵌入容量。对每个像素点定义复杂度,根据复杂度的高低对预测误差进行排序,优先在图像平滑区域嵌入数据,从而有效减少无效移位像素点个数,降低伪装图像的失真率。实验结果表明,该算法的最大嵌入率可以达到0.3 bpp,在0.1 bpp的嵌入率下峰值信噪比高达55.15 dB,与非对称直方图算法、误差直方图移位算法等相比,其具有较高的嵌入容量和较小的视觉失真率。

摘要： 随着互联网技术的发展和社交网络的普及,可逆信息隐藏技术因其具有无损恢复载体信息的特性而被广泛应用于医疗、军事等领域的隐蔽信息传输。传统的可逆信息隐藏方案大多聚焦于嵌入容量提升和载密图像失真率降低,并未过多关注人们对图像视觉细节的要求,难以抵抗隐藏信息检测方法。针对上述挑战,从增强图像视觉平滑度方面入手,提出了一种增强图像平滑度的可逆信息隐藏方案,在嵌入隐蔽信息的同时提升载密图像最终的视觉质量。具体来说,所提方案将目标图像分为参考区域与非参考区域,利用非参考区域的图像像素预测值与原始像素值的差值作为信息嵌入的判断依据,通过差值平移来嵌入信息;进而构造图像平滑机制,采用高斯滤波作为秘密信息嵌入时像素值修改的模板,对预测值进行滤波计算,将滤波差值无损地加入载体图像中,以达到图像平滑的效果;同时将参考区域的像素值作为边信息,用于实现信息提取方对原始载体图像和秘密信息的无损恢复和提取;并以高斯函数中的滤波系数作为预置秘密信息对嵌入信息进行加密处理以保证嵌入信息的机密性。大量经典图像数据集的测试与分析结果表明,所提方案处理过的载密图像视觉平滑度得到了显著增强,具有较低的失真率、较高的嵌入率和较高的嵌入提取效率。在典型环境下,其生成的载密图像与高斯滤波后的图像相似度可达0.996 3,且可获得37.346的峰值信噪比和0.328 9的嵌入容量。

摘要： 针对电网净负荷时序数据关联的特点,提出基于数据关联的狄利克雷混合模型(Data-relevance Dirichlet process mixture model,DDPMM)来表征净负荷的不确定性.首先,使用狄利克雷混合模型对净负荷的观测数据与预测数据进行拟合,得到其混合概率模型;然后,提出考虑数据关联的变分贝叶斯推断方法,改进后验分布对该混合概率模型进行求解,从而得到混合模型的最优参数;最后,根据净负荷预测值的大小得到其对应的预测误差边缘概率分布,实现不确定性表征.本文基于比利时电网的净负荷数据进行检验,算例结果表明:与传统的狄利克雷混合模型和高斯混合模型(Gaussian mixture model,GMM)等方法相比,所提出的基于数据关联狄利克雷混合模型可以更为有效地表征净负荷的不确定性.

摘要： 针对目前密文域可逆信息隐藏算法嵌入容量较小的问题,提出了基于预测误差双重编码的大容量密文域可逆可分离信息隐藏算法。首先为了预留秘密信息的嵌入空间,图像拥有者利用基于预测误差的哈夫曼编码及扩展游程编码对图像进行预处理,然后加密图像;数据嵌入者在加密后的图像中嵌入秘密信息;接收者根据信息隐藏密钥可以准确无误地提取秘密信息,根据解密密钥可以无损恢复图像,两者无顺序要求。实验结果表明,预测误差双重编码的应用有效地提高了嵌入容量。

摘要： 灰色系统预测模型GM(1,1)能在不考虑分布规律与变化趋势的情况下,将无规律的原始序列整理为规律性较强的序列,具有运算简易、检验方便的特点。人均工资受货币政策、社会收入分配结构等众多不确定因素的影响,适合用灰色系统预测模型进行计算分析。以2003-2019年采矿业城镇单位就业人员年平均工资数据为基础,对原始序列数进行级比运算,结果符合GM(1,1)的应用条件;据此建立采矿业城镇单位就业人员平均工资灰色系统预测模型,对模型作精度检验,结果符合一级精度标准;利用该灰色预测模型对2015-2019年的人均收入进行了验证,结果表明,预测值与实际值的误差小于15%,在可接受范围内;最后利用灰色系统预测模型对2020-2030年采矿业城镇单位就业人员平均工资进行了预测,结果显示,2025年人均工资将超过15万元,2030年将达到23万元。预测结果可为采矿业的从业人员和用人单位提供薪资参考。

摘要： 针对多目标运动轨迹预测过程中由于检测精度和实时性不足造成部分目标位置信息丢失和预测准确度不高问题,提出基于改进卡尔曼滤波的多目标轨迹运动轨迹预测(MMTP)算法。MMTP算法在目标检测阶段使用YOLOv4检测器提升目标检测的准确率和速度;在目标匹配阶段采用KM匹配算法将当前检测框的检测目标与上一时刻预测的预测框的目标进行数据关联,从而增强目标关联的准确性,避免目标遮挡、目标交错和漂移造成的目标丢失;在目标坐标预测阶段,提出改进卡尔曼滤波算法为每个运动目标预测下一帧位置坐标并画出预测框,提高非线性场景中目标坐标的预测精度,降低预测坐标的误差。使用MOT16与实际交通系统拍摄的视频序列数据集验证算法整体性能,仿真结果表明,MMTP在目标检测阶段具有较好的检测精度和速度,有效提升了算法整体的运行速度;在目标匹配阶段,MMTP算法能增强目标关联的准确性,减少目标丢失,比RMOT、POI、SORT、Deep-SORT和YVTP算法更优。

摘要： 现有风电容量可信度的研究通常属于系统规划层面,难以直接指导实际生产运行。从运行层面出发,研究风电运行容量可信度及其影响因素,分析了其对调度计划的指导作用。首先针对风电预测误差与预测出力之间的相关关系,建立多风电场预测误差的条件概率分布模型;其次建立风电和常规机组的等效容量分布模型并进行运行可靠性评估;继而提出运行层面风电容量可信度的定义及评估方法;最后结合实际风电数据和测试算例,对不同时间尺度运行容量可信度进行计算,得出风电运行容量可信度的相关结论,为大规模风电接入后的调度运行提供决策支持。

摘要： 本文针对微网风机、光伏出力及负荷功率具有不确定性,提出一种考虑不可控DG出力与负荷功率预测误差的微网两阶段动态优化运行方法.首先,基于储能装置各时段容量相互耦合,采用基于预测数据的混合整数规划求出微网日前出力计划.随后对实时运行中产生的不平衡功率,通过滚动修正日前出力计划,完成实时负荷的动态最优分配.算例采用蒙特卡罗方法模拟微网实时运行的功率不确定性,结果表明本文提出的优化策略相比于静态优化方法更具经济性.

摘要： 文章提出一种基于预测误差直方图的无损信息隐藏算法,首先按一定的扫描顺序计算每个像素和参考像素间的误差值,再利用预测误差直方图的多个峰值点进行直方图移位以嵌入秘密信息,通过交替预测误差计算的顺序来维持差值直方图的峰值特性,以改善多层嵌入时嵌入容量下降的问题.所提算法以遥感图像为载体进行了信息隐藏实验,结果表明所提算法的嵌入量和峰值信噪比优于其他几种算法,在净载荷信息嵌入量达1bpp时,含密栽体可保持较好的不可见性,是一种适用于以遥感图像为栽体进行隐秘传输的大容量无损信息隐藏算法.

摘要： 本文提出了一种新的基于预测误差的可逆水印框架——非对称误差直方图平移的可逆水印技术.不同于使用单预测机制创建对称直方图的传统算法,提出算法首先定义一个多预测机制,为待预测像素计算多个预测值;然后利用两个对偶的非对称选择函数非对称地选择出合适的值,从而创建出两个非对称的误差直方图;最后分别使用这两个误差直方图分层嵌入水印.由于分层嵌入过程中的还原效果,该算法在高嵌入率下具有较好的嵌入效果,为可逆水印提供了一个新的研究视角.

摘要： 本文针对开关柜的触点温度预测这一关键问题,以采集到的110kV高压开关柜触点温度数据为基础,运用MaP-reduce模型对一个监测点数据进行分析处理,运用多元线性回归方法,建立关于温度的回归模型,以F回归关系的显著性的判定标准,对预测结果进行分析,结果表明多元线性回归中的纵向回归,能够很好的拟合高压开关柜触点的温度,预测误差小,适用于温度的长期预测.

摘要： 本文考虑系统中普遍存在的多重不确定因素,引入不确定规划理论,将风电和负荷出力的不确定性表示为预测误差的不确定性.由于其出力特性的各不相同,分别采用模糊变量和随机变量处理,建立了模糊变量和随机变量共存的混合机会约束机组组合模型.根据所建模型,提出了混合模拟的进化算法进行求解.最后,为了证明模型的正确性,本文采用简化算例进行验证,结果分析表明所建模型的合理性和有效性.

摘要： 本文应用时间序列原理，基于公交站点客流变化规律的特性，建立了季节ARIMA模型，并利用计量经济学软件EViews加以求解。通过预测数据与实际数据的比较分析，预测误差在9%，作为中长期预测，结果在可以接受的范围;通过与传统的时间序列预测方法移动平均方法的对比，本文中的预测模型精度较高，在物联网环境提供大量数据的前提下，为公交动态调度的数据预测提供了一条新的途径。

摘要： 运用试验手段对U形和V形两种缺口形式、不同缺口根部半径的TC4缺口试样的高循环疲劳强度进行了研究.试验在常温、载荷比R为0.1的条件下进行.试验结果表明,TC4缺口试样表现出明显的HCF缺口尺寸效应,即相同理论应力集中程度下,缺口根部半径越大的缺口试样,HCF疲劳强度越低.同时,对于相同缺口根部半径和缺口深度的试样,U形缺口疲劳强度高于V形缺口.运用临界距离理论,对缺口高循环疲劳强度进行了预测,预测误差在±10％以内.

摘要： 本文以我国前10大证券机构发布的2010年上市公司盈余预测结果为基础,根据盈余预测误差的大小将样本公司划分为四类,然后分别研究每一类样本公司是否会为了迎合证券分析师的盈余预测而进行盈余调整以及调整的方向和程度.结果表明,证券分析师盈余预测误差在0％～20％范围内的公司、大于20％的公司以及在-20％～0％范围内的公司都会为了迎合证券分析师的盈余预测而调增了实际盈余,且盈余预测误差在0％～20％范围内的公司比盈余预测误差大于20％的公司和盈余预测误差在-20％～0％范围内的公司调增实际盈余的程度都大；而证券分析师盈余预测误差小于-20％范围内的公司,其调整实际盈余的行为则不显著.

摘要： 本文发展了一种旱涝预测的演化建模方法，数值试验结果表明，该方法能够从历史资料中准确地挖掘出气候要素演化的t要动力学特征，所建立的模型不仅能够较好的模拟要素的历史演变情况，而且还能够对未来的演变趋势进行准确的预测。就演化建模所得到的误差较大的模型而言，对其预测误差序列进行二次演化建模可明显提高模型的预测精度。

摘要： 随着风力发电装机容量日益增大及风电并网的规模不但加大，分析风功率波动对系统影响的要求越来越强烈。本文采用统计方法对风功率预测误差予以归类统计分析，获得风功率预测误差的概率分布。然后，在电力市场竞价环境下，考虑发电竞价和旋转备用竞价，采用改进的优先顺序法和原始对偶法分别求解机组组合和发电调度问题，求得电能的边际价格及其变化情况，从而分析风功率波动对电网购电成本的影响，并用概率密度分布分析购电成本变化规律。最后通过算例验证所提方法的可行性。

摘要： 本发明公开了一种基于误差场特征点的数控机床空间误差预测方法，包括步骤：a.测量机床三个运动轴误差及垂直度误差，获取三轴误差数据项；b.根据三轴误差数据计算机床误差场特征点空间三项误差，并存储在数控系统中；c.根据立方体8个顶点特征点误差数据预测机床空间非特征点误差补偿值。其通过测量机床三个运动轴误差及垂直度度误差数据，根据这些三轴误差数据计算获得机床空间特征点三项误差，然后根据立方体8个顶点特征点误差数据来预测位于该立方体中的非特征点任意位置的误差。该方法将具有测量数据量少、运算量小、补偿实时性高、精度可靠等优点。

摘要： 一种机床热误差自学习预测模型建模方法，包括如下步骤：1)输入机床热误差数据，初始化机床热误差数据并构建D1：t＝{(x1，y1)，(x2，yx)…，(xt，yt)}；2)构建概率分布模型；3)最大化AC函数以获得下一个评估点，并最小化目标函数和真实函数之间的总损失；4)评估目标函数以获得；5)判断是否达到最大迭代次数：若是，则输出参数集；若否，则将(xx+1，yt+1)添加到概率分布模型内以更新概率分布模型，返回步骤3)并重复上述步骤，直至获得最优解；6)将通过BOA算法获得的最佳超参数用于Bayesian‑LSTM神经网络模型，并使用Bayesian‑LSTM神经网络模型训练自学习误差预测模型，输出预测的热误差。本发明还公开了一种基于数字孪生的机床热误差控制方法。

摘要： 一种基于Mist‑边缘‑雾‑云计算的热误差预测系统，包括Mist计算层、边缘计算层、雾计算层和云计算层；Mist计算层包括：树莓派(RPi)，用于将传感器采集得到的电流、电压信号转换为热误差数据；边缘计算层包括：过滤器；放大器；路由器；微型数据中心，用于存储最近的热误差数据并判断设备运行状态是否正常并在设备运行状态异常时快速响应；雾计算层包括：服务器；热误差预测单元，预测热误差得到热误差预测值；云计算层包括：数据库；训练单元，根据数据库内存储的热误差数据训练热误差预测模型、并将训练得到的热误差预测模型传输至热误差预测单元以更新热误差预测单元内的热误差预测模型。本发明还提出了一种基于Mist‑边缘‑雾‑云计算的热误差补偿系统。

摘要： 本发明公开了一种主轴系统热误差建模方法，包括如下步骤：1)以改进的BA算法构建IBA‑GRU模型的结构；2)以GRU神经网络的时间窗口大小，批处理大小和单元数量作为优化变量，初始化蝙蝠种群；3)采用改进的BA算法优化IBA‑GRU模型；4)将优化得到的最优超参数用于IBA‑GRU模型，得到主轴系统热误差模型并用于预测主轴系统的热误差。本发明还公开了一种主轴系统动态热误差预测系统、热误差控制方法和云雾计算系统。本发明的主轴系统热误差建模方法、误差预测系统、误差控制系统、误差控制方法及云雾计算系统，具有出色预测性能和鲁棒性，能够反映热误差机制并具有自学习能力。

摘要： 本发明提供一种预测接收机中本振频率和接收信号的载波频率的频率误差的频率误差预测装置,包括：频率误差预测器(11),根据输入均衡滤波器(23)的滤波器系数来抑制在接收信号中包含的噪声成分,根据该滤波器的输出来预测频率误差;滤波器系数决定器(12),根据第一符号间的频率误差的预测值的差分,运算滤波器系数,使该滤波器的特性变化。在接收机中的频率误差的预测处理中,不损害对多普勒频率的时间变动的跟踪性,而能够确保较高的预测精度。

摘要： 本发明公开了一种热误差预测模型创建方法，包括如下步骤：步骤一：利用极端梯度提升算法对输入变量的特征重要性进行排序，从所有特征中选出前k个构成特征组合；将前k个特征根据其重要性进行加权，得到每个特征的权重，以每个特征及其权重的乘积作为模型的输入变量；步骤二：对LSTMNN模型的内部神经元特征进行排序，将层次结构整合到LSTMNN模型中，得到ON‑LSTMNN模型，再引入双向机制，构建BiON‑LSTMNN模型；步骤三：训练BiON‑LSTMNN模型，以ISFO算法优化BiON‑LSTMNN模型的批量大小和隐藏神经元数量，直至满足适应度函数的预设要求；步骤四：以优化得到的批量大小和隐藏神经元数量作为BiON‑LSTMNN模型的超参数，构建得到热误差预测模型。本发明还公开了一种基于关键误差的物理‑边‑雾‑云误差控制系统。

摘要： 本发明公开了一种基于ONT‑GCN时空模型的热误差预测模型及其建模方法和霾‑边‑雾‑云误差补偿系统。本发明基于ONT‑GCN时空模型的热误差预测模型，利用LSTMN神经网络捕捉传感器收集的数据的时间依赖性，利用GCN神经网络捕捉拓扑结构的空间特征，可以将捕获的空间特征和时序特征保留在ONT‑GCN单元中；ONT‑GCN单元的独特排序特性允许保留重要的热误差信息，因此，ONT‑GCN单元可以有序地传递热误差的时间和空间特征，从而提高热误差的预测精度。本发明的霾‑边‑雾‑云误差补偿系统，云计算具有强大的计算能力，用于解决耗时问题；通过设置雾计算层和边缘层等分布式计算层，可缓解工业互联网的带宽压力；通过霾计算层以加快信息获取过程，从而以保证系统执行效率和机床的加工精度。

摘要： 本发明公开了基于综合形状误差和时间误差的长期电力负荷预测方法,包括：采集原始数据，基于所述原始数据进行数据预处理，获取训练集和测试集，基于所述训练集和所述测试集分别进行数据归一化处理，获得归一化处理后的归一化训练集和归一化测试集；构建负荷预测模型，将所述归一化训练集输入到所述负荷预测模型中进行训练，获得训练好的负荷预测模型；将所述归一化测试集输入到所述训练好的负荷预测模型中，获得预测结果。本发明缓解长期预测累积的误差，减少对外部信息的依赖，降低模型偏差，提高预测精度的长期负荷预测方法，并最终将预测结果应用于电网规划，满足电网的可靠运行需求。

摘要： 本发明公开了一种Conv1D‑MGU热误差预测模型，包括依次设置的输入层、MGU层、全连接层和输出层；所述输入层与所述MGU层之间设有残差块，所述残差块包括主路和捷径支路，所述主路和捷径支路的一端分别与所述输入层相连、另一端与累加层相连；所述主路上设有位于所述输入层与所述累加层之间的一维卷积池化单元和一维卷积层Ⅱ，所述一维卷积池化单元串联设为至少一个，所述一维卷积池化单元包括依次设置的一维卷积层Ⅰ、一维池化层和激活函数层Ⅰ；所述累加层与所述MGU层之间设有激活函数层Ⅱ，所述激活函数层Ⅱ与所述MGU层之间设有展平层；所述捷径支路上设有下采样。本发明还公开了一种基于物理‑数据‑边缘‑云构架的热误差控制系统。

摘要： 本发明涉及机床误差检测设备技术领域，提出了五轴机床旋转轴几何误差在机检测装置及误差场预测方法。包含接触式测头在线测量系统，测头安装在机床主轴上，能够对标准球及标准S形试件上的测量点进行X、Y和Z三个方向实时测量并记录。四个相同尺寸的标准球以圆形分布在工作台上，圆的中心和工作台的中心重合，标准球及标准S形试件的空间位置误差反映了两个旋转轴的几何误差；根据得出的各项几何误差，建立五轴机床旋转轴几何误差空间误差场，可以预测机床加工空间内各位置点的误差值。