简介:摘要本文提出了一种基于Hadoop优化的支持向量机求解大数据背景下电力短期负荷预测问题的新方法。该方法首先采用量子行为优化粒子群的模糊C聚类模型将历史负荷进行聚类分析,然后将聚类后的负荷数据和其对应影响因素数据进行Hadoop云平台的数据存储和匹配,进而提高预测模型输入量的精确度和响应速度,最后进行建模仿真预测。针对某地区的海量负荷数据进行建模仿真,并在预测精度和预测时间两方面与未经过数据预处理的支持向量机预测模型进行比较,仿真结果表明基于Hadoop优化的支持向量机预测模型在面对大量数据时,该方法能够在保证预测精度的基础上大大缩短了预测时间。
简介:摘要:结合生产实践,对转化炉在高负荷操作条件下,存在的问题进行了分析,并对其进行了改进。为了使重整反应在高负荷、高负荷运行的情况下,能够最大限度地发挥重整催化剂的作用,从而增加芳烃收率,提高设备的经济效益。
简介:摘要目的通过模拟实战课测试观察运动员阶段大负荷训练前后的血清激素水平的变化,以期评定阶段性大负荷训练后运动性疲劳的状况。方法对169名河南省备战“十一运会”的一级运动员阶段性大强度训练初末的两次实战课前后的血清睾酮(T)、皮质醇(C)、生长激素(HGH)、促甲状腺素(TSH)、促肾上腺皮质激素(ACTH)等激素水平的测试,观察运动员阶段性训练前后的疲劳发展。结果阶段初实战课后即刻,血清HGH、TSH明显升高(P<0.05),ACTH浓度极显著升高(P<0.01),血清T、C浓度变化不明显;阶段末实战课与阶段初实战前后比,血清T均显著下降(P<0.01),C均显著升高(P<0.01),T/C值显著下降(P<0.01),且阶段末实战前后血清T、C和T/C值较阶段初实战前后变化幅度大。结论阶段性大负荷训练能明显导致机体血清激素水平的下降,导致积累性疲劳的发生。
简介:摘要:电力产业作为推动社会经济的重要技术,需要进行技术创新,加强管理电力的使用与发展。在电网的运行中,进行数据处理以及负荷预测,可以有效地保证电网的安全运行,对电力的调度进行数据支持,从而保证电力的有效利用。随着经济的快速发展,对电力的需求不断增加,电力负荷的情况不断增加,面对此问题,需要进行大数据处理技术的应用以及进行短期负荷预测,保证智能电网的有效应用。