针对光伏发电功率预测精度不高的问题,提出一种结合纵横交叉算法与改进的高斯过程回归算法(crisscross optimization algorithm and weighted Gaussian process regression,CSO-WGPR)的预测模型。首先,通过加权模糊聚类对天气类型进行划...针对光伏发电功率预测精度不高的问题,提出一种结合纵横交叉算法与改进的高斯过程回归算法(crisscross optimization algorithm and weighted Gaussian process regression,CSO-WGPR)的预测模型。首先,通过加权模糊聚类对天气类型进行划分,选出与预测日相同类型的相似日样本;其次,采用单类支持向量机(One-Class supportvectormachine,One-ClassSVM)算法结合传统高斯过程回归算法,建立改进后的高斯过程回归模型(weighted Gaussianprocess regression,WGPR),减小异常值数据对预测结果的不良影响;然后,采用纵横交叉算法(crisscross optimization algorithm,CSO)优化WGPR的超参数,进一步提高模型的预测精度。以澳洲爱丽丝泉光伏系统为例进行建模预测,真实数据仿真和实验结果表明,所提预测模型在晴天、阴天、雨天类型下具有更高的预测精度,验证了该方法的有效性。展开更多
针对设备故障和人为干扰等因素造成光伏数据缺失的问题,提出了一种基于生成对抗网络和纵横交叉粒子群算法的光伏数据缺失重构方法。首先,使用Wasserstein散度生成对抗网络(Wasserstein divergence for GANs,WGAN-div)学习光伏数据的时...针对设备故障和人为干扰等因素造成光伏数据缺失的问题,提出了一种基于生成对抗网络和纵横交叉粒子群算法的光伏数据缺失重构方法。首先,使用Wasserstein散度生成对抗网络(Wasserstein divergence for GANs,WGAN-div)学习光伏数据的时序性规律与耦合关系;其次,设计了重构约束,通过优化生成器的噪声输入,使得重构后的样本最大限度贴近真实样本;针对优化高维变量问题,采用纵横交叉算法催化粒子群算法的寻优过程,防止优化时出现早熟问题。实验结果表明,在光伏数据含有大量缺失值时,所提方法具有较高的重构准确率。该方法也适用于电力系统中类似数据的缺失值重构,具有良好的应用前景。展开更多
目的:探讨尾型同源盒转录因子2(caudal type homeobox transcription factor 2, CDX2)和Y 染色体上的性别决定区相关高迁移率族盒蛋白4(sex-dertermining region of Y chromosome related high mobility group box 4, SOX4)在胃癌组织...目的:探讨尾型同源盒转录因子2(caudal type homeobox transcription factor 2, CDX2)和Y 染色体上的性别决定区相关高迁移率族盒蛋白4(sex-dertermining region of Y chromosome related high mobility group box 4, SOX4)在胃癌组织中的表达及其临床意义。方法:采用Western Blot法检测CDX2 蛋白和SOX4 蛋白在50 例胃癌及其远癌胃组织中的表达,分析两者与胃癌临床病理特征之间的关系,Pearson 相关系数分析CDX2 蛋白、SOX4 蛋白在胃癌组织中表达的相关性;免疫荧光法检测蛋白细胞内定位。结果:免疫荧光通过镜下观察,CDX2 阳性信号在胃癌组织中主要位于细胞核,SOX4 阳性信号也见于细胞核。Western Blot 结果提示,CDX2 蛋白、SOX4 蛋白在胃癌组织中高表达,在远癌胃组织中低表达(P<0.05)。CDX2 蛋白表达与胃癌浸润深度、胃癌的TNM 分期、有无淋巴转移有关(均P<0. 05),与肿瘤分化程度、肿块大小、年龄和性别等无关(P>0.05)。SOX4 蛋白表达与胃癌有无淋巴转移和TMN分期有关(P<0. 05),与肿瘤分化程度、浸润深度、肿块大小、年龄和性别等无关(P>0.05)。Pearson 相关性分析提示在胃癌组织中CDX2 和SOX4 蛋白表达呈负相关(r=-0.476, P<0.05)。结论:CDX2 低表达和SOX4 高表达与胃癌病情进展有关,CDX2 和SOX4 在胃癌组织中表达呈负相关。联合检测CDX2和SOX4 的表达可作为反映胃癌临床病理学特点新的分子病理标志物。展开更多
文摘针对设备故障和人为干扰等因素造成光伏数据缺失的问题,提出了一种基于生成对抗网络和纵横交叉粒子群算法的光伏数据缺失重构方法。首先,使用Wasserstein散度生成对抗网络(Wasserstein divergence for GANs,WGAN-div)学习光伏数据的时序性规律与耦合关系;其次,设计了重构约束,通过优化生成器的噪声输入,使得重构后的样本最大限度贴近真实样本;针对优化高维变量问题,采用纵横交叉算法催化粒子群算法的寻优过程,防止优化时出现早熟问题。实验结果表明,在光伏数据含有大量缺失值时,所提方法具有较高的重构准确率。该方法也适用于电力系统中类似数据的缺失值重构,具有良好的应用前景。
