简介:针对目前超短期风速预测精度不高的问题,提出了一种改进样本加权的SVM超短期风速预测方法。对样本加权中基于距离函数的时间序列相似性度量方法进行改进,在欧式距离的基础上,加入区间变化趋势相似度函数,将欧氏距离和趋势相似度函数按权值组合,构造了新的相似性度量函数。对训练样本进行相空间重构,基于样本相似性因素对训练样本进行加权,建立加权SVM超短期风速预测模型。分别建立随机森林、梯度提升树、SVM以及改进加权SVM超短期风速预测模型,研究表明,对SVM进行改进样本加权后,可以将预测误差从7.61%降为7.46%,有效降低了超短期风速预测误差,验证了该方法的有效性。
简介:给出了单位圆盘上不同加权B日舯锄空间之间的加权复合算子有界性及紧性刻划.
简介:利用上极限,给出了单位球上加权Bergman空间的加权复合算子的本性模的表示.
简介:设函数φ和Ф是复平面单位圆盘D上的解析函数且φ(D)■D,则将加权复合算子定义为Wφ,Ф:f→Фf°φ.当1
简介:刻画加权Bergman空间Aα^2(Ω)上的加权复合算子Cφ,Ф的Schatten-p类.
简介:分形维数是度量复杂网络分形特性的最重要的一个指标,其中体积维数被广泛应用于度量无权网络的分形特性。沿着无权网络体积维数的思想进一步考虑,以在给定盒子长度下覆盖到的节点强度和来定义加权网络体积维中“体积”的概念,提出了基于节点强度的加权网络体积维数,并称这种度量加权网络分形特性的维数为强度体积维。首先,利用强度体积维分析了两类具有规则分形结构的谢尔宾斯基(Sierpinski)加权分形网络和康托三角尘(CantorDust)加权分形网络,结果表明强度体积维数的值与理论计算的维数值具有非常小的误差。然后,利用强度体积维分析了3个实际加权网络的分形特性,并将结果与利用盒维数得到的结果进行比较,结果表明强度体积维也能够较好地度量实际加权网络的分形特征。