MATLAB代码：考虑柔性负荷的综合能源系统日前优化调度模型 关键词：柔性负荷 需求响应 综合需求响应 日前优化调度 综合能源系统 参考文档：《考虑用户侧柔性负荷的社区综合能源系统日前优化调度》参考柔性负荷和基础模型部分；《考 虑 柔 性 负 荷 的 综 合 能 源 系 统 低 碳 经 济 优 化 调 度》参考其碳交易部分 仿真平台：MATLAB yalmip+cplex 主要内容：在冷热电综合能源系统的基础上，创新性的对用户侧资源进行了细致的划分和研究，首先按照能源类型将其分为热负荷需求响应和电负荷需求响应，在此基础上，进一步分为可削减负荷、可转移负荷以及可平移负荷三类，并将柔性负荷作为需求响应资源加入到综合能源的调度系统中，从而依据市场电价灵活调整各类负荷，实现削峰填谷，改善负荷曲线等优势，此外，为了丰富内容，还考虑了阶梯式碳交易，构建了考虑阶梯式碳交易以及综合需求响应的综合能源低碳经济调度模型，设置了多个对比场景，验证所提模型的有效性。

MATLAB代码：考虑用户舒适度的冷热电多能互补综合能源系统优化调度 关键词：用户舒适度 综合能源 PMV 优化调度 参考文档：《冷热电气多能互补的微能源网鲁棒优化调度》基础模型加舒适度部分模型； 仿真平台：MATLAB+yalmip+cplex 主要内容：代码主要做的是考虑用户舒适度的冷热电多能互补综合能源系统优化调度模型，在传统的冷热电联供型综合能源系统的基础上，进一步考虑了热惯性以及用户的舒适度，并用预测平均投票数PMV对用户的舒适度进行衡量，且通过改变PMV的数值，可以对比不同舒适度要求对于综合能源系统调度结果的影响。同时，代码还补充性的考虑了碳排放交易机制，并设置经济性最优以及碳排放最优两种对比场景，从而丰富算例，效果非常明显。

基于径向基神经网络的数据回归预测MATLAB代码

matlab代码设置参数范围迪普考夫曼 神经网络学习库普曼特征函数 Bethany Lusch，J。Nathan Kutz和Steven L.Brunton撰写的论文代码 运行代码： 克隆存储库。 在数据目录中，通过在Matlab中运行DiscreteSpectrumExample，Pendulum，FluidFlowOnAttractor和/或FluidFlowBox来重新创建所需的数据集。 （或通过电子邮件询问数据集） 返回主目录，使用python运行所需的实验。 有关运行Python实验的注意事项： 建议使用GPU，但不是必需的。 该代码可以在GPU或CPU上运行，而无需进行任何更改。 本文包含四个数据集的结果。 这些是运行脚本进行随机参数搜索（DiscreteSpectrumExampleExperiment.py，PendulumExperiment.py，FluidFlowOnAttractorExperiment.py和FluidFlowBoxExperiment.py）的最佳结果。 要使用产生论文结果的特定参数而不是进行参数搜索来训练网络，请运行DiscreteSpec

基于遗传算法优化BP神经网络的数据回归预测MATLAB代码

ar模型matlab代码HRAN-快速fMRI的生理噪声去除 我们创建了一种统计工具来估算和消除快速功能磁共振成像中的生理噪声（）。 我们的代码已获得MIT许可，没有任何保证。 下面，我们描述实现该软件的步骤： 先决条件 HRAN是在MATLAB 2018和2019（）中创建和测试的。 HRAN使用chronux工具箱，该工具箱可在上找到。 下载MATLAB和chronux之后，请通过添加以下行将脚本定向到相应的目录： addpath(genpath( ' /PATH/chronux ' )) 其中PATH是chronux目录的路径。 正在安装 我们的实验室Git-上提供了HRAN软件包。 我们建议运行HRAN_demo_nifti.m或HRAN_demo_simulated.m脚本，以测试程序是否已成功下载。 跑步 估计生理频率 如HRAN_demo_nifti.m和HRAN_demo_simulated.m ，首先使用以下输入参数根据解剖学定义的ROI（例如心室）估算生理频率： % TR, moving window length, percent overlap inputPar

由于目标的机动，在ISAR回波完成距离向压缩后，会出现明显的目标散射点跨距离单元的徙动，导致直接对方位向成像无法实现较好的聚焦效果。因此，一维距离向的包络对齐是ISAR成像过程中不可避免的处理流程。该函数代码通过整体相关法实现了目标一维距离像序列的包络对齐操作，有较好的实验效果。

故障诊断，时域特征提取，包含有量纲参数和无量纲参数，一共17个特征参数值；频域特征提取，一共3个特征参数值；时频域特征提取，一共18个特征参数值；所有matlab程序代码均有详细注解说明，直接代入原始数据运行即可得到结果。

ist的matlab代码B蛇道检测的C ++实现 这是基于Wang等人的bsnake论文进行车道检测的代码。 什么是基于B蛇的车道模型 它描述了平行线的透视效果是通过双重外力构造的，用于通用车道边界或标记 与其他车道模型（例如直线和抛物线模型）相比，它能够描述更广泛的车道结构。 由于在地面上使用了平行的道路知识，因此它对阴影，噪声和其他方面具有鲁棒性。 通过确定车道模型控制点的集合来制定车道检测问题。 消失点的Canny / Hough估计（CHEVP）算法 它是一种健壮的算法，可为B蛇道模型提供良好的初始位置，该模型对于捕获的道路图像中的噪声，阴影和照明变化具有鲁棒性。 它也适用于标记和未标记的划线油漆线和实心油漆线道路。 CHEVP算法如何工作 假定该道路在地面上具有两个平行边界，并且在短的图像水平带中，该道路近似是笔直的。 作为透视投影的结果，图像平面中的道路边界应在地平线上的共享消失点处相交。 CHEVP算法有五个处理阶段： 通过Canny边缘检测提取边缘像素。 Canny边缘检测用于获得边缘图。 通过霍夫变换进行直线检测。 地平线和消失检测。 通过检测到的道路线估计道路的中线

擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。