提出一种可处理输入变量相关性的随机潮流方法。该方法基于Nataf变换和准蒙特卡洛模拟，使用奇异值分解处理对称非正定的相关系数矩阵。对IEEE 30节点系统和某实际大区域电网的仿真证明了所提方法的有效性和普适性。仿真结果表明：与传统基于Cholesky分解的排序方法相比，奇异值分解可在不增加计算代价的同时灵活处理非正定的相关系数矩阵；而相比于普通基于拉丁超立方的方法，所提方法收敛更快，相同样本规模下的计算精度更高，特别是输出变量标准差的精度。
2022-02-21 09:25:12
813KB
1
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
2022-02-17 09:02:31
884KB
1
奇异值分解在图像水印算法中有着广泛的应用，但是也存在高虚警率的缺陷。讨论分析了空域和变换域中经典的奇异值分解水印算法和最近报道的基于主成分的改进算法。通过实验验证了改进算法的有效性。
2022-02-16 13:28:51
473KB
1
二、奇异值分解法
1定理 的奇异值分解为设 nmrCA
UDVV
D
UA
r
00
0
则有
;)1(
HH
UDVA
;
1
||||)2(
1
2
2
r
i i
FA
}{min
1
||||)3(
1
2
i
ri
A
2022-01-20 21:05:14
5.91MB
1
尝试使用GPU加速随机化的SVD。 已针对目前的顶级算法进行了测试。 / nbs-
2022-01-18 19:00:10
12KB
1
基于奇异值分解的PCA方法，基于奇异值分解的PCA方法，基于奇异值分解的PCA方法，基于奇异值分解的PCA方法
2021-12-28 13:45:27
758B
1