简介：摘要：随着信息技术的不断成熟与发展，为各行各业的发展都带来了众多的便利，与此同时，各行各业都在不断的进行在信息化建设，电力企业也不例外，也在积极的进行着智能电网的建设，以推动电力系统运行质量的不断提升，这是时代发展的必然要求。在电力系统的运行过程当中，每天都会产生大量的电力数据。在这样的发展背景之下，我们进入了电力大数据时代，这对电力负荷的预算也提出了更高的要求与标准。电力负荷的预算准确性与时效性不仅与电力系统运行的稳定与可靠有着直接的关系，而且直接关系着社会的正常用电。因此有效保障电力负荷短期预测的准确性与时效性至关重要。基于此，本文在概述电力大数据的特点，以及分析电力大数据下的短期电力负荷预测必要性的基础上对电力大数据下的短期电力负荷预测进行了深入的研究，以供参阅

简介：摘要：随着电力大数据时代的到来，对电力负荷预测的精度提出了更高的要求，准确的电力负荷预测对电力系统安全稳定运行，降低成本开销具有重要意义。针对短期电力负荷在不同时间段下呈现不同的负荷运行规律的特点，在日范围内计算不同的时间段的负荷行为相似度。在考虑天气维度和时间维度的基础上，增加考虑行为维度，将不同时间段的行为相似度因素引入长短时记忆网络模型，根据历史负荷数据对未来的负荷数据进行预测。通过实验仿真证明，考虑不同时间段的负荷行为特点可以有效提高负荷预测的准确度。

简介：摘要：考虑到历史电力负荷数据、天气、时间等信息的影响，电力负荷预测用于预测未来的电力负荷。对于独立的系统运行，有许多电力负荷预测应用为调度员提供信息和市场运行，如发电调度和系统备用发电，因此准确的电力负荷预测模型是规划管理和运行的必要条件。本文主要分析了基于进化神经网络的短期电力负荷预测研究。

简介：摘要：文章主要是分析了风力发电短期功率预测方法，在此基础上讲解了光伏发电短期功率预测方法，最后探讨了风光发电短期功率预测研究方向发展，望可以为有关人员提供到一定的参考和帮助。

简介：摘要：电力系统负荷是一个动态变化过程，其受影响的因素较多。本文首先研究剖析气温、日类型因素对10kV馈线负荷的影响，然后分别建立BP网络与Elman网络模型并训练预测，根据预测结果在误差和收敛速度方面进行比较分析，表明Elman神经网络算法具有更优预测性能。最后，为了进一步提高预测精度，本文采取从Elman网络算法的激励函数进行改进，从而获取更优的预测效果，在配电网短期运行调荷方面具有指导意义。

简介：

简介：摘要：分析了电力系统短期负荷预测的特点及影响负荷预测准确性的相关因素。阐述了传统负荷预测方法存在的不足及将大数据系统引入负荷分析过程中的优势，将传统负荷方法与大数据分析相结合，可在进行负荷分析的同时利用大数据技术将各项影响因素与大数据进行比对，减小误差提高负荷预测精度，为电力系统进行短期负荷预测提供借鉴。

简介：摘要：棉花作为重要的战略物资，其价格是影响棉农的种棉积极性和纺织企业生产的重要因素。本文利用Python获取棉花价格历史数据并对数据的时间序列特征进行分析。建立了基于LSTM网络的棉花价格预测模型并与BP神经网络模型的预测结果进行对比分析，验证了LSTM棉花价格预测模型的实用性和精确度。

简介：摘要目的探讨血清甲状腺激素水平变化与脓毒症休克患者短期预后的关系。方法收集133例入住本院重症监护室（intensive care unit , ICU）脓毒症休克患者的一般临床资料，记录患者入院24 h内的急性生理学与慢性健康状况评分II（acute physiology and chronic health status score, APACHE II）、血清三碘甲状腺原氨酸（triiodothyronine, T3）、甲状腺素（thyroxine, T4）、游离T3（free triiodothyronine, FT3）、游离T4（free thyroxine, FT4）及促甲状腺激素（thyroid stimulating hormone, TSH）水平，并计算T3/FT3比值，根据ICU住院期间预后分为存活组和死亡组。采用单因素及多因素分析影响脓毒症休克患者ICU住院期间预后的因素，并绘制受试者工作特征（receiver operating characteristic, ROC）曲线及Kaplan-meier生存曲线，评估甲状腺激素水平对脓毒症休克患者预后的预测效能。结果与存活组相比，死亡组患者血清FT3、T3及T3/FT3 [分别为1.32(0.94, 1.54) pmol/L, 0.33(0.25, 0.43) nmol/L, 250.00(192.31, 313.92)]均明显低于存活组[分别为1.73(1.54, 2.52) pmol/L, 0.70(0.56, 0.79) nmol/L, 318.18(299.44, 448.05) ]，两组间差异有统计学意义（P < 0.05）。相关性分析发现，以APACHE II评分为标准，T3、FT3的变化与脓毒症休克患者病情严重程度密切相关（FT3: r = -0.25, P = 0.004; T3: r = - 0.24, P = 0.006）。二元Logistic回归分析发现，FT3、T3及T3/FT3均是影响脓毒症休克患者短期预后的独立危险因素[FT3: 优势比（odds ratio, OR）=6.533, 95%置信区间（confidence interval, CI）: 0.687 ~ 62.157，P = 0.012; T3: OR= 0.529，95%CI: 0.372 ~ 0.975, P = 0.000; T3/FT3: OR= 1.719, 95%CI: 1.007 ~ 1.931, P = 0.002]。ROC曲线分析显示，FT3、T3及T3/FT3均可用于诊断脓毒症休克患者ICU住院期间预后的评估，以T3的预测价值最大（AUC= 0.874，95%CI :0.794~0.954，P = 0.000）。T3预测脓毒症休克患者ICU期间病死率的截断值为0.535 nmol/L，对应的敏感度为83.9%，特异度为82.6%。Kaplan-Meier生存曲线结果提示：T3≥0.535 nmol/L组的ICU期间病死率显著低于T3 < 0.535 nmol/L组（χ2=50.852，P = 0.000）。结论脓毒症休克患者伴有T3、FT3不同程度的下降，与病情严重程度密切相关，T3是脓毒性休克患者ICU住院期间病死率的有效预测指标，优于FT3及T3/FT3。

简介：摘要：文章以电力负荷预测为落脚点，结合现有预测方法，通过集成记忆网络、主成分分析的方式，对全新预测模型进行了建立，该模型有效解决了现有方法无法保证预测精度的问题。在依次对主成分分析、LSTM神经网络、预测模型建立要点进行说明后，通过模拟预测的方式，利用实际数据对该模型的有效性进行了验证，供相关人员参考。

简介：摘要：文章以电力负荷预测为落脚点，结合现有预测方法，通过集成记忆网络、主成分分析的方式，对全新预测模型进行了建立，该模型有效解决了现有方法无法保证预测精度的问题。在依次对主成分分析、LSTM神经网络、预测模型建立要点进行说明后，通过模拟预测的方式，利用实际数据对该模型的有效性进行了验证，供相关人员参考。

简介：摘要：光伏电站输出功率呈现随机性强、波动性大、难预测等特点，大规模的光伏电站接入电网会给电网的安全稳定运行、调度和调峰带来极大的困难。准确预测电站未来某一时段内各时刻点输出功率，对保障电网稳定运行、提高能源利用效率具有重要的意义。本文基于BP神经网络模型，分别以实测气象数据和中尺度数值天气预报数据为训练样本，对比研究了不同数据样本下神经网络模型对光伏电站同一天气情况下的出力预测效果。

简介：摘要：为降低风电的不确定性对电力系统稳定运行的影响，通常采用风电功率预测的方法解决这一问题。针对原始的风速信号具有间歇性、不稳定性的特征，本文提出一种对混沌时间序列进行二次集合经验模态分解并运用改进果蝇优化算法改进极限学习机（EEMD-EEMD-MFOA-ELM）的方法。采用二次集合经验模态分解，得到多个更加平稳的不同频段的子序列，更加清晰的表征出原始信号中所包含的信息；为提升预测结果的准确率，将极限学习机权重及偏置采用改进的果蝇优化算法（FOA）改进，使其收敛速度得到提升，将得到的所有风速子序列逐个建立极限学习机(ELM)预测模型进行风速预测；由风速-风功率转化函数关系便得到风电场的功率值。

简介：摘要目的探讨嗜酸性粒细胞计数与急性缺血性卒中患者短期转归的相关性。方法回顾性纳入2017年6月至2019年6月在阜阳市人民医院住院治疗的急性缺血性卒中患者。收集患者人口统计学和基线临床资料。在出院时或发病后第14天时采用改良Rankin量表评价短期临床转归，0～2分定义为转归良好，>2分定义为转归不良。应用多变量logistic回归分析确定短期转归不良的独立影响因素。采用受试者工作特征(receiver operating characteristics, ROC)曲线评估嗜酸性粒细胞计数对患者短期转归不良的预测价值。结果共纳入急性缺血性卒中患者300例，男性187例(62.3%)，女性113例(37.7%)；年龄(63.62±12.14)岁；基线美国国立卫生研究院卒中量表(National Institutes of Health Stroke Scale, NIHSS)评分(5.48±4.85)分。转归良好组228例(76.0%)，转归不良组72例(24.0%)。单变量分析显示，转归不良组年龄、高血压、基线NIHSS评分、C反应蛋白、心房颤动和中性粒细胞计数显著高于转归良好组，而男性、吸烟、嗜酸性粒细胞计数和嗜酸性粒细胞百分比显著低于转归良好组(P均<0.05)。多变量logistic回归分析显示，基线NIHSS评分[优势比(odds ratio, OR)1.726，95%置信区间(confidence interval, CI)1.400～2.128；P<0.001]、高血压(OR 3.744，95% CI 1.227～11.426；P＝0.020)和嗜酸性粒细胞计数(OR 0.287，95% CI 0.102～0.616；P＝0.043)是短期转归不良的独立影响因素。ROC曲线分析显示，嗜酸性粒细胞计数预测短期转归不良的曲线下面积为0.717(95% CI 0.642 ～0.792 )，最佳截断值为0.075×109/L，其预测短期转归不良的敏感性和特异性分别为88.6%和51.4%。结论嗜酸性粒细胞计数减少对急性缺血性卒中患者短期临床转归不良具有一定的预测价值。

简介：摘要目的分析影响心原性休克患者短期预后的相关因素，并以列线图形式构建新疆地区心原性休克患者30 d死亡风险的预测模型。方法回顾性分析新疆医科大学第一附属医院2013—2019年295例心原性休克患者的临床资料。采用单因素和多因素Logistic回归分析影响心原性休克患者30 d死亡的危险因素，并使用列线图构建心原性休克患者死亡风险的预测模型，采用一致性系数和受试者工作特征（ROC）曲线评估模型的优劣性。结果295例患者中，30 d死亡182例为死亡组，未发生死亡113例为生存组。死亡组与生存组性别构成、年龄、ICU时间、收缩压、白细胞、中性粒细胞计数、红细胞分布宽度（RDW）、凝血酶原时间、血钾、血糖、血肌酐、总胆红素、碳酸氢根、碱剩余、乳酸、脑钠肽前体（NT-proBNP）、心肌肌钙蛋白（cTnI）及呼吸衰竭、肝病、肾病比例比较差异有统计学意义（P<0.01或<0.05）。多因素Logistic回归分析结果显示，NT-proBNP、凝血酶原时间、cTnI、乳酸和收缩压为心原性休克患者死亡的独立危险因素（OR = 1.00、1.10、1.30、1.29和1.04，95% CI 1.00~1.00、1.01~1.18、1.00~1.68、1.01~1.65和1.02~1.07，P<0.01或<0.05）。对多因素分析得到的独立影响因素再结合临床实际，进行赤池信息量准则（AIC）分析选择建模变量，纳入列线图模型的变量为NT-proBNP、凝血酶原时间、cTnI和乳酸。列线图模型在经过500次Bootstrap自抽样内部验证后，得到的C指数为0.805，曲线下面积为0.846，最佳阈值0.486，灵敏度为78.6%，特异度为83.1%。结论NT-proBNP、凝血酶原时间、cTnI和乳酸为心原性休克患者短期预后的相关影响因素，并构建了相关列线图预测模型，对心原性休克的早期干预具有指导意义。

简介：摘要目的分析影响心原性休克患者短期预后的相关因素，并以列线图形式构建新疆地区心原性休克患者30 d死亡风险的预测模型。方法回顾性分析新疆医科大学第一附属医院2013—2019年295例心原性休克患者的临床资料。采用单因素和多因素Logistic回归分析影响心原性休克患者30 d死亡的危险因素，并使用列线图构建心原性休克患者死亡风险的预测模型，采用一致性系数和受试者工作特征（ROC）曲线评估模型的优劣性。结果295例患者中，30 d死亡182例为死亡组，未发生死亡113例为生存组。死亡组与生存组性别构成、年龄、ICU时间、收缩压、白细胞、中性粒细胞计数、红细胞分布宽度（RDW）、凝血酶原时间、血钾、血糖、血肌酐、总胆红素、碳酸氢根、碱剩余、乳酸、脑钠肽前体（NT-proBNP）、心肌肌钙蛋白（cTnI）及呼吸衰竭、肝病、肾病比例比较差异有统计学意义（P<0.01或<0.05）。多因素Logistic回归分析结果显示，NT-proBNP、凝血酶原时间、cTnI、乳酸和收缩压为心原性休克患者死亡的独立危险因素（OR = 1.00、1.10、1.30、1.29和1.04，95% CI 1.00~1.00、1.01~1.18、1.00~1.68、1.01~1.65和1.02~1.07，P<0.01或<0.05）。对多因素分析得到的独立影响因素再结合临床实际，进行赤池信息量准则（AIC）分析选择建模变量，纳入列线图模型的变量为NT-proBNP、凝血酶原时间、cTnI和乳酸。列线图模型在经过500次Bootstrap自抽样内部验证后，得到的C指数为0.805，曲线下面积为0.846，最佳阈值0.486，灵敏度为78.6%，特异度为83.1%。结论NT-proBNP、凝血酶原时间、cTnI和乳酸为心原性休克患者短期预后的相关影响因素，并构建了相关列线图预测模型，对心原性休克的早期干预具有指导意义。

简介：无

简介：摘要目的探讨6 h内不同血糖变异指标对脓毒性休克患者短期预后的预测价值。方法采用回顾性研究方法，收集2014年12月至2019年12月入住南京医科大学附属南京医院重症监护病房（ICU）的133例脓毒性休克患者的临床资料。以患者入住ICU治疗期间是否死亡为观察节点，死亡患者纳入死亡组，否则纳入存活组。收集患者一般资料，包括性别、年龄、基础疾病、感染部位、机械通气时间、ICU住院时间、是否使用连续性肾脏替代治疗（CRRT）；记录患者入ICU时初始血糖（GLUadm）、平均动脉压（MAP）、血肌酐（SCr）、降钙素原（PCT）及24 h内急性生理学与慢性健康状况评分Ⅱ（APACHEⅡ）；同时收集患者接受6 h集束化治疗期间每2 h监测1次的血糖水平，并计算6 h内血糖差值（GLUdif）、平均血糖（GLUave）、血糖标准差（GLUsd）及血糖变异系数（GLUcv）。采用多因素Logistic回归法分析影响脓毒性休克患者短期预后的因素；绘制受试者工作特征曲线（ROC曲线），评估血糖变异指标对脓毒性休克患者短期预后的预测效能。结果133例患者ICU住院期间存活87例，死亡46例。与存活组相比，死亡组患者入ICU时SCr及24 h内APACHEⅡ评分更高〔SCr （μmol/L）：208.5（143.0，286.5）比172.0（91.0，234.0），APACHEⅡ评分（分）：30.28±6.67比24.03±5.90，均P<0.05〕，ICU住院时间更短〔d：4.00（2.00，10.25）比9.00（4.00，13.00），P<0.01〕；而两组患者性别、年龄、基础疾病、感染部位、机械通气时间、CRRT比例及入ICU时MAP、PCT等基线资料比较差异均无统计学意义。与存活组相比，死亡组患者6 h内GLUsd及GLUcv均明显升高〔GLUsd（mmol/L）：2.33（1.95，3.14）比2.02（1.66，2.52），GLUcv：（31.00±7.06）%比（23.31±10.51）%，均P<0.05〕；而两组患者6 h内GLUadm、GLUdif及GLUave比较差异均无统计学意义。多因素Logistic回归分析显示，24 h内APACHEⅡ评分及6 h内GLUsd、GLUcv是影响脓毒性休克患者短期预后的独立危险因素〔APACHEⅡ评分：优势比（OR）＝1.173，95%可信区间（95%CI）为1.095～1.256，P＝0.000；GLUsd：OR＝1.465，95%CI为1.038～2.067，P＝0.030；GLUcv：OR＝1.089，95%CI为1.043～1.138，P＝0.000〕。ROC曲线分析显示，6 h内GLUsd及GLUcv均可用于脓毒性休克患者短期预后的评估，其中6 h内GLUcv的ROC曲线下面积（AUC）大于APACHEⅡ评分（0.765比0.753），6 h内GLUsd的AUC接近于APACHEⅡ评分（0.629比0.753）；且6 h内GLUsd联合6 h内GLUcv的诊断价值较二者单独诊断价值更大（AUC：0.809比0.629、0.765），敏感度为97.8%，特异度为66.7%。结论6 h内GLUsd联合GLUcv可以用于预测脓毒性休克患者的短期预后。

简介：摘要：长期以来，短期负荷预测（short-term load forecasting，STLF）一直是电力运行关注的问题，对制定经济、可靠、安全的电力系统运行策略起关键作用。由于负荷时间序列具有非线性、非平稳性和非季节性等特点，准确预测负荷趋势具有很大的挑战性.

简介：【摘要】目的：分析2013年-2020年流行腮腺炎的病学特征，预测流行性腮腺炎流行病学短期发病。方法：对2013年3月-2020年3月全国疾控系统中统计的10000例对象进行研究。结果：2018年-2020年的流行腮腺炎发病率,呈现先上升后下降的发展趋势，18岁以下儿童为主要发病群体。结论：流行腮腺炎患者有明显的下降趋势，主要呈现季节性以及儿童多发的特点，拟合的SARIMA模型对流行性腮腺炎流行病短期发病预测效果较好。