XiaoMi-AI文件搜索系统
World File Search SystemStochastic
基于Ornstein – Uhlenbeck过程的随机SIRC模型的分析
疾病和流行病已成为分析和研究疾病特征的重要工具。准确而精确的数学模型在决策中起着重要的作用[4]。对于COVID-19的传播，我们认为最标准的流行病易感性（SIR）流行模型[5]。如果您接种了一种特定病毒，并且会产生对另一种病毒的免疫力，我们称这种交叉免疫性。在19. Covid-19的传播中，一些疫苗还为新型冠状病毒提供了交叉免疫性。Casagnandi [6]和Rihan等。[7]引入了SIRC模型，通过在易感性和恢复（R）之间插入新状态C来分析不同的感染行为。隔室C用于描述处于跨免疫状态的被感染者。在跨免疫方面，Kwang等人。[8]开发了一种两型SIR模型，用于推断不同菌株的跨免疫响应。Shrock等。[9]表明，以前的COV感染也许会吸收“免疫反应记忆”。因此，我们研究了包括跨免疫状态在内的随机SIRC流行病学模型。基于现有文献，我们知道很少有学者认为跨免疫地位对COVID-19传播的影响[10]。本文的其余部分的结构如下。在第2部分中，我们显示了随机SIRC模型，包括平均复归过程Ornstein -Uhlenbeck过程。在第3部分中证明了随机系统的存在和独特性（4）。6。在第4部分中，通过构建合适的lyapunov函数证明了随机系统的厄法德固定分布的存在（4）。在第5部分中，我们使用相应的foker-Planck方程来得出概率密度函数forthestationaryDistributionπ的明确表达π（。）thestochasticsircsystem（4）。具有灭绝感染性疾病的能力条件，并在教派中证明并证明。最后，我们通过数值模拟证明了理论结果，并总结了本文末尾的整篇论文的工作，并进一步提供了相关问题的研究方向。
通过量子系统参数估计增强随机过程分析
摘要 本文从所有可能的角度研究了向量空间中的线性伊藤随机微分方程。在这种情况下，势向量描述了作用于量子系统的经典噪声的大小。该向量势可以表示为其参数的线性函数，其中厄米算子作为其系数，因为其参数被假定为未知的。对于二阶扰动，可以借助势扰动参数确定幺正演化算子。至于第二项，它写成关于布朗运动的双迭代随机积分，而第一项写成伊藤随机积分。在控制量子系统时，来自环境的噪声可能是一个主要障碍；这种技术可以提供帮助。通过学习检测和调节噪声，提高计算机等量子技术的可靠性和实用性。如果势的参数受到噪声的影响，那么它们的可靠性就会降低。我们重点关注特殊情况，即势能是这些参数的线性函数，以厄米算子为系数。为了找到达到 O ( ǫ ) 的幺正演化算子，我们可以将 O ( ǫ ) 项写为关于布朗运动的伊藤随机积分，将 O ( ǫ 2 ) 项写为关于布朗运动的双迭代随机积分。
基于随机多目标优化模型的多能源微电网日前调度
摘要：处理多目标问题有几个有趣的好处，其中之一是它为决策者提供了有关帕累托前沿的完整信息，以及对问题所涉及的各种权衡的清晰概述。选择这样的代表性集合本身就是一个多目标问题，必须考虑选择的数量以显示表示的均匀性和/或表示的覆盖范围，以确保解决方案的质量。在本研究中，由于包含诸如多能源多微电网 (MMG) 的运营成本和配电公司 (DISCO) 的利润等目标，日前调度已转变为多目标优化问题。所提出的系统的目的是确定热电联产 (CHP) 装置、燃气锅炉、储能和需求响应计划以及电力和天然气 (NG) 交易的最佳日前运行。电力和天然气由 MG 与 DISCO 以动态和固定价格进行交易。通过场景生成和概率密度函数，考虑了风速、太阳辐射、电力和热量需求的不确定性。通过使用混合整数线性规划 (MILP) 进行场景缩减，生成的场景数量显著减少。使用 ε 约束方法并将其作为混合整数非线性规划 (MINLP) 进行求解，以获得满足这两个非线性目标函数需求的解决方案。
随机磁性驱动的随机传感器设备
真正的随机数发生器在许多计算应用中引起了极大的兴趣，例如密码学，神经形态系统和蒙特卡洛模拟。在这里，我们研究了这种应用，在弹道极限内通过短持续时间（NS）脉冲激活的垂直磁性隧道连接纳米柱（PMTJ）。在此极限中，脉冲可以将初始自由层磁力态的玻尔兹曼分布转换为随机磁性下降或向上的状态，即有一个0或1的位，很容易通过测量结的隧道电阻来确定。证明，具有数百万事件的比特斯流：1）通过正态分布非常近似； 2）通过多个统计测试进行真实随机性，包括所有仅具有一个XOR操作的随机数发电机的国家规范研究所测试； 3）可用于创建8位随机数的均匀分布； 4）随着时间的推移，位概率不会漂移。此处介绍的结果表明，与其他随机纳米磁性设备相比，在弹道制度中运行的PMTJ可以在50 MHz比特率下生成真实的随机数，同时对环境变化（例如其工作温度）的稳定性更大。
开关光伏电池系统的随机非线性模型预测控制
摘要 - 预算系统在住宅家庭设置中的用户中获得了知名度。在此设置中，目前的利用能力的主要来源是增加光伏（PV）的自我效率，这高度依赖电池系统的效率。我们提出了一种基于随机动态编程（SDP）的控制方法，以提高系统效率。优化框架包括一个带有备用损失的开关系统，转换器损失的非线性建模以及家庭负载和PV生成的随机预测模型。我们在模拟典型基准案例的模拟中显示，我们的方法实际上可以减少整体系统损失和操作成本。然后，在现实世界中使用市售电池系统显示的现实情况中的适用性。
混合电力系统规划的风险规避随机规划：巴西案例
摘要：本文提出了一种风险规避随机规划模型，用于混合电力系统 (HEES) 的最佳规划，并考虑了巴西配电系统的监管政策。通过定义场景，考虑了与光伏 (PV) 发电、负荷需求、柴油发电燃料价格和电价相关的变量的不确定性。优化问题中使用条件风险价值 (CVaR) 指标来考虑消费者的风险倾向。该模型确定了光伏板、柴油发电和电池存储容量的数量和类型，其目标是在规划期内最小化投资和运营成本。进行了涉及大型商业消费者的案例研究，以评估所提出的模型。结果表明，在正常条件下，只有光伏系统是可行的。对于风险规避型消费者来说，光伏/柴油系统往往在恶劣的水文条件下是可行的。在这种情况下，光伏/电池系统是可行的，可将电池投资成本降低 87%。一个重要的结论是，风险分析工具对于协助消费者投资HEES的决策过程至关重要。
电动汽车对住宅电源分配的影响考虑能源管理策略和随机蒙特卡洛算法
摘要：微电网（µ g）的面积是一个非常快速增长且有前途的系统，用于克服功率屏障。本文研究了基于随机元启发式方法的电动汽车网格整合（EVGI）的微电网系统的影响。放缓全球气候变化的最大挑战之一是向可持续发展的过渡。与电动汽车集成的可再生能源（RES）被认为是解决可持续发展目标7（SDG7）和气候行动目标13（CAG13）所需的权力和环境问题的解决方案。可以通过使用车辆到网格（V2G）技术将电动汽车与实用程序网格和其他RES进行耦合来实现上述目标，以形成混合系统。超载是一个挑战，这是由于负载数量未知（EV的数量未知）。因此，这项研究有助于通过提出要解决的随机蒙特卡洛法（SMCM）来确定不确定性（到达和出发EVS）的系统影响。这项研究的主要目的是使用元启发式算法进行尺寸调整系统配置，并分析不确定的电动汽车数量对Rigoli-Libya中住宅电源分布的影响，以获得一种具有成本效益，可靠性，可靠和可再生系统的影响。改进的鹿角优化（IALO）算法是一种优化技术，用于确定考虑多个来源的混合系统的最佳配置数量，而基于规则的能源管理策略（RB-EMS）控制算法用于控制电力系统中电力的电源。已经考虑了对效应参数的灵敏度分析，以评估未来的预期影响。讨论了从大小，控制和灵敏度分析中获得的结果。
基于随机滤波方法的储能元件剩余使用寿命预测综述
摘要：锂离子电池是一种绿色环保的储能元件，因其能量密度高、循环性能好而成为储能的首选。锂离子电池在充放电循环过程中会发生不可逆过程，造成电池容量的不断衰减，最终导致电池失效，准确的剩余使用寿命（RUL）预测技术对储能元件的安全使用和维护具有重要意义。本文综述了国内外储能元件RUL预测方法的研究进展。首先明确储能元件的失效机理，然后总结以锂离子电池为代表的储能元件RUL预测方法；其次，分析了基于卡尔曼滤波和粒子滤波的数据-模型融合方法在锂离子电池RUL预测中的应用，并讨论了储能元件RUL预测面临的问题及未来的研究展望。
网络安全：确定网络安全性和攻击者行为的随机分析和建模
在南佛罗里达大学的Digital Commons @ Usper the和Dissitutions向您带来了这篇论文。已被授权的Digital Commons @ South Florida University of Digital Commons的授权管理人纳入USF坦帕研究生和论文。有关更多信息，请联系DigitalCommons@usf.edu。
电动汽车快速充电：依赖拥塞的随机模型预测性控制不确定参考
摘要：本文介绍了一种控制策略，旨在有效地运营一个配备了电动机电动汽车快速充电，可再生能源和电力储能单元的服务区域的服务区域。此处考虑的控制要求符合服务区域运营商的角度，他们的目的是避免在与分配网格连接点上的功率流中的峰值，同时在最短时间提供充电服务。工作的关键方面包括对充电功率需求和发电的不确定性管理，成本功能的拥堵和国家依赖性权重的设计，以及在工厂的两种不同硬件配置中的控制性能的比较，不包括公共汽车和UPS连接方案。在不确定的干扰效果下分别影响公共汽车和UPS方案的不确定干扰的效果，旨在跟踪不确定的功率参考的随机模型预测控制器的设计。仿真结果表明，根据关注所选参考的跟踪，缓解拥塞的缓解，存储操作的稳定性以及缓解不确定性影响的增量验证计划的相关性。