matlab脑电功率谱代码脑电图的网络动力学测度 Rosch等人（2017）随附的代码：健康和癫痫性发展中大脑的网络动力学。 该存储库包含可用于重现分析以识别不同静态EEG模式之间网​​络动态差异的代码。 该代码用于上述手稿，以描述网络动力学异常，该异常表征了两种严重的早期婴儿严重癫痫综合症，即Ohtahara综合征和West综合征/小儿痉挛。 运行代码时，您需要下载并解压缩文件夹，并在ee_housekeeping函数中定义家庭文件夹。 该代码在Matlab上运行（已通过2016b测试），并且需要多个工具箱才能运行： -根据现有傅立叶频谱生成综合时间序列（包含在此回购协议中） -估计二维图像的清晰度（包含在此版本库中） -提供不同的调色板（包含在此仓库中） -在缓慢的计算步骤中轻松可视化进度（包含在此回购中） -对于EEG信号的过滤，此代码依赖于作为标准SPM分发的一部分提供的现场旅行； 可以很容易地用您选择的另一种过滤方法代替（此处不包括SPM ） 此存储库中包含的自定义例程 该资料库包括许多不同的例程，这些例程可以手动运行，以说明针对上述手稿执行的不同分析步骤。 其中大多数将产生

电工基础

原始风速信号具有的间歇波动性特征给风电场的功率预测带来了挑战，采用集合经验模态分解(EEMD)法将原始风速信号分解为频域稳定的子序列，有效地提高了预测精度，避免了传统经验模态分解(EMD)存在的模态混叠现象。提出一种改进型果蝇优化算法(FOA)，将风速子序列重构参数和最小二乘支持向量机(LS-SVM)参数作为优化目标建立风速预测模型，扩大了参数搜索范围，提高了优化收敛速度；通过风速风功率转化关系可以求得风电场的功率值。实验结果验证了所提方法相比于EMD和LS-SVM预测方法具有更高的预测精度。

【风电功率预测】 BP神经网络风电功率预测【含Matlab源码 399期】.zip

1、利用历史数据进行风电功率预测，数据的质量对预测准确度有很大的影响，此外，了解风速、功率在不同时段的变化特性，采取针对性、差异化的参数配置，有助于提高预测算法的效率和模型对具体数据的适应性。本课题主要采用 K 均值聚类算法对风速和功率数据进行聚类，剔除不合理的数据，再通过BP神经网络实现短期风电功率预测。 2、BP神经网络、kmeans聚类算法。 3、matlab仿真；

基于BP神经网络对短期风电功率进行预测的matlab程序代码

物理精讲《电功率》全章PPT教程文档 1.电能.pptx 10.电流的热效应.pptx 11.焦耳定律.pptx 12.电功、电功率和热量的综合计算.pptx 2.电功.pptx 3.串、并联电路中电功的规律.pptx 4.电功率.pptx 5.电功率的公式推导及相关计算.pptx 6.额定功率与实际功率.pptx 7.串、并联电路中电功率的特点及应用.pptx 8.伏安法测量小灯泡的电功率.pptx 9.电功率之动态电路分析.pptx

基于深度学习分位数回归模型的风电功率概率密度预测.pdf

采用模糊神经网络建立了风电场输出功率的短期预测模型,通过新疆某风电场数 据进行算例验证,对不同预测周期的模型的预测效果进行比较。结果表明,所建立的模糊神经 网络模型能正确地预测风电场输出功率,提升传统神经网络的性能。

BP、GABP、改进GABP三种风电功率预测方法比较；Matlab源代码，内含数据，注释详细，内含gaot遗传算法工具箱。