1) real-time correction
实时校正
1.
Probe into the Application of Artificial Neural Networks in Hydrologic Real-time Correction;
人工神经网络在水文实时校正中应用的探索
2.
The difficulty problem of image deform in multi-speed security verification system is discussed in the paper, and a real-time correction algorithm is provided.
方法:提出了在线的实时校正算法;结果:经仿真试验表明,该算法性能可靠,适合多种传输速度安检系统的图像实时校正。
3.
The real-time correction algorithm based on Kalman filter technique was proposed to improve the accuracy of real-time hydrological forecasting under the circumstances that the nonlinearity of flow concentration of river channels is evident.
基于卡尔曼滤波的河道汇流实时校正算法,采用非线性马斯京根矩阵解法,将河道汇流表达为一个时变线性系统,满足了卡尔曼滤波状态空间表达的要求。
2) real-time adjustment
实时校正
1.
The Kalmann filter real-time adjustment technique based on artificial neural networks;
基于人工神经网络的卡尔曼滤波实时校正技术
2.
In this paper the method of real-time adjustment of flood forecast for large river systems is developed based on the analysis of real-time flood forecast and real-time adjustment.
分析了大河系统实时洪水和实时校正方法,在此基础上提出了大河系统洪水预报的实时校正的构思和方法。
3) real time correction
实时校正
1.
The feasibility of application of Kalman filtering to real time correction of hydrodynamic model is discussed in the paper and the state-space equation can be established using the discrete St.
本文回顾了卡尔曼滤波技术应用在实时水文预报中的研究进展,对水动力学模型的实时校正提出基于卡尔曼滤波的多步(交替)滤波校正的思路。
4) real-time distortion correction
畸变实时校正
1.
In order to solve the opto-distortion problems of medical electronic endoscope, the theory of real-time distortion correction system of medical electronic endoscope and the realization of hardware system are introduced.
针对内窥镜系统光学畸变问题,提出了医用电子内窥镜畸变实时校正系统的原理和硬件系统的实现。
5) alternative real-time updating
交替实时校正
6) real-time flood rectification
实时洪水校正
补充资料：电力系统实时负荷预测
电力系统实时负荷预测
real time load forecast-ing of electric power system
z(‘)一名a，关(‘)+，(‘)式中f，(t)为负荷时间序列自校正功能的特征函数，由近期负荷历史数据求得;氏为模型参数，也由负荷历史数据求得;F(t)为误差项，假定为白噪声. 谱分析方法能较为精确地描述非平稳随机过程.因此这个模型具有较强的适应天气因素变化的能力，具有较好的预侧精度。谱分析方法要由历史数据的负荷变化余t形成Q矩阵，求解Q矩阵的特征值及特征向量才能求解出特征函数关(·)及参数风，计算t比较大。 (2)鲍克斯一詹金斯模型。利用了时间序列方法，又称ARMA模型.预测负荷的形式为 z(t)，Y，(t)+Y(t)式中Y，(t)为正常天气棋式下各小时的负荷分t;Y(t)为附加的残差项.它反映天气模式与正常情况的差别及随机相关效应。在ARMA模型中，残差项可表示为 用山Y(t)一名a.Y(，一i)十艺名勺u.(t一j.)盛一12决·0+习C.W(‘一k) 盛.]式中u.(t)为‘个天气因素的输人，也可为系统中不同地区的天气效应;W(t)为零均值的白嗓声，反映负荷的随机变化，久、bj.、C.及，、n，、m.、H都是模型的参数，是未知常数，都需要由仿真法辨识. 短期负荷预侧及超短期负荷预侧的模型荃本相似，只是在所取历史数据的长短及采样间隔上有所不同。 节点负荷的预测节点的负荷不直接进行预侧。根据各个节点的历史负荷数据统计出两个比例系数:各节点在一天中几个时段的有功负荷与相应时段的系统总有功负荷的比例系数;各节点在一天中几个时段无功负荷与有功负荷的比例系数。由这些比例系数及各个时段系统总有功负荷即可计算出各个节点每个时段的预侧有功负荷及无功负荷。d ronl一x一torlg stl一shl{L{he丫一」ce电力系统实时负荷预测(real time load fore-easting of eleetrie power system)利用电力系统实时信息和历史数据对未来时刻的电力系统负荷进行预测。它是能量管理系统(energyn、anagomontsystem，EMS)中的一项实时功能。一般预测的对象是电力系统总有功负荷及系统中各个节点的有功负荷与无功负荷。 负荷预测的目的与意义对未来的系统负荷情况的预测是制定电力系统运行计划(或称发电计划)的依据。电力系统运行的特点是任何时刻发电机发出的功率必须紧密跟踪系统负荷的需求(包括电力网中的功率损耗及厂用电)，以保持电力系统频率恒定。根据预测负荷来制定发电计划.决定机组间的负荷分配、水火电机组的协调、机组起停及与相邻系统间的功率交换等。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条