在单变量时序预测领域，如何提升模型对单一变量复杂时序特征的捕捉能力与预测精度是关键。本文提出双优化机制的 NRBO-VMD-NRBO-Transformer 模型，通过两次北方苍鹰优化算法（NRBO）分别优化变分模态分解（VMD）参数与 Transformer 超参数，并选取 VMD-Transformer、NRBO-Transformer、VMD-NRBO-Transformer 三个模型作为对

风电场风速预测是风电出力预测的核心前提 —— 风速预测误差每降低 1m/s，可使短期风电出力预测误差减少 15%~20%，直接影响电网对风电的消纳能力与调度安全性。然而，风电场风速受大气环流、地形地貌、季节交替等多重因素影响，呈现 “线性趋势（如昼夜周期性）+ 非线性波动（如突发阵风）” 的复合特征，单一预测模型难以同时精准捕捉两类特征：ARIMA 模型（自回归积分移动平均模型）擅长拟合线性时序规

在本项目1中，我们首先研究了基于高斯分布的隐马尔可夫随机场（HMRF）模型及其期望最大化（EM）算法，随后将其推广至基于高斯混合模型的隐马尔可夫随机场。该算法已在 MATLAB 语言中实现，并成功应用于彩色图像分割与三维体积分割问题。

省赛每个省份的时间都有所差异，详细信息大家关注所在省份的时间安排即可；深圳杯不收取报名费，参加深圳杯决赛答辩的成员差旅费自理，决赛答辩期间的活动经费由活动主办方承担。4月15号前公布竞赛题目：6月10号前通过email提交论文（提交论文时间会根据各赛区调整有所差异）美国大学生数学建模比赛比赛时间在二月份，基本都是在过年那两天，报名费较贵。全国大学生数学建模竞赛每年的9月份，一般都是在中秋节的三天，

在电力负荷预测、气象数据预测、交通流量预测等多变量时序场景中，模型的特征提取能力、参数优化效率与输出模式（多输出 / 单输出）直接影响预测精度。WOA：优化模型超参数（如 CNN 卷积核大小、BiGRU 隐藏层节点数），避免人工调参的主观性与局部最优陷阱；CNN：提取多变量时序数据中的局部空间特征（如不同变量间的短期关联）；BiGRU：捕捉时序数据的长期双向依赖关系（如历史数据对未来多步预测的影响

在单变量时序预测领域，如何提升模型对单一变量复杂时序特征的捕捉能力与预测精度是关键。本文提出双优化机制的 NRBO-VMD-NRBO-Transformer 模型，通过两次北方苍鹰优化算法（NRBO）分别优化变分模态分解（VMD）参数与 Transformer 超参数，并选取 VMD-Transformer、NRBO-Transformer、VMD-NRBO-Transformer 三个模型作为对

光伏发电是通过半导体材料的光电效应，将太阳能直接转化为电能的技术。光伏电站是由众多光伏发电单元组成的规模化发电设施。光伏电站的发电功率主要由光伏板表面接收到的太阳辐射总量决定，不同季节太阳光倾角的变化导致了辐照强度的长周期变化，云量、阴雨、雾霾等气象因素导致了辐照强度短周期变化。当光伏电站接入电网时，光伏电站发电功率的波动会对电网的功率平衡和频率调节带来不利影响。因此，准确预测光伏电站的发电功率，

✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。👇 关注我领取海量matlab电子书和数学建模资料🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

探讨了**无人机（UAV）与无人地面车辆（UGV）协同包裹取货的最优负载均衡问题**。通过考虑各类实际因素（包括两类车辆的运动特性及无人机的禁飞区规避要求），我们旨在优化两车的三维轨迹与取货策略，以找到能最小化取货完成时间的最短路径。为解决该非凸优化问题，我们采用**逐次凸近似法**将原始问题转化为关于优化变量的凸形式；同时，运用**惩罚凸凹过程**保留设计取货策略所需控制参数的二值特性。我们还提

一、研究背景与意义：密集城市场景下的无人机路径规划挑战在城市化进程加速推进的当下，密集型复杂城市场景已成为无人机应用的重要领域，涵盖物流配送、应急救援、城市巡检等多元场景。然而，该场景下无人机三维路径规划面临着多重严峻挑战：一方面，城市中高楼林立、桥梁交错、电线密布，形成了大量不规则障碍物，且部分障碍物（如移动车辆、临时施工区域）具有动态性，导致无人机可飞行空间被严重压缩，路径搜索难度呈指数级上升