马尔科夫区制转移向量自回归模型，MSVAR模型，MS-VAR模型的GiveWin软件安装和操作过程+MS-VAR各种图形制作（区

基于卷积-长短期记忆网络加注意力机制（CNN-LSTM-Attention）的时间序列预测程序，预测精度很高。可用于做风电功率预测，电力负荷预测等等标记注释清楚，可直接换数据运行。代码实现训练与测试精度分析。这段程序主要是一个基于CNN-LSTM-Attention神经网络的预测模型。下面我将逐步解释程序的功能和运行过程。1. 导入所需的库： - matplotlib.pyplot：用于绘图 - pandas.DataFrame和pandas.concat：用于数据处理 - sklearn.preprocessing.MinMaxScaler：用于数据归一化 - sklearn.metrics.mean_squared_error和sklearn.metrics.r2_score：用于评估模型性能 - keras：用于构建神经网络模型 - numpy：用于数值计算 - math.sqrt：用于计算平方根 - attention：自定义的注意力机制模块2. 定义一个函数mae_value(y_true, y_pred)用于计

基于模型预测控制(mpc)的车辆换道，车辆轨迹跟踪，换道轨迹为五次多项式，matlab与carsim联防控制

使用Carsim和Simulink联合进行仿真，通过滑模观测器（SMO）估计轮胎的纵向力和侧向力。该方法在双移线工况下测试，模型估计的精度非常高。相比于传统的稳态轮胎模型，基于SMO滑模观测器的轮胎力估计方法具有以下优点：省去了轮胎模型的使用，避免了稳态轮胎模型造成的轮胎力计算误差大的问题，并且不需要已知参数如轮胎的侧偏刚度。Carsim和simulink联合仿真轮胎力估计基于滑模观测器SMO估计轮胎的纵向力和侧向力模型估计的精度很高，测试的工况为双移线工况基于SMO滑模观测器的轮胎力估计方法省去了轮胎模型的使用，避免了稳态轮胎模型造成的轮胎力计算误差大的缺点，同时不需要轮胎的侧偏刚度作为已知参数等。

在matlab中用蒙特卡洛算法对电动汽车充电负荷进行模拟，可自己修改电动汽车数量，lunwen复现。参考lunwen:基于V2G的电动汽车充放电优化调度策略有注释简单易懂，可随意调整参数。