单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的

该文给出了一种考虑线路随机故障的随机潮流算法。文中将线路随机故障等效为线路端节点注入功率的扰动，将负荷波动和发电机故障都当作节点注入功率的变化，以线性化的潮流方程计算它们引起节点电压和支路功率的变化量。为减小线性化引起的误差，对系统影响较大的离散扰动以确定性潮流计算系统状态的变化。

朱荣探测车首先配备了全极化火星探测车穿透雷达(FP-RoPeR)系统，旨在绘制地下精细结构并发现潜在的地下水冰。但是，与以往轨道雷达探测水冰不同的是，当电磁波通过粗糙界面传播时，FP-RoPeR信号会受到感应场旋转(IFR)的影响。因此，在本文中，我们评估了粗糙界面的IFR对FP-RoPeR数据的圆极化比(CPR)响应的影响，这是水冰探测的重要参数。理论计算和数值验证表明，深度、粗糙界面数和相对介电常数是影响IFR效果的三个重要参数;对于FP-RoPeR系统来说，深度比其他两个因素更重要。浅层区