一种可防除(虫非)蠊的昆虫生长调节剂

■蠊与蚊子、苍蝇,同为主要的家庭害虫,但■蠊与后者不同,若虫与成虫在同一处栖息,因此可用适当的杀虫剂同时防除。由于栖息在人不易接触的地方,因此使用常规杀虫剂不易根除。     

基于不变矩的高分辨率遥感图像建筑物提取方法

为了有效地对图像进行特征提取, 利用不变矩算法对IKONOS和WorldView两种高分辨率遥感图像的城市建筑物地区进行提取。首先将图像数据经过Canny边缘检测和标记分水岭分割, 然后在此基础上分别利用胡氏不变矩和仿射不变矩对图像进行特征提取; 最后通过实验结果的评价可以证明在建筑物的特征提取上, 仿射不变矩比胡氏不变矩的提取效果更加显著, 进而也证明了利用不变矩算法对高分辨率遥感图像建筑物特征提取这一方法是可行且有效的。     

基于ERDAS 9.1/ER mapper软件快速制作航空遥感DOM的方法

快速制作航空遥感正射影像图(DOM),不仅能够及时获得动态目标的变化信息,而且可以对突发事件进行及时的动态监测,为现场应急指挥提供第一手翔实的图像资料.利用LPS ERDAS 9.1(含LPS模块)、ER mapper遥感图像处理软件,对基于机载POS系统、POSPAC软件数据进行研究,提出一种快速制作正射影像图的方法,并对黄海浒苔地区航空遥感影像进行了验证,结果表明,快速制作的黄海浒苔正射影像达到了预期的精度指标,取得了较好的效果.     

互联电网自动发电控制功率分配的改进逼近于理想解的排序--Q多目标优化算法

本文提出了一种多目标决策与强化学习相结合的改进的逼近于理想解的排序(technique for order preference similar to an ideal solution,TOPSIS)-Q算法,有效解决了自动发电控制(automatic generation control,AGC)总功率指令分配到风电、水电、火电等各类AGC机组的动态随机多目标优化问题.算法采用3个不同的目标Q值矩阵进行迭代更新,然后利用改进TOPSIS方法对Q值矩阵进行多目标决策处理,客观地给出各目标的动态最优权重系数,从而得到各状态-动作对的综合评价判据.IEEE标准两区域模型仿真研究验证了改进TOPSIS-Q算法在AGC机组功率多目标动态优化分配过程应用的可行性和有效性,在复杂随机扰动的环境中提高系统CPS性能的同时,有效降低了AGC机组调节成本和碳排放.     

基于NiFe薄膜AMR效应磁阻开关芯片的研究

利用磁控溅射设备在含有电路的6in.晶元上沉积惠斯通电桥形状的NiFe薄膜,对薄膜进行磁场退火处理,然后对薄膜进行后续的加工和封装,成功制备出磁阻开关芯片,经过测试获得芯片的相关电磁参数,发现其开关性能优异,温度稳定性好,静态功耗低,已经达到国外同类产品的性能.     

InSAR中应用可靠度导向改进的分级表相位展开算法

目的 在干涉合成孔径雷达的相位展开过程中,如果相位展开的展开路径穿过残差点就会产生相位展开的误差。在相位展开的时候,希望将相位展开的误差限制在局部区域,提高相位展开的精度。方法 首先通过判断截断相位图的残差点,并以InSAR的干涉一致性图作为相位展开的可靠性度量,对截断相位图进行量化,将残差处的可靠度设为排序中的最低等级。在进行可靠度排序后进行干涉合成孔径雷达相位图的相位展开。结果 使用该算法改进了经典可靠度导向相位展开算法中可靠度排序的缓慢问题。与经典菱形算法相比,展开精度高很多。与洪水算法相比,展开速度能快上百倍。通过可靠度排序的改进,对干涉合成孔径雷达相位展开后的结果进行分析,可以看到提高了相位展开的精度,有效的控制了相位展开过程中误差的传递。结论 相位展开算法的改进提高了干涉合成孔径雷达相位展开的精度,在干涉合成孔径雷达的相位展开中可以广泛应用。     

基于SAIL模型的HJ-1卫星LAI反演算法研究

基于辐射传输模型和人工神经网络算法,研究出适用于环境一号卫星CCD相机数据的叶面积指数反演算法针对环境一号卫星CCD相机的波段特征,设计出一种新的植被指数HJVI,有效的避免了数据饱和现象,提高了算法的精度。     

基于多源数据图表示学习的风电出力预测方法

高精度的风电出力预测技术是实现碳中和的关键技术之一,随着智能电网的逐步建设,风电出力预测系统逐步从分散模式趋向于集中模式,其表现为一个系统集成多个风电场站的数据和模型。传统预测方法无法较好地处理这种大数据融合场景,也无法较好表征多个风电场站之间的关系,因此,提出了基于多源数据图表示学习的风电出力预测方法。通过基于Stacking集成学习框架思想和图理论对多个风电场站形成的特征数据构建图数据,其中,图数据的节点为历史风电出力数据、基础方法预测值数据以及气象、位置等多源数据,边为多个风电场站之间的相关性,从而实现对多个场站数据的融合表征。最后搭建残差图卷积神经网络对所构建的图数据进行学习训练,并通过公开数据集验证了所提算法具有更好的结果。     

改进YOLOv5的无人机影像车辆检测方法

针对传统遥感影像车辆目标检测算法易受干扰、鲁棒性较差且在实际应用当中会产生一定的漏检与误检现象等问题,提出了一种基于改进YOLOv5s的轻量级无人机遥感影像车辆目标检测算法。以YOLOv5s为基线模型,根据车辆目标长宽比相对固定的特点,对锚框尺寸进行修正,提高了锚框与车辆目标的契合度;针对无人机影像中车辆密集情况,进行了加权框融合改进,对检测框合并,解决了预测框计数不准确的问题;由于车辆目标具有多变性,通过增加注意力机制网络,提升了模型识别车辆的速度和准确性。研究表明,改进的YOLOv5s模型可以实现实时准确的无人机影像车辆检测。     

基于改进生成式对抗网络的电气数据升频重建方法

高频电气数据是提高电网态势感知准确度、监测水平和辅助服务质量等的数据基础之一,但是,传统重建算法难以实现高精度的数据重建。因此,文中利用改进生成式对抗网络将低频电气数据重建为高频。通过将时序数据转化为电气图像,实现神经网络方法对电气图像特征的高效提取。利用基于深层残差网络的生成器和改进的残差块结构,提高生成器的特征学习能力。此外,生成器损失函数考虑真实样本与生成样本在低维或高维特征的差别。以公开数据集为例进行算法验证,验证结果表明,相比于传统重建方法,所提方法具有更高的峰值信噪比、结构相似性和更低的平均绝对误差、平均绝对误差百分数,以及更高的高频细节还原度、重建精度,能够对不同数据集实现泛化。