考虑工程合理使用年限的珠江流域多属性洪水风险评估

洪水具有洪峰、洪量以及历时等多属性特征。以往洪水风险评估忽略了工程合理使用年限的影响,考虑工程合理使用年限的风险指数可更好地描述工程所承担的洪水风险。基于此,选取了珠江流域典型水文站点1997—2017年的日流量资料,采用超定量法选取洪水,使洪水样本更丰富。采用Copula函数构建洪峰和洪量联合分布函数,计算联合重现期,同时考虑联合重现期和工程合理使用年限构建洪水风险指数。结果表明:相同重现期的洪峰洪量组合下,相较于其他站点,郁江发生高洪峰洪水或是大洪量洪水的风险最大,而柳江发生高洪峰同时洪量也大的洪水的风险最大(除10年一遇外);当考虑大(1)型水利工程(大坝,n=50～100 a)的合理使用寿命时,西江上发生高洪峰洪水或大洪量洪水的风险最大;柳江上发生洪峰和洪量均超过设计值的洪水的风险最大。     

面向车辆识别的样本自反馈式级联检测方法

以解决机器学习的样本提取问题、提高车辆识别的精度为目的,以Adaboost算法、级联检测方法、样本自反馈方法为基础,提出了一种面向车辆识别的样本自反馈式级联检测方法。方法兼具Adaboost级联检测器的架构优势和样本自反馈方法的样本扩充能力。通过前车图像的识别实例阐述了样本自反馈式级联检测方法的识别过程,进而使用常规Adaboost检测器和样本自反馈式级联检测方法对图像数据集进行了识别,将生产者精度、用户精度、总体识别精度、k值作为评价指标对识别效果进行了比较,证明了样本自反馈式级联检测方法具有较高的识别精度。分析了样本自反馈式级联检测方法个别评价指标较低的原因,提出了相应问题的解决思路。     

双边加权直方图模糊C-均值聚类分割算法

针对小目标图像分割的问题,提出一种双边加权直方图模糊C-均值聚类分割算法。该算法将样本信息和几何结构信息作为权值,对传统模糊C-均值聚类分割算法进行双边加权。并对加权聚类分割目标函数进行最优化推导,获得迭代求解的隶属度、聚类中心和聚类几何信息权表达式。对比实验表明,该分割算法能得到较好的分割效果。     

基于图像的单样本人脸识别研究进展

基于单样本的人脸识别具有重要的应用价值,然而对仅有一个注册样本的人脸图像进行识别是一个具有极大挑战性的问题。对近年来提出的单样本人脸识别的算法进行分类和介绍,以识别率为指标对比了这些算法的实验结果,同时给出了这些实验针对的人脸数据库、数据库的规模和训练/测试样本集的划分;总结了影响单样本人脸识别率的关键因素及各算法的优缺点,分析了一些算法取得较优识别率的原因及未来可能的研究方向。     

基于样本熵和支持向量机的短期风速预测模型

提出一种经验模态分解、样本熵和支持向量机相结合的短期风速组合预测方法。首先利用经验模态分解将原始风速序列逐级分解成若干个规律性更强的子序列,以减小不同特征尺度序列间的相互影响,提高预测精度。接着计算各风速子序列的样本熵,将复杂度相近的序列归类形成一个新序列,以减少所需建立的预测模型的数量。然后对经 EMD-SE 处理后得到的新的风速子序列分别建立支持向量机预测模型,并采用遗传算法实现各模型参数的自动选取和寻优,最后将各序列的预测结果叠加得到风速预测结果。算例研究表明,该方法充分挖掘了风速序列的特性,能快速地对风速变化作出响应,预测的均方根误差和百分比误差分别比单纯采用支持向量机法降低了5.1%和5.4%,有效地提高了短期风速预测的准确度。     

基于稀疏强特征提取的三维地震数据完备方法

随着复杂储层地震资料特征筛选的机器学习技术的进步,如何有效地对参与地震属性优选和储层反演的地震样本进行采集和分析,成为目前智能地震预测领域的一个研究热点。目前的方法多着重于模型分类算法的改进,在标签的制作和采集方面不仅耗费大量时间进行人工标注,还存在标签不平衡情况下类内可靠性、类间平衡性不强等问题。为此,提出基于稀疏强特征提取的三维地震数据完备方法。首先,基于多数决原则的样本分割(Sample Segmentation Based on Majority Rule, SSMR)寻迹多尺度、多标签三维地震样本,进行采集、自动标注;然后,改进标签洗牌平衡方法(Improved Label Shuffling Balance Method, ILSB),通过“2+1”的样本增广平衡策略进行数据完备处理,改善样本采样不平衡性导致的模型训练偏向性;最后,利用基于最小L₁范数稀疏表示对奇异值分解结果进行强特征提取(Minimum L₁-norm Based Sparse Representation for Feature Extraction, L     

基于改进生成式对抗网络的电网异常数据辨识方法

基于数据驱动的电网异常数据辨识方法已成为电网安全领域研究的重点,由于实际电力发电统计数据中异常数据样本数极少,给通过数据挖掘方法辨识异常数据情况带来了极大困难。文章提出了一种基于Wasserstein生成式对抗网络(Wasserstein generative adversarial networks, WGAN)和孤立森林算法(isolation forest,iForest)的发电统计异常数据辨识方法。首先,利用WGAN交替训练生成器和判别器学习发电统计数据的分布特性并生成样本,用生成异常样本对原始异常样本进行增强,根据异常数据辨识精度确定异常样本的扩充比例;然后,在扩充后得到的平衡数据集上利用孤立森林算法实现异常数据辨识;最后,通过扩充样本前后模型的准确率、查全率以及查准率来比较模型异常数据的辨识效果。算例结果表明,文章提出的异常样本增强方法能够有效地改善辨识模型对于多数类的分类偏好问题,提升整体辨识精度。     

基于迁移学习的电能替代节能量在线估计方法

电能替代成为能源转型发展的重要趋势和关键路径,节能量的快速准确估计有利于电能替代项目的推广。为充分利用少量电能替代项目调试期数据快速估计节能量,提出了一种基于迁移学习的单位节能量在线估计方法。首先利用回归算法对大量基期样本展开训练,获得基期能耗模型;其次,利用基于迁移学习的回归算法对大量基期样本、少量调试期样本展开训练,并通过不同的权重更新策略迭代调整基期样本、调试期样本权重,获得调试期能耗模型;最后,采用归一法获得参考条件下能耗差值,即单位节能量。针对干燥领域的电能替代进行仿真分析,证明了所提方法的有效性,并研究了迭代次数、样本数目和样本组合对所提算法预测误差的影响。     

专用计算机数控机床故障率实验研究

基于单样本的专用数控机床,通过对故障数据的实验分析,确定了单样本专用数控机床故障分布函数和故障率函数,依据故障率函数可以判断专用数控机床此时是处于早期故障期还是偶然故障期,进而采取措施消除故障,提高专用数控机床可靠性.     

基于小波包分解与支持向量机的金刚笔钝化识别研究

金刚笔修整器的钝化导致所修整砂轮廓形恶化,对磨削质量产生严重影响.本文研究了基于声发射的金刚笔钝化识别,利用小波包分解频带能量提取特征量,通过支持向量机(SVM)进行钝化的分类识别.试验结果表明,与常用的人工神经网络相比,该方法在小样本的情况下也具有良好的识别效果,适合于实际应用.