高光谱图像分类的融合分层深度网络联合稀疏表示算法

在高光谱图像分类领域中每个像素的局部邻域一旦包含来自不同类别的样本,联合稀疏表示将受邻域内字典原子与测试样本之间同谱异类的影响,严重降低分类性能.根据高光谱图像的特点,文中提出融合分层深度网络的联合稀疏表示算法.在光谱和空间特征学习之间交替提取判别性光谱信息和空间信息,构建兼具空谱特征的学习字典,用于联合稀疏表示.在分类过程中将学习字典与测试样本间的相关系数与分类误差融合并决策.在两个高光谱遥感数据集上的实验验证文中算法的有效性.     

基于卷积神经网络与长短期记忆网络的多规格带钢精轧电耗分析预测

能耗数据预报在工业过程中发挥重要作用,产线级的电耗精准预报更是钢铁智能制造背景下的节能降耗热点。针对带钢热轧精轧控制段的多规格轧件电耗预测问题,首先通过皮尔逊(Pearson)相关性分析筛选出影响精轧电耗的主要因素,节约计算时间,然后充分发挥卷积神经网络(convolutional neural network, CNN)与长短期记忆网络(long short-term memory, LSTM)分别在特征提取与数据预测方面的优势,提出了一种基于CNN-LSTM混合神经网络的精轧电耗预测模型并进一步优化。通过利用预处理后的厂级实时数据进行算法验证,均方误差能控制在0.8%以内,表明该方法能对产线级多规格轧件精轧电耗准确预报。     

浙江地区回弹法检测泵送混凝土抗压强度测强曲线研究

针对浙江地区泵送混凝土特点,研究了回弹测强的各种影响因素,研制了回弹法检测泵送混凝土的测强曲线,曲线相关系数达到0.941,误差明显低于建设部规程(JGJ/T 23-2001)的要求.     

上海南浦大桥变形监测中GPS的应用

为了解和掌握上海南浦大桥主跨结构昼夜变形特征,在南浦大桥主跨两端、主跨中央部位安装了4个GPS监测点,并实施了4次24h全天候连续观测。介绍了测量组织与数据处理的方法,从数据分析了桥梁主跨昼夜及季节性变化规律。测试表明南浦大桥主跨在垂直方向的变化、桥身长度变化与气温有较强的相关性。     

多道瞬态瑞雷波法在强夯地基检测中的应用探讨

文章结合工程实例通过对强夯前、后多道瞬态瑞雷波资料的对比分析,探讨多道瞬态瑞雷波法在强夯地基检测中的应用效果,综合常规静载荷试验、动力及静力触探资料,采用数值统计法计算出各测试点地基土的承载力特征值,从而对整个测区强夯加固效果进行全面评价。     

巧用Excel建立室内环境污染物测定用标准曲线

（1）设制表格。注意：吸光度必须放在甲醛含量下行。 （2）在表格中编辑公式。①标准曲线方程中斜率的编辑：选中C6，在编辑栏中输入“=SLOPE（C5：K5，C4：K4）”；②计算因子的编辑：选中H6，在编辑栏中输入“=1／C6”；③相关系数的编辑：选中K6，在编辑栏中输入“=CORREL（C4：K4，C5：K5）”。     

大直径桩桩端土承载力特征值的研究

本文通过省内448组静载试桩与原位测试或土工对比试验资料，采用回归统计法和散点图解法编制出大直径灌注桩桩端土承载力特征值表，经检验结果，可在省内使用。     

基于斯皮尔曼等级相关系数的新能源送出线路纵联保护

新能源电源均直接或间接通过电力电子装置并网,其故障电流幅值受限、相角受控、谐波含量高、波形非线性度强,与传统同步电源有着明显区别。传统比率制动式差动保护的动作性能面临挑战。为解决该问题,文中提出了基于斯皮尔曼等级相关系数的送出线路纵联保护方法。当正常运行或者区外故障时,流过送出线路的是穿越性电流,因此两侧电流波形完全相反。当发生区内故障时,两侧暂态电流波形存在巨大差异,因此可以利用斯皮尔曼等级相关系数量度两侧电流波形的相关程度,从而区分区内、区外故障。该方法适用于各类新能源场站,且具备较好的抗过渡电阻和抗噪声能力。同时,与现有基于新能源故障特征的保护相比,该方法在新能源弱出力以及重合于永久性故障时也表现出了较好的动作性能。仿真结果和现场录波数据均证实了该方法的有效性。     

SVG补偿后衰减振荡至稳态的判别方法研究

文章对SVG补偿后系统无功实测数据给出相应的衰减至稳态的判据并计算出其稳态点的参考值,用标准差、自相关系数、FFT、Prony四种方法提取两组振荡衰减数据的特征参数,并分别计算其何时到达稳态点。对这四种方法进行比较发现FFT判别法和自相关系数判别法分别在处理速度和准确性上具有优势。     

基于分时长短期记忆神经网络的光伏发电超短期功率预测

准确预测光伏发电功率对电力系统运行调度至关重要。提出一种基于Spearman相关系数和分时长短期记忆网络的光伏发电功率预测方法。首先利用Spearman相关系数分析每个时刻下影响光伏发电功率的因素,选取相关度高的影响因素作为长短期记忆网络模型的输入变量;然后,对每个时刻建立一个基于长短期记忆网络的预测模型,实现分时光伏发电功率的预测。最后,利用实际光伏发电站的历史发电功率和数值天气预报数据进行案例分析。结果表明,所提方法比单一长短期记忆网络预测模型具有更高的预测精度。