新能源实时错误数据辨识与修正深度学习模型

针对新能源电站实时采集数据错误的问题，利用新能源电站历史数据，采用基于数据间模型的方法辨识和修正错误数据，进而利用辨识和修正的结果数据，建立基于决策树分类模型的新能源实时错数辨识模型，以及基于深度神经网路的新能源实时错数修正模型，从而在实时运行过程中，可利用得到的模型对新能源错数进行实时快速辨识和修正，可显著提高错数辨识和修正效率，支撑新能源电站的实时分析应用，保障新能源电站的实时安全稳定运行。通过某典型风电场和光伏电站真实历史数据的算例分析，验证了所提方法的有效性。     

基于时序高分一号影像的平原河网区水体信息快速提取研究

水体信息的高精度提取是区域水资源利用研究的基础和关键。为改善平原河网区水体遥感信息提取中城镇、阴影和裸土等像元混淆问题,基于多时相高分一号影像,提出时序归一化水体指数(NDWI)、归一化植被指数(NDVI)和近红外波段反照率信息相结合的决策树水体信息提取方法,并以江淮下游典型平原区开展实证研究。试验结果表明,多时相光谱信息的使用有效改善了阴影和裸土等像元的混淆,提高了较小水体的提取精度,总体精度为93%,Kappa系数为0.85,更合理地反映了水面率呈自西向东逐渐减少的空间特征,研究成果可为其他平原区水体信息提取提供借鉴。     

基于决策树的羽流追踪机器人自主决策方法研究

针对无法获得可靠羽流流向信息不利于实现羽流追踪的问题，提出了一种基于决策树的羽流追踪移动机器人自主决策方法。该方法通过移动机器人两侧的浓度传感器采集到的浓度信息，利用追踪的行为规则建立决策树模型，获得行为决策信息，使机器人高效地追踪到羽流并精确地定位。由于浓度变化关系蕴含了羽流的流向及流速信息，从而取代了传统方法中流向及流速传感器。在扩散环境下，通过移动机器人羽流追踪实验，实现了良好的源定位效果。     

基于决策树方法的混凝土泵车液压油超温分析与识别

工程机械的液压油超温由于设备规模大,影响因素多,导致运行过程中存在较强的不确定性.本文以混凝土泵车为研究对象,基于决策树算法分析了造成液压油异常高温的原因,了解了导致液压油超温的主要原因与各参数对液压油温度的贡献度.通过决策树模型(测试精度93.4％)找出了典型的超温原因,实施整改措施后液压油超温率降低7.4％,超温得到控制,降低了设备因液压油超温带来的潜在风险.数据挖掘在工程机械领域的应用大大提高了故障分析效率,明确了问题方向,为故障诊断与性能分析提供了一种新的思路.     

面向大学生心理问题分析的数据挖掘应用

当前已经进入大数据时代,数据挖掘是在大量的数据中提取有用的有价值的知识。本文结合高校学生心理测试产生的数据,采用ID3算法构造决策树分析预测大学生心理健康状况,为学校的心理辅导工作提供参考依据。     

ID3算法在警务化管理中的应用

目前警察院校通常会采用警务化管理制度来约束与规范学员的日常行为。在该制度下,请假的批准与否是影响警院管理质量和工作效率的一个重要因素。针对这种情况,提出利用ID3算法构建是否批假的决策树模型,并以此分析新的请假情况和帮助管理者决定是否予以批假。该方法可以有效地加强对学员的诚信管理以及提高管理者的工作效率。     

回采巷道围岩稳定性的分类预测方法分析

通过SVM分类机、朴素贝叶斯分类器和决策树算法,利用Matlab和WEKA软件以及粗糙集理论分析并验证了7个非线性因素对回采巷道围岩稳定性的影响。成功实现了对回采巷道围岩稳定性基于3种不同算法的训练和预测。从详细精度、混淆矩阵和节点错误率这3个方面分别比较了3种算法对回采巷道围岩稳定性分类预测的适用性。结果表明决策树算法不适用于对回采巷道围岩稳定性进行分类预测,SVM优于朴素贝叶斯分类器。