排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
利用微波遥感的发射率数据反演裸土壤湿度,不可避免需要结合地表面和土壤层的一些先验知识,而先验知识的准确度又将对反演结果的准确度产生一定的影响。文章讨论了地表的高度起伏相关函数形式、土壤温度和土壤质地等三类先验知识,定义了几种不同的土壤湿度反演误差,从而定量地给出三类先验知识的不确定性对土壤湿度反演的影响,指出:基于BSM散射模型和人工神经网络(ANN)的土壤湿度的反演方法是可行的,向ANN输入两种极化的裸土壤表面发射率数据便可反演出裸土壤的湿度,在上述三种先验知识具有一定的不确定性时仍可保证较好土壤湿度反演准确度。 相似文献
2.
3.
本文在无线数据业务需求爆发增长的背景下,基于业务发展趋势提出适用于无线网络容量规划的神经网络预测模型,创新采用数据增量与循环迭代预测方法,提升业务预测精度。并将预测结论应用于无线网络容量规划中,指导网络资源合理配置。 相似文献
4.
针对传统大数据填充方法相似度度量方法单一,且通常只考虑原数据集内部联系,使得填充数据容易被原数据集限制、失去自身原有特点、填充结果不客观等问题.提出一种新的概念——共享知识,该方法首先基于共享知识构建不完整数据集与异源相似完整数据集的共享关系,并建立共享信息系统;其次通过新的相似度度量方法建立它们对象间的相似关系,从而用异源相似完整数据集对象对不完整的数据集对象进行相似填充.实验结果表明,新的相似度度量方法比单一的数值型相似度度量方法填充精度更高.与其他填补算法相比,该方法对缺失值的填充精度值能够稳定地保持在0.85以上,均方根误差稳定在0.15之下,充分保留了填充值的客观性,填充效果更好. 相似文献
5.
为准确识别电网中各类暂降源,提出了一种基于改进灰色关联分析的电压暂降源识别方法。分析了其产生机理,并利用暂降分段法,分析电网中各类暂降源的波形特点;针对传统灰色关联分析模型的不足,利用熵权法进行改进;提取电压暂降波形的时域特征,形成六类暂降源对应的标准参考序列和待识别暂降源对应的比较序列,利用改进的灰色关联分析模型计算参考序列和比较序列的关联度,实现暂降源的准确识别。通过PSCAD/EMTDC仿真和实测数据对所提方法进行验证,并与其他方法对比,证明了所提方法能在样本较少的情况下准确识别各类暂降源,且能确定短路引起暂降的故障类型,具有较大的工程应用前景。 相似文献
6.
随着电网数据急剧增加,传统的数据挖掘和分析方法已经不能适应当前智能电网的要求,而大数据分析为此提供了相应的实现手段。首先简述了大数据技术理论,并从输变电设备状态分析及应用的具体电网业务角度出发,开展数据整合、数据存储、数据计算、数据分析和结果可视化五部分工作;然后针对输变电设备历史缺陷数据和全过程技术监督的问题数据,应用主成分分析法和聚类算法,构建变压器设备缺陷特征分析模型,实现将设备缺陷内容归类特征贴标签,为电网运检人员提供相关决策的数据分析依据;最后介绍了开展输变电设备潜伏性故障关联预测研究的工作展望。 相似文献
7.
半波长交流输电要求线路送受端的电气距离接近半个工频波长。当线路的电气长度不足半个波长时,需要进行人工调谐以确保线路呈现半波长特性。针对现有无源型调谐网络的不足,本文提出了π型半波长输电柔性调谐装置,包括两组并联调谐器和一组串联调谐器。结合并联调谐器和串联调谐器的主电路结构及工作原理,设计了适用于半波长柔性调谐的控制策略,并通过仿真验证了π型柔性调谐装置的可行性。通过适当的控制策略,柔性调谐装置可实现功率因数补偿这一附加功能,仿真结果表明,在实施功率因数补偿后,避免了无功功率经过半波长线路,减小了半波长线路沿线电压、电流的波动。 相似文献
8.
总结中国地质调查机构出版期刊的文献计量指标和出版现状,为相关管理部门提供期刊价值参考依据。本文针对中国地质调查局及其局属单位公开出版的31种科技期刊,以CNKI数据库和《中文核心期刊要目总览》为数据源,统计了2012~2016年间期刊出版情况、被相关数据库收录情况、被引情况和影响因子情况等评价指标。统计结果表明:入选中文核心期刊数量占总出版数量的54.8%,有18种期刊进入"地质学百名高被引期刊",国际化期刊(英文版学术期刊)有2种,各个期刊在基金发文比、下载量、总被引频次和影响因子等方面均呈现上升趋势。 相似文献
9.
研究了铸态ZK60镁合金粉末的氢化-脱氢优化技术及其在此过程中的晶粒尺寸纳米化机理。通过XRD、OM和TEM考察了氢化-脱氢过程中ZK60镁合金粉末相结构和显微组织演化规律,获得了制备纳米晶材料的氢化、脱氢工艺条件。结果表明:ZK60合金粉末在450℃、2 MPa条件下保温12 h后能够完全氢化,随后在350℃保温并连续抽真空3 h即可完全脱氢,在此过程中ZK60合金粉末的平均晶粒尺寸也从约150μm被细化到约30 nm。 相似文献
10.
本文提出了一个基于流形学习的动作识别框架,用来识别深度图像序列中的人体行为。本文从Kinect设备获得的深度信息中评估出人体的关节点信息,并用相对关节点位置差作为人体特征表达。在训练阶段,本文利用Lapacian eigenmaps(LE)流形学习对高维空间下的训练集进行降维,得到低维隐空间下的运动模型。在识别阶段,本文用最近邻差值方法将测试序列映射到低维流形空间中去,然后进行匹配计算。在匹配过程中,通过使用改进的Hausdorff距离对低维空间下测试序列和训练运动集的吻合度和相似度进行度量。本文用Kinect设备捕获的数据进行了实验,取得了良好的效果;同时本文也在MSR Action3D数据库上进行了测试,结果表明在训练样本较多情况下,本文识别效果优于以往方法。实验结果表明本文所提的方法适用于基于深度图像序列的人体动作识别。 相似文献