排序方式: 共有30条查询结果,搜索用时 0 毫秒
1.
为了减轻大坝安全监测数据异常识别的数据处理压力,解决传统方法难以辨别非最值异常点的问题,提出利用卷积神经网络(CNN)识别大坝安全监测数据异常模式。监测数据过程线的周期性及异常值的显著差别使CNN得以发挥图像分类功能,分别将存在单个突跳点、无异常、存在震荡段、台阶、多个突跳点、台坎的监测数据过程线作为6类图像,人工生成65 000张训练数据及6 500张测试数据,6类图像的数量比为1∶1.5∶1∶1∶1∶1。利用CNN对混合6种过程线图像的测试数据集进行图像分类,总体准确率为0.973 1,且6种图像的准确率都至少为0.93。进一步对CNN进行改进,构建CNN监测数据异常识别模型,增加数据异常位置搜索功能;模型输入为监测数据过程线图像,输出为图像编号、图像类别及异常位置。研究成果有助于实现大坝自动、及时预警,及时了解大坝安全状况。 相似文献
2.
3.
王丽蓉 《数字社区&智能家居》2010,(9X):7556-7557
采用模拟退火算法使锅炉燃烧过程在安全、可靠的前提下,以最佳状态运行,同时对环境的不利影响程度降到最低。对已建立的锅炉燃烧模型用模拟退火算法进行优化,在各运行参数的取值范围(阈值)内,确定用一组理想指导值,使锅炉在此种情况下燃烧飞灰含炭量最小。仿真结果表明,该算法是一种高效率的寻优方法。 相似文献
4.
5.
6.
7.
8.
目的 新药临床研究应在三个以上医院进行, 这种多中心临床研究资料应当调用原始资料, 用方差分析算出总变异、院间变异、组间变异及残差, 再作F 检验以确定用药组及对照组间差异有无显著意义。实际上各院总结资料已分别列出了两组的均数及标准差, 再次调用原始资料并无必要。本文给出一种等同于方差分析的析因T 检验, 可直接由各院总结资料进行组间差异的显著性分析。方法 根据专业要求, 进行数理推导。结果与结论 析因T 检验简便, 实用, 可代替方差分析法。在审批临床试验时, 可供核算之用。 相似文献
9.
为了保证光伏组件在使用过程中的安全和正常运行,IEC(国际电工委员会)制定了一系列的安全标准.本文主要概述了光伏组件的性能测试和试验要求,介绍了由机械或外界环境影响造成的电击、火灾和人身伤害的保护措施进行评估的方法,以确保在预期的使用期内提供安全的电气和机械运行. 相似文献
10.
针对现有的变电站缺陷图像检测识别算法鲁棒性弱问题,提出一种基于注意力机制学习的变电设备缺陷图像检测识别方法。所提方法以卷积神经网络作为缺陷图像特征提取的骨架网络,融合注意力机制原理,进一步提升缺陷图像特征的可辨识性。首先,构建注意力机制的卷积神经网络特征提取模型,提取不同注意力机制下变电站缺陷图像特征;其次,设计一种自适应特征学习函数,将不同注意力机制下的特征融合成为新的高质量变电缺陷图像特征;最后,将不同注意力机制下的缺陷图像特征输入到分类模型,实现变电站缺陷图像检测。所提方法增强了变电设备缺陷图像检测的准确性与鲁棒性,实验结果显示,所提方法的mAP达到了70.4%。 相似文献