陕北荒漠区降水量演变规律研究

为了解陕北荒漠区降水演变规律,分析了榆林气象站1951-2013年降水量的基本统计特征,采用R/S法分析了序列的持续性,Kendall秩次相关检验分析趋势性,功率谱分析法分析周期,Mann-Kendall法和累积距平法相结合分析突变。结果显示:年降水量呈现递减趋势并将持续,周期为2.66年,显著突变发生在20世纪60年代末。年最大日降水量呈现不显著递增趋势,且发生在8月比例最大,无显著突变发生。大于5 mm和大于10 mm的日降水量累计值均呈现不显著递减趋势,周期均为3年,且显著突变均发生在20世纪70年代初。1、3、5、6、9月的月降水量呈现微弱递增趋势,其他月份均表现为微弱递减趋势;对汛期7-10月降水量的突变分析显示,汛期4个月降水均无显著突变。榆林站降水总体呈现递减趋势。     

基于改进双线性细粒度模型的压板状态识别

在变电站二次侧管理中,压板承担着重要作用.针对现有压板状态识别方法效果不理想的问题,提出了一种融合注意力机制的双线性细粒度压板状态识别方法.首先,通过注意力机制将注意力集中到压板接触部分;然后,利用双线性细粒度模型将重点集中到与压板开闭相关的关键区域;最后,从关键区域中提取有效的特征以实现对压板状态的准确识别.实验结果表明,本方法能实现压板状态的端到端识别,识别准确率可达到98％;且相比传统方法,本方法的精确率、召回率均有明显提升.     

一种改进的压板状态识别SSD算法

在变电站二次侧管理中,压板承担着重要作用.文章提出了一种改进SSD图像识别算法,用以实现对压板状态的识别.新算法通过在SSD目标识别算法中,嵌入注意力机制,利用注意力机制挖掘了每个特征通道的重要程度,提升有用特征的权重,抑制了无效特征,提升了原有算法的检测精度.为了解决训练样本不足的问题,新算法通过对样本的扩充和迁移学习的方式,训练得到了提出的新SSD算法中的各个参数,并通过仿真实验进行验证.实验结果表明,改进后的SSD算法,其识别准确率达到96％,召回率达到94％,每秒可以检测23张图片,能够有效提升变电站内压板状态识别的效率.