| 基于增强支持向量机的电力隧道多状态全过程监控方法 |
| |
| 引用本文： | 刘滨,刘春,邵必飞,杨郭明,苟军,黄贵武.基于增强支持向量机的电力隧道多状态全过程监控方法[J].计算技术与自动化,2023(4):41-46. |
| |
| 作者姓名： | 刘滨 刘春 邵必飞 杨郭明 苟军 黄贵武 |
| |
| 作者单位： | （国网兰州供电公司，甘肃 兰州 730030） |
| |
| 摘 要： | 提出基于增强支持向量机的电力隧道多状态全过程监控方法，精准监控电力隧道多种状态的全过程并直观展现监控结果。通过离散小波提取电力隧道动态数据流的低频近似因数重新组合数据并提取特征，再融合低频因数，得到电力隧道多状态混合特征；深入学习支持向量机（SVM），访问未获取类别的样本，通过标有“对”与“错”分类结果的访问点来优化分类器，以此增强支持向量机；运用粒子群优化（PSO）算法优化增强支持向量机参数，得到基于PSO-SVM的电力隧道多状态识别模型，通过模型的训练和测试，识别电力隧道的多状态，实现电力隧道多状态全过程监控。实验证明：该方法能够及时、精确地监控电力隧道内各指标的多种状态，对异常情况及时预警，可实现电力隧道多状态全过程的监控。
|
| 关 键 词： | 电力隧道 支持向量机 全过程监控 多特征混合 分类器 离散小波分解 |
Multi-state Whole-process Monitoring Method of Power Tunnel Based on Enhanced Support Vector Machine |
| |
| LIN Bin,LIU Chun,SHAO Bifei,YANG Guoming,GOU Jun,HUANG Guiwu.Multi-state Whole-process Monitoring Method of Power Tunnel Based on Enhanced Support Vector Machine[J].Computing Technology and Automation,2023(4):41-46. |
| |
| Authors: | LIN Bin LIU Chun SHAO Bifei YANG Guoming GOU Jun HUANG Guiwu |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《计算技术与自动化》浏览原始摘要信息 |
|
点击此处可从《计算技术与自动化》下载全文 |
|
