结合光谱相似性与相位一致模型的高分辨率遥感图像分割方法

提出一种结合高分辨率遥感图像的光谱相似性与相位一致边缘检测模型的分水岭分割方法.分水岭分割算法的性能依赖干图像边缘梯度图.利用同类地物的光谱相似性特点,可有效抑制相位一致模型边缘检测中产生的伪边缘和噪声信息,从而获得更好的遥感图像分割结果.首先基于目标像元与其邻域像元之间的光谱曲线距离之和定义光谱相似性模型,结合相位一致模型获得边缘响应强度;然后利用自动标记分水岭变换方法实现高分辨率遥感图像分割.基于此方法和其它方法进行了分割实验,并利用基于多光谱信息熵方法对分割结果进行了非监督评价和比较,同时对比分析了计算耗时.结果表明此方法可有效抑制遥感图像过分割现象,并取得较好的分割结果.     

茶叶光谱与叶绿素、茶氨酸、茶多酚含量关系分析

利用茶叶反射光谱数据分析茶叶中有机物组分的含量,能够快速、无损地进行茶叶品质鉴定。选择浙江省丽水市松阳县和绍兴市越城区的4个茶叶品种的新叶、成熟叶和老叶的样本,进行了光谱测量和3种有机物组分(叶绿素、茶氨酸和茶多酚)的含量检测。然后利用最佳指数法选出了估算这3种有机物的最佳波段,建立了估算3种有机物含量的多元回归线性模型。最后,比较了多元散射校正变换、标准归一化变换、结合Savitzky-Golay滤波的一阶导数变换这3种不同的光谱数据预处理方法的估算结果的差异,并分析了敏感波段的产生原因。研究结果表明:利用茶叶光谱估算叶绿素含量的效果最好,模拟值与实测值之间R~2大于0.9;估算茶氨酸的效果次之,模拟值与实测值之间R~2约为0.7;估算茶多酚的效果最差,模拟值与实测值之间R~2仅为0.65左右。     

换流站集中控制中心研究

该文在分析南方电网现有的直流工程现状的基础上,对建立集中控制中心的发展规划、技术分析、实现方案等诸多问题进行探讨,并对其综合效益进行分析比较。     

一种广泛适用的IgG敏感膜压电免疫传感器

压电晶振ＱＣＭ金电极表面采用金－蛋白质Ａ－ＩｇＧ的方法制备生物敏感膜,选择不同种类的ＩｇＧ,可检测相应的不同种类的抗原或抗体,适用范围广泛。文中讨论了蛋白质Ａ总量、ＩｇＧ浓度对压电免疫传感器频移的影响,采用两种方法测定了对不同浓度待测度的响应曲线和灵敏度,考察了特定的敏感膜对于相应抗原或抗体的特异性识别能力。     

优化钻井技术在苏里格气田的应用

四川石油管理局在苏里格气田油气合作区块以前要钻完一口以山西组为目的层的第二次开钻井需要 1个月左右，平均机械钻速不足8 m/h，钻机月速约3400 m/台月。通过合理匹配钻井参数、延长聚合物无固相钻井液的使用时间、优选钻头类型、提高钻井液抑制性、改善钻具结构等技术措施，极大地提高了该地区的钻井速度，平均机械钻速提高到现在的 12 m/h以上，缩短了钻井周期，达到了预期的效果。     

城市之光超高层建筑结构优化设计

以阿联酋某一高层项目结构设计阶段优化设计为例,总结在D&B总承包模式下,结构优化设计的控制思路和管理流程.分别从技术设计和施工图设计两个阶段,着重论述所采取的具体措施,并结合案例分析.实践证明,高层建筑的结构优化设计,不仅使工程设计质量得以提高,而且有效地控制工程造价,并取得良好的经济效益,增强企业竞争能力,赢得市场的信心.     

故乡秋色

天空慢慢高了,又高了天气渐渐凉了,又凉了小河畔的芦苇是长途跋涉的旅人在风中默默奔波田地里的庄稼是丰腴美妙的少妇等待着农人爱抚     

InSAR技术在水电站库区滑坡体部位形变监测中的应用

澜沧江上游流域水电站库区大部分为峡谷地带,由于地形复杂、交通不畅等原因,在变形的临发阶段,人员不仅难以快速到达现场,而且到现场可能存在危险,使得传统的监测方法在该地区实施困难。主要针对澜沧江流域库区水位抬升或下降过程中引起的库区内多个滑坡体发生滑坡的问题,采用InSAR技术手段代替传统测量手段对滑坡体进行监测,依据监测对象的形变信息进行安全性分析以及灾害预警,确保电站安全运营和滑坡体部位人民生命财产安全。     

电网厂站接线图人工智能识别关键方法

矢量化的电网厂站接线图需要调度运维人员参考设计图纸进行人工绘制及导入,工作量巨大且极易出错。针对电网厂站接线图中图元、文字以及接线关系3个核心的识别问题,提出一套基于人工智能的完整电网厂站接线图识别方法,显著提升识别的效率和准确性。通过结合分级预处理的重叠滑窗机制与YOLOv4算法,解决电网厂站接线图的“大图像小图元检测”问题;通过迁移学习与卷积循环神经网络结合,提升包含中文电气文本的识别率;通过嵌入电气领域知识与规则,提升接线识别的准确率。最后,根据获取的电气元件信息、文本信息、连接线信息,完成其他下游任务。采用实际调度系统导出的电网接线图数据集,设计了图元、文字、接线识别三方面的对比实验,验证了所提方法的有效性。     

基于隐马尔可夫模型的非侵入式负荷监测泛化性能改进

隐马尔可夫模型(HMM)是非侵入式负荷监测常用的算法.由于电压波动与负荷自身电气特性变化等原因,负荷的测量状态如功率可能持续变化,运行过程中出现新的状态转移,但当前基于HMM的非侵入式负荷监测方法并未考虑如何处理该情况,缺乏状态辨识与功率分解的泛化能力.针对这一问题,本文提出并构建二元参数隐马尔科夫模型(BPHMM),结合DBSCAN聚类算法,基于有功功率和稳态电流对负荷状态进行聚类,降低了因电压波动和噪声数据对负荷状态聚类结果造成干扰的可能性;改进维特比算法使其考虑到HMM模型参数更新以实现对负荷状态预测泛化性能的改进;考虑到功率的随机波动性,基于极大似然估计原理构建功率计算优化模型并实现负荷的功率分解.本文采用公共数据集AMPds2对所述方法进行验证,测试算例验证了所述方法的有效性.