基于多尺度纹理特征的EPR电缆终端故障诊断方法

高速铁路列车中乙丙橡胶(EPR)电缆终端常因制作过程中操作不当而导致出现多种缺陷,造成终端局部放电甚至击穿的现象,对检测到的局部放电信号进行准确分类仍然是亟待解决的难题。分别制作了含尖端、环切划伤、金属微粒、气隙4种典型缺陷的终端试样,通过试验记录了各类试样的放电谱图信息。基于试验得到的局部放电谱图库,提出通过图像金字塔理论,构建多尺度局部放电谱图空间,并从中提取1阶纹理统计量、2阶纹理统计量及高阶纹理统计量作为缺陷类型识别的特征参量。同时,结合随机森林算法,基于gini指数完成了特征空间寻优工作,实现了对缺陷类型的正确分类。结果表明：通过随机森林算法,多尺度纹理特征的模型误差率和分类准确率明显优于单尺度纹理特征,能较好地对终端典型缺陷进行分类;同时,由于气隙缺陷和划伤缺陷的放电机理存在相似性,二者缺陷处的局部放电特征同样存在相似现象,因此气隙缺陷和划伤缺陷的分类较易出现误差,导致其识别率偏低,还需针对其图像特征参数和识别算法继续开展研究。     

基于随机森林的多站融合项目优先业务筛选机制

在“双循环”新发展格局和“电力数字化”战略中顺势发展“多站融合”项目。基于多站融合布局,提出了一个多站融合项目区域性优先业务筛选的技术方法,从经济发展与能源产业视角,依据各区域属性特征将中国31个省市划分为四类区域,并结合多站融合项目业务清单所梳理的三大类业务范畴,利用随机森林算法的大数据分析法,通过选择区域数据样本,形成了多站融合项目区域性优先业务筛选机制,进而依据优先业务匹配组合预测,实现了各区域优先发展业务的精准甄别和科学选择。实证分析验证了基于随机森林算法的多站融合项目区域性优先业务筛选模型的科学合理性以及有效可靠性,以期为多站融合推进提供有益参考。     

森林植被变化对潜山流域径流量的影响

采用流域自身对比法,利用潜山流域水文站实测的44 a降雨量—径流量数据,定量分析了该流域降雨量—径流量变化关系.选择1987年、1999年和2007年3个典型年份,结合植被覆盖度分级图,定量分析研究了大别山地区潜山流域森林植被变化对该区域森林水源涵养关系的影响.研究发现,2007年低植被覆盖区比1987年减少56%,中植被覆盖区比1987年增加12%,高植被覆盖区比1987年增加24%,2007年平均降雨量较1987年减少52%,而平均径流量较1987年减少69%,表明森林覆盖率提高能减少径流,显著降低径流系数,增强流域抗洪能力,使得森林水源涵养能力得到提升.     

Forest visualization at multiple scales for management and planning

In this study forests were visualized at various scales by placing individual trees into a forest with realistic sizes and densities. Tree images were used from two sources: high quality field photos and images created using graphic design software. The terrain, species composition, and tree sizes and density from forest inventory were all represented in GIS data format. In addition, non-tree objects and features that are essential for close-to-reality visualization were combined with the tree images in a 3-D visualization software package. We further portrayed stand level effects by animating a simulated fly-through of a forest. To visualize temporal change, a case study of four different forest patches was animated. The advantages of this approach comparing to other visualization approaches are: (1) it represents the forests with realistic individual tree images; and (2) it maintains both visual and informational realism in a forest viewable from within-stand to landscape scales. Thus, this approach is realistic in two aspects. First, it is almost as realistic as a photograph, and secondly, its information content is actual forest composition, density, and height.     

植物抗性基因识别中的随机森林分类方法

为了解决传统基于同源序列比对的抗性基因识别方法中假阳性高、无法发现新的抗性基因的问题,提出了一种利用随机森林分类器和K-Means聚类降采样方法的抗性基因识别算法。针对目前研究工作中挖掘盲目性大的问题,进行两点改进:引入了随机森林分类器和188维组合特征来进行抗性基因识别,这种基于样本统计学习的方法能够有效地捕捉抗性基因内在特性;对于训练过程中存在的严重类别不平衡现象,使用基于聚类的降采样方法得到了更具代表性的训练集,进一步降低了识别误差。实验结果表明,该算法可以有效地进行抗性基因的识别工作,能够对现有实验验证数据进行准确的分类,并在反例集上也获得了较高的精度。     

基于粒子系统的林火实时绘制研究及实现

为了满足林火图像实时绘制的需求,在总结近几年国内外对粒子系统的研究及对林火的认识的基础上,提出了一种适合大场景林火实时绘制的新型粒子系统模型。该模型对传统粒子的属性定义、基本粒子的运动及基本粒子的绘制等方面均做了补充和改进,并且采用硬件加速纹理技术提高了绘制的效果和效率,应用结果表明,该模型可以实时绘制出效果逼真的火焰图像,此模型所采用的技术也适用于其他不规则物体(如:烟、云等)的绘制。     

SPOT 5在森林资源二类调查应用中数据优化研究

为了实现SPOT 5影像应用于森林资源二类调查过程中影像数据最优的目视效果,首先利用标准差、均值、信息熵、OIF指数等指标对影像融合及目视解译最佳波段进行选取;其次,针对性地引入了亮度信息、空间细节和纹理结构、信息量、光谱特性保持程度等融合效果评价参数,并以高空间分辨率信息继承程度作为重要参数以反映融合影像空间分辨率特征,把最佳波段作为统计对象对常用的9种像素级融合方法进行了融合效果分析。比较得出PCA融合为9种方法中综合最优,影像亮度、空间分辨率信息较高,视觉效果最佳;乘积融合和Brovey融合虽然空间分辨率信息继承程度等指标也较优,但是光谱扭曲太大。小波融合等方法总体光谱特征普遍较好,但是噪声较多,空间分辨率信息不佳,不适用于目视解译。定量评价之后的定性评价分析进一步强调了高空间分辨率信息继承程度做为评价指标的重要性。     

亚马逊热带雨林星载SAR辐射定标算法

天线外定标是实现星载SAR天线方向图在轨测试的主要手段。天线方向图的准确测量,对星载SAR图像的应用具有重要作用。分布目标辐射定标在星载SAR天线方向图测试中受到广泛重视。亚马逊热带雨林的后向散射系数呈现大面积的均匀性和稳定性,故成为分布目标定标最主要的定标场。该文在分布目标定标原理的基础上,对基于亚马逊热带雨林的星载SAR天线方向图测量算法进行了研究,提出了采用K．Pearson统计量非参数假设检验的一致性处理算法,并采用Levenberg-Marquard算法（LM算法）估计俯仰向天线方向图模型参数。仿真数据验证了算法的可靠性和准确性。     

森林火灾救援空地一体化指挥体系设计

鉴于森林火灾的社会影响和我国森林火灾救援的现实需要,研究构建利于促进空地协同的森林火灾救援指挥体系。分析了森林火灾救援现状,论述了传统层级式森林火灾救援指挥体系的不足。结合OODA循环理论和协同决策理论,按照“信息感知-灾情研判-科学决策-调度执行”的基本思路,设计一种促进空地联动的空地一体化指挥体系,支持救援各方共享统一、动态的火场图景,提升森林灭火作战指挥效能。基于信息化、人工智能等技术,设计了包括数据支撑子系统、数据融合子系统、指挥调度决策子系统的森林火灾救援指挥信息系统。研究成果可为增强我国森林火灾救援指挥能力提供理论参考。     

一种在线学习的目标跟踪与检测方法

针对现有在线学习跟踪方法缺乏监督机制的缺点,提出一种新的跟踪框架。以随机森林在线学习理论构造分类器作为目标检测器,用SURF特征点匹配方法作为目标跟踪器,跟踪过程中用可靠跟踪的结果形成对检测结果的监督机制,不对低置信度样本或错误样本进行学习,避免了分类器分类精度的逐渐下降,同时在跟踪失败时用目标检测器对目标进行重新捕获,形成跟踪、学习、检测三者有机结合的跟踪框架。对不同视频序列的测试结果表明,本文算法能有效避免目标出现较大外观变化或被大面积遮挡等复杂情况下的跟踪失败问题。