排序方式: 共有4条查询结果,搜索用时 671 毫秒
1
1.
针对低压配电网箱表关系存在人工核查成本高、异常案例少、难以实现异常规律捕获的问题,采用极端不平衡分类学习方法实现低压异常箱表关系识别的泛化应用推广.通过电压原理识别出部分异常箱表关系样本集,随后构建CNN(卷积神经网络)异常箱表关系识别模型,通过样本三分类赋权值实现类别均衡处理;并在模型推广应用过程中,采用强化学习实现离线模型的在线泛化学习,并以分组模型交互学习和竞争优化的方式筛选出最优泛化识别模型.实验证明,通过人工核查和数据反馈,该方法可实现模型对异常样本数据分布规律的自拟合学习,提高模型对不同应用环境的泛化性,进一步降低人工现场核查工作量,保障低压台区用户拓扑网络关系的准确性. 相似文献
2.
针对当前制造业转型舆情事件数据量不足,需借鉴各类网络舆情事件的丰富历史数据,同时虽然同一类型的舆情发展态势存在共性,但仅凭历史数据往往难以较好地拟合并评估新生舆情事件的发展态势。鉴于此,采用基于多重分形态势优化方法实现新生突发网络舆情事件监测。首先,使用多重分形维数分析舆情传播态势,并根据抓取的舆情事件数据,对后续舆情的发展态势作出判别;随后,引入分形插值理论实现舆情传播态势预测;最后,以某企业数字化转型舆情危机为例,验证其可行性。实验表明,该方法可对转型企业舆情事件进行实时监测和有效控制,辅助引导现代制造业转型过程中网络舆情事件的良性发展。 相似文献
3.
为研究新疆榆树岭煤矿下5煤层低瓦斯含量、高瓦斯压力的赋存对煤层钻屑瓦斯解吸指标敏感度的影响,采用恒温瓦斯放散试验、低温液氮吸附法测定榆树岭下5煤层煤样及端氏3号煤层煤样瓦斯吸附规律及孔隙构成,总结分析不同变质程度煤样的孔隙结构特征、瓦斯解吸速率对钻屑解吸指标准确性的影响。结果表明:瓦斯解吸扩散速率受煤的变质程度及孔隙结构的影响较大,低阶气煤前10 min内的瓦斯解吸速率整体趋势平稳,端氏高阶无烟煤在前4 min瓦斯解吸速率较快,后6 min瓦斯解吸速率趋势平稳;榆树岭煤钻屑瓦斯解吸指标K1与瓦斯压力相关性较钻屑瓦斯解吸指标Δh2差,而端氏煤钻屑瓦斯解吸指标K1与瓦斯压力相关性优于钻屑瓦斯解吸指标Δh2;Δh2更适合作为低阶煤突出预测指标,K1作为高阶煤突出预测指标较适用。 相似文献
4.
1