1996年汉江暴雨洪水及预报

1996年7～8月汉江中下游出现暴雨洪水，其下游的汉川、新沟两水文站洪水位接近和超过历史最高记录，分别居历史记录第2位和第1位，为建国以来最高的洪峰水位。10月底～11月初丹江。水库上游发生了少有的秋季洪水，库水位将超过157m的控制水位，导致丹江口大坝开闸泄洪的空前之举。简要介绍了这两次洪水预报的方法。     

基于快速增量式视觉感知的类脑SLAM

传统的RatSLAM算法中视觉处理受环境、光照的影响大,进而导致建图精度及稳定性下降。因此,提出了一种快速增量式视觉处理方法克服原RatSLAM系统中的视觉处理的缺陷。以一个改进型的二叉搜索树为检索算法,通过动态岛屿机制对图像进行分组,最终通过序列匹配的形式实现环境识别,达到了在线、准确、快速识别环境的目的。实验结果表明,所提算法的位置识别准确率高于99%,召回率高于80%,平均处理时间低于50ms。本系统的闭环性能、时间性能及建图稳定性均显著优于现有方案,进一步证明了基于快速增量式视觉处理方法的鲁棒性、高效性。     

基于数据挖掘模型的梯级水电站效益关联探索

为加强梯级水电站优化调度和经济运行的管理,针对梯级水电站效益考核中各水电站之间经济效益关系复杂的问题,采用数据挖掘模型进行梯级水电站效益关联性探索。首先,选取各电站相关效益指标的长序列监测统计资料,建立数据仓库;其次,根据关联规则的基本原理,选择合适的最小支持度和最小置信度,建立数据挖掘模型;再次,采用适当的数据挖掘算法Apriori算法对模型求解,得到梯级水电站经济效益之间的关联规则;最后,对模型应用效果进行分析和验证。结果表明:基于数据挖掘模型进行梯级水电站效益关联性分析,可快速有效地获得梯级水电站的经济效益关系,为梯级水电站的效益考核研究提供了新思路。     

基于改进蝙蝠算法的梯级水库发电优化调度

针对梯级水库优化调度高维度、多约束以及非线性优化的特点,将自适应权重以及连续禁忌搜索算法引入标准蝙蝠算法,改善标准蝙蝠算法在水库优化调度应用中出现的早熟收敛且陷入局部最优的问题:一方面利用自适应权重避免因更新步长机制导致寻优能力不足的问题;另一方面利用连续禁忌搜索算法避免因种群多样性差导致陷入局部最优的问题。案例分析结果表明,改进蝙蝠算法能有效运用于水库发电优化调度中,并且与标准蝙蝠算法相比,具有更强全局寻优能力、更高的运行效率,得到的运行调度结果更优。     

基于对数欧氏度量学习的概率黎曼空间量化方法

在许多机器学习应用中,需要分析的数据可能由对称正定矩阵构成,而经典的欧氏机器学习算法处理这种数据的性能较差。针对此问题,提出一种新的基于对数欧氏度量学习的概率黎曼空间量化方法。该方法将对称正定矩阵看做对数欧氏度量下黎曼流形上的点,采用对数欧氏度量学习距离函数将概率学习矢量量化方法从欧氏空间推广到对称正定黎曼空间。在BCI IV 2a脑电数据集上,该方法相较于概率学习矢量量化方法识别正确率提升20%,高于竞赛第一名;并且计算速度快,模型训练及测试时间分别为基于仿射不变度量的同类型算法的1%和10%。在BCI III IIIa和图像数据集ETH-80上也取得了较好的结果。     

基于自适应编码的脉冲神经网络

脉冲神经网络(SNN)采用脉冲序列表征和传递信息,与传统人工神经网络相比更具有生物可解释性,但典型SNN的特征提取能力受到其结构限制,对于图像数据等多分类任务的识别准确率不高,不能与卷积神经网络相媲美。为此提出一种新型的自适应编码脉冲神经网络(SCSNN),将CNN的特征提取能力与SNN的生物可解释性结合起来,采用生物神经元动态脉冲触发特性构建网络结构,并设计了一种新的替代梯度反向传播方法直接训练网络参数。所提出的SCSNN分别在MNIST和Fashion-MNIST数据集进行验证,取得较好的识别结果,在MNIST数据集上准确率达到了99.62%,在Fashion-MNIST数据集上准确率达到了93.52%,验证了其有效性。