用电采集系统停上电事件的数据质量辨识技术

为解决智能配电网抢修服务平台中数据质量缺陷对预警抢修精准度产生负面影响的问题,提出一种针对用电信息采集系统停上电信息的数据质量处理方法.首先使用回归方法对数据整体异常率进行辨识,其次依据完整性、唯一性、一致性、准确性各项辨识指标对停上电数据缺陷进行辨识与处理,最后分析最新数据与历史数据之间的显著关系,辅助实现数据时效性辨识.该方法对源数据的质量进行辨识与处理,为后期平台建设中信息集成和故障研判的开发运行提供可靠的数据支撑.     

电力系统状态估计中的不良数据辨识及其处理

本文利用熵测度理论分析了样本数据中每个辨识特征值的信息增益，然后再用神经网络的自适应共振理论模型和多层感知器处理这些特征值，辨识并恢复了不良数据，为电力系统状态估计提供了一个好的不良数据处理方法。     

气象灾害条件下电网应急物资预测方法

为提高电网应急物资调配响应速度和电网抢修效率,提出一种案例推理与深度学习相结合的电网气象灾害条件下的应急物资预测方法.以气象信息、电网设备数据和地理环境数据为输入信息,利用案例推理方法确定预测模型输入、输出结构,并根据不同输入信息的特点进行处理和量化,利用深度置信网络完成案例适配,综合事故规模信息建立动态电网应急物资预...     

热连轧活套系统的数据驱动预测控制

针对热连轧活套高度和张力系统的双输入双输出强耦合特性,提出了基于数据驱动预测控制策略.基于子空间辨识方法,利用离线和在线输入输出数据直接辨识控制器参数,避开模型辨识的过程,同时基于预测控制原理,利用未来输入和已经测得的数据信息,预估未来输出,充分利用预测信息设计控制器,在下一个采样周期开始新的循环.该方法能够提高控制精确度,具有较强的扰动抑制能力.仿真结果表明该方法的可行性和较好的控制效果.     

软件缺陷数据集的数据质量优化

数据集的质量对软件缺陷预测模型的效果至关重要.针对传统数据集特征过多导致的学习速度较慢以及缺陷样本远少于无缺陷样本的类不平衡问题,提出一种基于主成分分析法(Principal Component Analysis,PCA)和数据加权增广的数据集优化方法:通过PCA方法对数据进行降维,有效去除了冗余数据,减少模型的学习时...     

GIS气象数据的管理与表达方法

将气象数据分为离散数据、格网数据和要素数据,在此基础上,建立了气象数据库,包括气象资料信息数据库、社会资料信息库、基础地理数据库和气象空间数据库,并详细分析了气象数据的组织结构、表达和处理方法,最后提出了基于GIS的气象数据管理与表达的处理方法.     

Rough集在不一致决策树生成中的应用

现实世界中存在大量不相容数据.基于Rough集的有关理论,提出了一个在决策树生成过程中简单高效的识别、处理不相容数据,生成不一致决策叶节点的方法,并引入决策质量参数来刻画不一致叶节点,从而为利用决策树推理和决策提供更多有用信息.将这些方法结合进ID3算法,使算法对相容和不相容数据均可进行有效地处理.     

基于R-OSELM的海洋环境数据在线预测

为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响,提出一种基于循环在线顺序极限学习机(Recurrent Online Sequential Extreme Learning Machine R-OSELM)的海洋环境数据在线预测模型.采用完全在线的方法初始化海洋环境数据训练集,通过在线顺序极限学习机算法对已有的海洋环境数据进行逐块输入,利用极限学习机的自动编码技术与一种归一化方法对输入权重循环处理,实现预测模型的在线更新,最后完成对海洋环境数据的在线预测.使用该模型对溶解氧、叶绿素a、浊度、蓝绿藻进行预测,结果表明R-OSELM模型的预测精度高于对比模型,确定其具备海洋环境数据在线预测能力,可为海洋水域水体富营养化与海洋环境污染预警提供参考.     

基于单片机和WiFi探针的公交客流检测系统设计

为解决公交站或大型客运站客流信息和车内信息获取不便的缺陷,给予乘客更为舒适的乘坐体验并实现公交管理系统中客流统计,基于STM32单片机,以STM32F103VET6为控制核心,对WiFi探针模块、GPS模块、串口通信模块进行整合,开发设计了检测系统.通过探针模块探测得到乘客MAC地址,经单片机对比去重后通过串口通信收发至宿主机,结合软硬件设计探测公交客流信息,收集的数据借助OD矩阵进行深化处理,以提高数据可视化程度,在方便乘客的同时实现信息的多方交互.     

基于PCA-SVDD的故障检测和自学习辨识

为了利用多变量统计过程控制在故障检测上的优势以及克服其在故障辨识诊断上的缺陷,提出一套新的用于化工过程的故障检测和自学习辨识算法.应用主元分析(PCA)实施故障检测并对故障数据运用PCA特征提取,提出3种基于主元分析-支持向量数据描述(PCA-SVDD)的模式判别方法来实现故障的自学习辨识:考虑故障辨识时可能出现的类分布重合问题,分析和比较了基于欧氏距离和归一化半径判别这2种方法,提出针对新型未知故障辨识的加权归一化半径判别法.通过对Tennessee Eastman(TE)过程的仿真研究,说明了提出的故障检测和自学习辨识算法的可行性和有效性.