检索结果-内蒙古大学图书馆

北京航空航天大学学报 2023年

作者：王羿孟炳寰叶晨骆冬根姚萍萍王天昊洪津中国科学院合肥物质科学研究院中国科学院通用光学定标与表征技术重点实验室中国科学技术大大学

多角度偏振成像仪在数据校正过程主要包括本底校正和帧转移校正两部分。光电探测器的图像采集是一个随机抽样的过程，数据校正过程需对抽样结果进行运算，从而引入噪声。论文结合多角度偏振成像仪数据校正过程，主要讨论了本底校正和帧... 详细信息

多角度偏振成像仪在数据校正过程主要包括本底校正和帧转移校正两部分。光电探测器的图像采集是一个随机抽样的过程，数据校正过程需对抽样结果进行运算，从而引入噪声。论文结合多角度偏振成像仪数据校正过程，主要讨论了本底校正和帧转移效应校正对信噪比的影响，分析了两种帧转移效应校正方法的情况，分别对信噪比进行建模和仿真，并用大气环境监测卫星多角度偏振成像仪实测数据进行验证。结果表明，本底校正和帧转移效应校正均会使噪声增加，降低信噪比。本底校正时应选择大于5幅本底探测数据。两种帧转移效应校正方法相比，列总量比例法优于暗行法，最大可以使信噪比增加15.8。

关键词：多角度偏振成像仪数据校正信噪比帧转移效应

来源：评论

学校读者我要写书评

暂无评论

层状介质模型多道海洋直流电法拖缆变形数据校正模拟分析

引用

地球物理学进展 2022年第5期37卷 2156-2172页

作者：刘慧芳李波郭秀军中国海洋大学环境科学与工程学院青岛266100 山东省海洋环境地质工程重点实验室青岛266100

多道海洋直流电法是海洋地球物理探测技术的重要手段之一,应用该方法进行海洋探测时,其用于数据采集的拖缆在外力作用下会产生变形,导致测量的数据产生畸变,进而影响反演结果.本文基于视电阻率、视电阻率变异比及视电阻率变异系数等参数... 详细信息

多道海洋直流电法是海洋地球物理探测技术的重要手段之一,应用该方法进行海洋探测时,其用于数据采集的拖缆在外力作用下会产生变形,导致测量的数据产生畸变,进而影响反演结果.本文基于视电阻率、视电阻率变异比及视电阻率变异系数等参数,通过数值模拟的方法分析了拖缆不同曳航高度、不同变形形状、不同变形方向、不同变形幅度等因素对测量数据及校正后数据的影响并进行定量评价,基于校正后的数据,引入异常变化比等参数综合分析拖缆变形对含气层和孤立含气区异常特征分辨的影响.研究结果表明,拖缆变形不仅会导致测量的视电阻率数据发生畸变,还会使利用实际装置系数校正后的数据视也产生偏差,数据畸变的特征与拖缆变形形式及曳航高度有关,可用视电阻率、视电阻率变异比、视电阻率变异系数综合分析对数据的畸变水平进行量化评价.在一定变形范围内,校正后的数据可以显现含气异常,但反映能力有所下降;当拖缆变形幅度过大时,校正后的数据会差生大幅度波动,不仅淹没原有含气反映,甚至产生虚假异常.

关键词：多道海洋直流电法拖缆变形层状介质数据校正数值模拟

来源：评论

学校读者我要写书评

暂无评论

基于动态数据校正的非高斯系统性能评价研究

引用

系统仿真技术 2024年第1期20卷 85-90页

作者：左霞泉州信息工程学院通识教育中心福建泉州362000

针对现有工业系统运行中对非高斯噪声的影响处理不彻底的问题,设计一个基于动态数据校正的非高斯系统性能评价系统,其核心是通过动态数据校正来减少非高斯噪声对整个系统数据的影响。对于单输入单输出系统设计最小方差控制器,构建基于... 详细信息

针对现有工业系统运行中对非高斯噪声的影响处理不彻底的问题,设计一个基于动态数据校正的非高斯系统性能评价系统,其核心是通过动态数据校正来减少非高斯噪声对整个系统数据的影响。对于单输入单输出系统设计最小方差控制器,构建基于最小方差的控制性能评价系统,然后通过动态数据校正(dynamic data reconciliation,DDR)技术分析噪声对评价的影响,构建校正评价标准。由于方差仅测量随机变量与均值的偏离程度,不能全面刻画非高斯随机特征,故引入最小有理熵(minimum rational entropy,MRE),构建DDR-MRE控制器,通过计算DDR-MRE的控制性能评价(control performance assessment,CPA)基准来获取非高斯系统评价标准,从而使控制系统长期保持在最佳状态运行。试验结果表明,该系统技术核算的数据误差率在可接受范围内。

关键词：数据校正 DDR技术 MRE技术 CPA基准 SISO系统

来源：评论

学校读者我要写书评

暂无评论

一种基于C-V2X的BSM异常数据校正的两阶段学习策略

引用

沈阳航空航天大学学报 2024年第5期41卷 44-53页

作者：赵亮樊旭毛超进林娜沈阳航空航天大学计算机学院沈阳110136

在蜂窝车联网(cellular vehicle-to-everything,C-V2X)这一通信技术框架下,车辆基本安全消息(basic safety message,BSM)的准确性对于确保道路交通安全是至关重要的。然而,BSM数据易受到传感器故障或环境干扰等非恶意因素的影响,导致数... 详细信息

在蜂窝车联网(cellular vehicle-to-everything,C-V2X)这一通信技术框架下,车辆基本安全消息(basic safety message,BSM)的准确性对于确保道路交通安全是至关重要的。然而,BSM数据易受到传感器故障或环境干扰等非恶意因素的影响,导致数据异常并可能误导驾驶决策。针对此问题,提出了一种两阶段训练方法以校正BSM中的异常数据。第一阶段,通过无监督混合生成式模型学习正常BSM数据的行为模式与分布特征,并引入内存模块在特征空间中构建细粒度的原型存储库,增强模型对正常行为模式多样性的理解。第二阶段,基于第一阶段获得的网络参数,采用自监督学习策略进行数据校正。结果表明,该方法表现出了良好的校正能力,并显著减少了BSM数据的误差。

关键词：蜂窝车联网基本安全信息数据校正混合模型自监督学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的农业温室环境传感器数据校正方法研究

基于深度学习的农业温室环境传感器数据校正方法研究

引用

作者：洪宇安徽农业大学

学位级别：硕士

随着信息技术的飞速发展,尤其是物联网技术在农业领域得到了广泛运用,在这过程中积累了大量的农业数据资源,这为深入分析农业数据提供了坚实的基础。然而,农业生产的成本约束和复杂多变的生产环境给农业研究带来了不少挑战,其中之一就... 详细信息

随着信息技术的飞速发展,尤其是物联网技术在农业领域得到了广泛运用,在这过程中积累了大量的农业数据资源,这为深入分析农业数据提供了坚实的基础。然而,农业生产的成本约束和复杂多变的生产环境给农业研究带来了不少挑战,其中之一就是这些海量数据中包含着大量低质量的数据,这些异常数据降低了整体数据实用价值。因此,在数据处理领域,识别并处理这些异常数据成为了一个迫切需要解决的核心问题。为了解决这个问题,本研究以温室大棚农作物生长环境数据为对象,设计了一种异常数据校正方法。研究的主要内容包括: (1)异常数据检测方法研究。针对CNN卷积神经网络难以有效地捕捉序列中的时序信息的问题,设计出一种将CNN卷积神经网络和GRU门控循环单元结合来进行异常检测的方法,该方法是在CNN模型中的池化层后加入GRU层进行融合来实现异常检测。首先对数据进行归一化处理,并人为添加异常数据,构造标签,正常数据为class0,异常数据根据传感器采集的数据特征的不同分为class1、2、3、4、5、6、7,并根据四季不同,根据每个季节的平均值和标准差设定阈值。其次搭建模型,在卷积层中卷积核在时序数据上进行滑动,从而获得传感器之间空间分布特征。将这些特征向量传递到GRU层以学习其时间变化趋势。随后,这些特征被送入全连接层,全连接层通过调整权重,通过输出层输出预测类别。接着,通过网格搜索法调整训练迭代次数、批量大小、GRU单元数量以及CNN单元数量这些重要参数,获得模型最优性能。最后,对实验结果进行对比分析,证实了设计的CNN-GRU模型在异常检测方面拥有较好的性能。 (2)时序数据预测方法研究。Informer在处理长序列数据时具有显著优势,根据异常数据的种类构建了7个多输入单输出的预测模型,通过异常检测模型中异常数据类型选择不同的预测模型。首先将数据进行标准化处理以及时间切片等操作;其次通过网格搜索法调整编码器解码器的输入维度,自注意力头数,以及批处理大小来获得最优参数;最后利用了预测实验常用的评价指标来评估实验结果,结果表明预测值的时间曲线与实际值的时间曲线能够较好的拟合,并通过对比实验证实了Informer模型对温室环境中的时间序列数据有着较为准确的预测。 (3)异常数据校正方法研究。该方法结合了上述异常数据检测和时间序列预测模型。CNN-GRU模型中进行异常检测确定异常数据类型,之后根据异常数据类型将数据输入到对应的Informer模型中进行预测。校正实验的校正率是通过异常检测模型和时序数据模型的准确率相乘所得出的,通过计算模型的校正率,误差标准差,可以衡量校正方法的有效性。通过实验得出本文设计的异常数据校正方法校正率平均值为87.59%。证明设计的异常数据校正方法在处理异常时序数据时展现出了卓越的性能。

关键词：数据校正异常数据检测卷积神经网络门控循环单元 Informer模型数据预测

来源：评论

学校读者我要写书评

暂无评论

拉萨地磁台地磁观测效能和数据校正

引用

高原地震 2023年第S01期35卷 19-23,72页

作者：洛布占堆殷翔格桑尼玛西藏自治区地震局拉萨地磁台西藏拉萨850000 江苏省地震局江苏南京210014

基于2017~2019年地磁观测数据,利用多台对比的方法,分析了拉萨地磁台的地磁观测资料。结果显示:拉萨地磁台各分量绝对子夜均值年变化趋势与狮泉河地磁台、乾陵地磁台基本一致;拉萨地磁台日变化曲线存在干扰较多,通过与临近地磁台站对比... 详细信息

基于2017~2019年地磁观测数据,利用多台对比的方法,分析了拉萨地磁台的地磁观测资料。结果显示:拉萨地磁台各分量绝对子夜均值年变化趋势与狮泉河地磁台、乾陵地磁台基本一致;拉萨地磁台日变化曲线存在干扰较多,通过与临近地磁台站对比,可以清晰地识别干扰变化,进而准确地对干扰数据进行校正。

关键词：拉萨地磁台干扰数据校正

来源：评论

学校读者我要写书评

暂无评论

一种非视距下基于UWB的定位数据校正方法

引用

电脑知识与技术 2023年第10期19卷 9-12页

作者：李阳付克昌漆军熊皑成都信息工程大学自动化学院四川成都610000

在视距范围内,超宽带能够为无人车在室内提供精确的定位结果。然而,当无人车在工厂进行物资运送时,周围存在许多金属设备,超宽带信号测量受到异常干扰。在克服干扰小,干扰时间短的情况下,通常将UWB和IMU采用EKF融合修正定位结果,但并不... 详细信息

在视距范围内,超宽带能够为无人车在室内提供精确的定位结果。然而,当无人车在工厂进行物资运送时,周围存在许多金属设备,超宽带信号测量受到异常干扰。在克服干扰小,干扰时间短的情况下,通常将UWB和IMU采用EKF融合修正定位结果,但并不能有效地消除严重遮挡带来数据异常的定位误差。文章分析了室内UWB信号的特点,结合正常信号具有连续性的特点,提出一种UWB数据校正的方法,通过对历史窗口进行线性拟合,修正异常数据,并通过多次迭代,从而可以消除数据尖峰。实验结果表明,数据校正算法能有效修复严重的非视距UWB信号,校正后的信号与IMU信号通过EKF融合定位,可大大减小平均误差和最大误差。

关键词： UWB 数据校正室内定位扩展卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

基于改进投影矩阵法的甲醇合成系统数据校正

引用

现代化工 2021年第2期41卷 241-245,250页

作者：王金凡潘艳秋俞路高石磊大连理工大学化工学院辽宁大连116024

以甲醇合成系统为背景建立一套数据校正方法,以流程模拟数据为基础来识别测量数据的显著误差,改进投影矩阵法来校正测量数据的随机误差;调整精馏塔的部分结构参数,用校正数据进行稳态过程精馏塔模拟优化。结果表明,本文的数据校正方法... 详细信息

以甲醇合成系统为背景建立一套数据校正方法,以流程模拟数据为基础来识别测量数据的显著误差,改进投影矩阵法来校正测量数据的随机误差;调整精馏塔的部分结构参数,用校正数据进行稳态过程精馏塔模拟优化。结果表明,本文的数据校正方法能够有效识别出测量数据的显著误差,同时校正后的数据组分摩尔流量的方差普遍下降,说明校正效果较好;调整设备参数后的稳态模拟数据与校正数据对比,验证了模拟方法的可靠性,基于此方法提出的节能措施能更加有效地减少能量的损耗。因此本文校正方法可应用于甲醇合成系统的数据校正。

关键词：数据校正稳态模拟甲醇合成投影矩阵法精馏塔模拟

来源：评论

学校读者我要写书评

暂无评论

基于时间序列神经网络预测模型的职工出勤记录数据校正方法

引用

计算机应用文摘 2023年第10期39卷 133-135页

作者：魏葳耿一婷吕倩杨显军云南电网有限责任公司昆明供电局云南昆明650000

为提高职工出勤记录数据的正确率,研究基于时间序列神经网络预测模型的职工出勤记录数据校正方法,采用显著误差检测原理设置出勤记录数据未知变量的约束函数,并基于时间序列神经网络预测模型获取校正最优解;以全覆盖视域设计校正流程,... 详细信息

为提高职工出勤记录数据的正确率,研究基于时间序列神经网络预测模型的职工出勤记录数据校正方法,采用显著误差检测原理设置出勤记录数据未知变量的约束函数,并基于时间序列神经网络预测模型获取校正最优解;以全覆盖视域设计校正流程,实现对职工出勤记录数据的校正。实验结果表明,文章方法能够将错误数据校正为真实数据,具有较高的准确率和效率。

关键词：神经网络出勤记录数据校正

来源：评论

学校读者我要写书评

暂无评论

基于粒子群算法的微型空气监测站数据校正模型的研究

基于粒子群算法的微型空气监测站数据校正模型的研究

引用

作者：杨忱郑州大学

学位级别：硕士

近年来，我国经济发展取得巨大成就，人民群众不仅对物质文化生活提出了更高要求，在生态、环保等方面的要求也日益增长。低成本微型空气监测站简称空气微站，它通过测量大气污染物的数值，为大气污染物防治提供科学数据支撑，最终实现... 详细信息

近年来，我国经济发展取得巨大成就，人民群众不仅对物质文化生活提出了更高要求，在生态、环保等方面的要求也日益增长。低成本微型空气监测站简称空气微站，它通过测量大气污染物的数值，为大气污染物防治提供科学数据支撑，最终实现对大气污染物的有效监测和防治。但是由于成本限制，空气微站的电化学传感器容易受到测量环境的影响和其他因素的干扰，监测数据会存在一定偏差，其精准度根本无法与国控站相比。与此同时，为了获得区域内大范围、高密度的大气污染物数据，需要一定规模的空气微站作为支撑，但每个空气微站都需要人工手动校正，这无疑将耗费大量的人力和物力。因此，如何能够更方便、快捷地校正空气微站的数据，使其提供的数据更准确、可靠，就成为了亟需解决的问题。　　为了解决这个问题，本文提出了一种全新的混合模型(FLSTM)。该模型融合了全连接神经网络(FCNN)和长短期记忆网络(LSTM)的优点，同时选择粒子群算法优化混合模型，对FLSTM模型进行超参数优化，以得到较为优秀的大气污染物数据校正模型。　　经过实验对比、验证和分析，FLSTM模型对空气微站数据校正的表现优于传统的机器学习XGBoost及单一的LSTM模型。基于粒子群优化后的混合模型(PSO-FLSTM)的校正精度平均 RMSE 为 CO:0.23、NO2:8.19、O3:12.82、PM2.5:13.9、SO2:4.23、PM10:30.41,相较于 LSTM 模型提升 23％、35％、36％、55％、30％、37％,相较于 FLSTM 模型提升 0％、22％、29％、49％、23％、18％。实验证明，经过粒子群算法优化后的FLSTM模型具有现实应用价值，可以作为空气微站数据校正提高数据准确性和可靠性的主要方法。　　在上述研究的基础上，本文进一步研究了不同季节条件下对模型校正效果的影响。实验证明，一氧化碳，PM2.5,PM10,二氧化硫，二氧化氮5种大气污染物在夏季有着最好的校正结果，而臭氧则在秋季校正效果最佳。这表明，根据不同季节的气象条件来选择大气污染物数据对模型进行训练，可以提高模型的校正精度。

关键词：微型空气监测站数据校正粒子群算法全连接神经网络长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：