检索结果-内蒙古大学图书馆

遥感技术与应用 2025年第1期40卷 156-166页

作者：郭继富孙建宇候金亮黄春林代永强张籍方甘肃农业大学信息科学技术学院中国科学院西北生态环境资源研究院甘肃省遥感重点实验室

单木分割在森林结构分析、林木参数提取以及森林生物量反演中具有重要作用。激光雷达（Light Detection and Ranging, LiDAR）作为一种低成本、高效率的数据源，为森林单木分割研究提供了坚实的数据基础。目前的单木分割研究主要集中在... 详细信息

单木分割在森林结构分析、林木参数提取以及森林生物量反演中具有重要作用。激光雷达（Light Detection and Ranging, LiDAR）作为一种低成本、高效率的数据源，为森林单木分割研究提供了坚实的数据基础。目前的单木分割研究主要集中在结构较为简单的森林区域，通常通过考虑点云之间的空间关系，制定合适的判别准则来实现单木的分割。然而，针对结构复杂的森林，现有的单木分割算法研究相对较少。提出了一种融合核密度估计、数字表面模型和K-means聚类等方法的单木分割算法。研究结果表明：以甘肃省甘南藏族自治区为研究区，对西北云杉林进行单木分割时，该方法能够显著提高人工云杉林与天然云杉林的分割精度。与传统的K-means聚类单木分割算法相比，该方法的整体棵数查全率分别提高了32%和15%，查准率分别提高了51%和27%，分别达到了83%和89%的查全率，以及92%和55%的查准率。这一方法为机载LiDAR在森林生态应用中的进一步应用提供了新的技术支持，特别为复杂林型结构中的单木分割问题提供了一种高效、简便的解决方案。

关键词： K-means 核密度估计方法数字表面模型单木分割 LiDAR点云数据

来源：评论

学校读者我要写书评

暂无评论

高炉铁水质量均方根误差概率加权集成学习建模

引用

控制理论与应用 2020年第5期37卷 987-998页

作者：刘进进周平温亮东北大学流程工业综合自动化国家重点实验室辽宁沈阳110819

高炉炼铁是一个物理化学反应复杂、多相多场耦合的大滞后、非线性动态密闭系统,其关键质量指标―铁水温度、Si含量、P含量、S含量难以直接在线检测,且离线化验过程滞后严重.针对这一实际工程难题,本文提出一种基于均方根误差概率加权集... 详细信息

高炉炼铁是一个物理化学反应复杂、多相多场耦合的大滞后、非线性动态密闭系统,其关键质量指标―铁水温度、Si含量、P含量、S含量难以直接在线检测,且离线化验过程滞后严重.针对这一实际工程难题,本文提出一种基于均方根误差概率加权集成学习建模算法,用于高炉多元铁水质量的预测建模.首先,为了提高建模数据质量,对高炉原始数据进行时间粒度的统一、数据归一化等数据预处理操作;为了提高建模效率和降低计算复杂度,采用灰色关联分析法提取与多元铁水质量指标关联度最强的关键变量作为建模输入变量.然后,为了提高建模的精度,提出一种均方根误差概率加权集成随机权神经网络(RVFLNs)算法.该算法采用具有快速建模速度的RVFLNs为子模型,使用核密度估计方法估计出子模型的均方根误差概率密度函数曲线,进而求出每个子模型的均方根误差概率并作为自身权重进行加权求和,得到最终的均方根误差加权集成RVFLNs模型.最后,数值仿真验证和工业试验表明:所提算法能够根据实时输入数据的变化对多元铁水质量进行快速准确的预测.

关键词：高炉炼铁多元铁水质量灰色关联分析法核密度估计方法均方根误差概率加权数据驱动建模

来源：评论

学校读者我要写书评

暂无评论

基于航空影像的高陡边坡突岩识别方法

引用

地球科学 2023年第9期48卷 3378-3388页

作者：崔溦高德宇王轩毫张贵科杨弘天津大学水利工程仿真与安全国家重点实验室天津300350 武汉大学水资源与水电工程科学国家重点实验室湖北武汉430072 雅砻江流域水电开发有限公司四川成都610051

高陡边坡上的突岩容易在自重、地震、开挖卸荷等作用下失稳,威胁到水利工程的安全.因此,对突岩进行早期调查具有重要意义,但由于水利枢纽区域面积较大,交通不便,人工调查耗时且危险.本文提出了一种基于航空影像的高陡边坡突岩快速识别方... 详细信息

高陡边坡上的突岩容易在自重、地震、开挖卸荷等作用下失稳,威胁到水利工程的安全.因此,对突岩进行早期调查具有重要意义,但由于水利枢纽区域面积较大,交通不便,人工调查耗时且危险.本文提出了一种基于航空影像的高陡边坡突岩快速识别方法.该方法主要包括3个步骤:(1)通过无人机摄影测量生成边坡点云模型;(2)使用核密度估计方法(KDE)对点云模型的赤平投影结果进行统计分析,以将点云模型分割成平滑区域和非平滑区域;(3)用一种基于密度且对噪声鲁棒的空间聚类算法(DBSCAN)对非平滑区域的点进行聚类,以识别代表突岩的点簇.该方法可以从整个边坡识别多个突岩,有效减少人工工作量,将该方法应用到两河口水电站某自然边坡的突岩识别中,可较为方便地得到岩体的边界和几何要素,为下一步稳定分析提供基本数据.

关键词：高陡边坡突岩航空影像点云核密度估计方法空间聚类算法工程地质边坡稳定性

来源：评论

学校读者我要写书评

暂无评论

节点本振误差对分布式发射波束形成性能的影响

引用

上海交通大学学报 2020年第1期54卷 92-99页

作者：袁丁孙慧贤闫云斌全厚德陆军工程大学电子与光学工程系石家庄050003 陆军工程大学无人机工程系石家庄050003

采用核密度估计方法,对存在本振误差时的分布式发射波束形成(DTBF)性能进行统计分析.考虑存在载波初始相位偏移、载波频率偏移、相位噪声等3个偏差项,推导了对应的任意阵平均波束图和互补累积分布函数的理论表达式,并选用衰减因子和波... 详细信息

采用核密度估计方法,对存在本振误差时的分布式发射波束形成(DTBF)性能进行统计分析.考虑存在载波初始相位偏移、载波频率偏移、相位噪声等3个偏差项,推导了对应的任意阵平均波束图和互补累积分布函数的理论表达式,并选用衰减因子和波束图特征参数分析本振误差对远场波束性能影响.理论分析和模拟结果显示,本振误差会导致DTBF性能出现衰减,并使合成波束图的平均主瓣水平下降,主瓣变宽,旁瓣区域扩展,波束图出现高旁瓣.随着时间的增长,本振误差累积增大,所致性能衰减增大,聚集到目标方位的能量减少.

关键词：分布式发射波束形成(DTBF) 本振误差核密度估计方法平均波束图互补累积分布函数

来源：评论

学校读者我要写书评

暂无评论

基于模式识别和谱图映射的通用油品调合模型

引用

石油学报（石油加工） 2018年第3期34卷 545-551页

作者：王莹杜中元李泽飞中国科学院自动化研究所北京100190

传统油品调合优化模型建立质量约束时依次建立各个性质的卡边约束,具有非线性调合关系的性质无法用统一的调合模型来描述,工艺条件变动导致组分油波动时调合模型就会产生较大的偏差。针对该问题,提出了一种基于油品近红外谱图的通用建... 详细信息

传统油品调合优化模型建立质量约束时依次建立各个性质的卡边约束,具有非线性调合关系的性质无法用统一的调合模型来描述,工艺条件变动导致组分油波动时调合模型就会产生较大的偏差。针对该问题,提出了一种基于油品近红外谱图的通用建立质量约束的方法,将非线性不统一的性质约束转化为特征空间上得分向量间的线性约束。根据组分油在特征空间的投影用朴素贝叶斯分类器判别到训练集的某类样本中,用核密度估计方法在成品油类中确定一个约束区域,然后利用组分油和成品油得分向量之间的线性加和关系建立调合油品的质量约束。这种建模方法能适应工艺条件的波动,适合不同的炼油厂,也适用于汽油、柴油、原油等不同油品的调合。用某炼油厂的柴油数据进行调合实验验证了该方法的有效性和准确性。

关键词：油品调合近红外谱图特征空间朴素贝叶斯分类核密度估计方法

来源：评论

学校读者我要写书评

暂无评论

基于无放回抽样的帕尔森窗口集成方法

引用

深圳大学学报（理工版） 2018年第6期35卷 617-621页

作者：何武超王晓兰何玉林熊睿杰沧州职业技术学院信息工程系河北沧州061001 深圳大学计算机与软件学院广东深圳518060 深圳大学大数据系统计算技术国家工程实验室广东深圳518060

为解决大规模数据集的概率密度函数估计问题,提出一种基于无放回抽样的帕尔森窗口集成(sampling without replacement-based Parzen window ensemble,SR-PWE)方法,该方法在不需要利用全部数据的前提下,能够以较低的计算复杂度获得令人... 详细信息

为解决大规模数据集的概率密度函数估计问题,提出一种基于无放回抽样的帕尔森窗口集成(sampling without replacement-based Parzen window ensemble,SR-PWE)方法,该方法在不需要利用全部数据的前提下,能够以较低的计算复杂度获得令人满意的概率密度函数估计表现.基于无放回抽样得到的若干原数据集的数据子集,利用帕尔森窗口法在数据子集上进行基概率密度函数估计,并将抽样上估计的基概率密度函数集成得到原始数据集的概率密度函数.通过在柯西分布和正态分布上对比帕尔森窗口法和SRPWE方法的概率密度函数估计表现,证实SR-PWE方法可行且有效.

关键词：概率分布概率密度函数估计帕尔森窗口核密度估计方法窗口宽度无放回抽样集成方法大规模数据集

来源：评论

学校读者我要写书评

暂无评论

改进的四子空间方法及其在电厂设备状态监测中的应用

引用

工程数学学报 2017年第4期34卷 345-353页

作者：张帆凌骏魏鑫梅玉靖稳峰上海电气电站集团远程监控与故障诊断技术研究所上海201612 西安交通大学数学与统计学院西安710049

四子空间方法作为常用的状态监测方法,需要假设过程变量服从高斯分布,实际中大部分的工业数据并不服从高斯分布,这使得四子空间方法的应用范围非常有限.基于此,本文使用核密度估计方法来改进传统的四子空间方法,得到了适用于一般分布下... 详细信息

四子空间方法作为常用的状态监测方法,需要假设过程变量服从高斯分布,实际中大部分的工业数据并不服从高斯分布,这使得四子空间方法的应用范围非常有限.基于此,本文使用核密度估计方法来改进传统的四子空间方法,得到了适用于一般分布下的基于核密度估计的四子空间状态监测方法.最后,利用电厂高温过热器的实际数据进行检验.结果表明改进的四子空间方法更为普适,状态监测效果也有很大的提高.

关键词：四子空间方法核密度估计方法状态监测非高斯分布

来源：评论

学校读者我要写书评

暂无评论

基于IDE算法的金属矿山技术指标整体动态优化研究及应用

引用

矿业研究与开发 2024年第4期44卷 244-251页

作者：王训洪胥孝川王昌敏广西科技大学经济与管理学院广西柳州市545006 广西科技大学广西工业高质量发展研究中心广西柳州市545006 东北大学资源与土木工程学院辽宁沈阳110819 内蒙古双利矿业有限公司内蒙古乌拉特后旗015542

为更好地利用金属矿产资源,对矿山技术指标进行整体动态优化研究。首先,分别采用核密度估计方法、BP神经网络和指数回归方法拟合技术指标关系模型;然后,在此基础上,构建了整体动态优化模型,并提出相应的改进差分进化算法;最后,将所建立... 详细信息

为更好地利用金属矿产资源,对矿山技术指标进行整体动态优化研究。首先,分别采用核密度估计方法、BP神经网络和指数回归方法拟合技术指标关系模型;然后,在此基础上,构建了整体动态优化模型,并提出相应的改进差分进化算法;最后,将所建立的关系模型、优化模型和优化算法应用于银山铜矿。结果表明:所建立的关系模型拟合效果好,具有较高应用价值;优化结果符合矿山实际情况,验证了模型和算法的有效性,且对矿山生产和计划具有指导作用。

关键词：金属矿山技术指标整体动态优化 IDE算法核密度估计方法 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

基于CIWOA-LSTM网络的短期光伏功率预测及其不确定性分析

基于CIWOA-LSTM网络的短期光伏功率预测及其不确定性分析

引用

作者：罗世坚广西大学

学位级别：硕士

近年来光伏发电装机容量快速增长,光伏发电在全国年发电总量中的占比越来越高。但是,由于受到复杂多变的气象因素影响,光伏发电输出功率具有随机性、波动性和间歇性等特点。大规模光伏电源并网给电网的调度和稳定运行带来巨大挑战。精... 详细信息

近年来光伏发电装机容量快速增长,光伏发电在全国年发电总量中的占比越来越高。但是,由于受到复杂多变的气象因素影响,光伏发电输出功率具有随机性、波动性和间歇性等特点。大规模光伏电源并网给电网的调度和稳定运行带来巨大挑战。精确预测光伏输出功率可为电力调度部门提供可靠的决策依据,提高电网对太阳能等新能源的消纳能力,保证电力系统稳定运行,它是解决上述问题的有效途径。针对目前光伏电站功率预测精度普遍不高且多数系统未提供区间预测结果等问题,本文在探索一种基于改进灰狼算法优化支持向量机(IGWOSVM)的短期光伏功率预测模型基础上,提出一种基于柯西变异因子改进鲸鱼算法(CIWOA)优化LSTM网络(CIWOA-LSTM)的短期光伏功率确定性预测方法;并采用非参数核密度估计(KDE)方法分析CIWOA-LSTM网络模型的预测误差,研究给定置信度下光伏输出功率的区间分布。主要研究内容如下:(1)影响光伏功率输出的关键因素分析。通过分析光伏发电系统的机理和物理模型,初步确定光伏输出功率的主要影响因素;再通过对光伏电站历史数据进行灰色相关性分析,选取辐照度、温度、风速和风向等因素作为光伏功率预测模型的输入变量。(2)基于IGWO-SVM的短期光伏功率预测模型研究。首先提出一种基于SVM的光伏功率预测模型,然后针对SVM的关键参数(C和gamma)难以确定,采用IGWO对上述关键参数进行优化,并将所得模型与SVM、LSTM、PSO-SVM、GWO-SVM和WOA-SVM等模型作对比,验证所提模型的有效性。(3)基于CIWOA-LSTM网络模型的短期光伏功率确定性预测方法。尽管基于SVM的模型可以实现光伏功率预测,但是由于SVM对光伏电站时序数据的内在关联特征提取能力相对有限;而LSTM网络具有良好的时序数据挖掘能力,更适用于光伏功率预测。为此,提出一种基于LSTM网络的短期光伏功率预测方法。同时,针对LSTM网络的超参数(训练批次数和隐含层神经元数等)依赖人工试凑选取存在的费时费力等问题,首先提出一种改进鲸鱼优化算法(CIWOA),然后将该方法用于LSTM网络的超参数自动寻优,并通过与LSTM、PSO-LSTM和WOA-LSTM等模型作对比,验证基于CIWOA-LSTM网络模型的优越性。(4)基于KDE方法的光伏输出功率区间预测。针对光伏功率预测模型输入变量的突变以及模型本身鲁棒性给光伏功率预测结果带来的不确定性问题,需对光伏功率预测模型的输出结果进行不确定性分析以便确定其波动区间。为此采用KDE方法分析CIWOA-LSTM模型的预测误差分布,以解决实际工程中难以事先假定光伏输出功率的误差分布参数,常用的参数法区间估计精度低的问题。然后计算给定置信度为80%、90%和95%的预测区间范围,并与Gaussian分布和Gamma分布等参数法作对比。研究结果表明:(1)通过IGWO对SVM的参数C和gamma优化后,可以提升SVM模型的精度。(2)引入柯西变异策略的CIWOA克服了WOA早熟和易于陷入局部最优等问题,具有更好的全局搜索和局部开发能力。(3)经CIWOA优化后的LSTM网络模型对于四个季节均具有更好的预测精度。(4)基于KDE的区间预测方法能够准确描述给定置信度下的光伏功率分布区间,同时避免了参数法需要事先假设光伏输出功率误差分布参数的问题。

关键词：短期光伏功率预测长短期记忆网络鲸鱼优化算法不确定性分析核密度估计方法

来源：评论

学校读者我要写书评

暂无评论

基于DRSN-TCN的短期光伏功率预测及其不确定性分析

基于DRSN-TCN的短期光伏功率预测及其不确定性分析

引用

作者：姜屹远广西大学

学位级别：硕士

光伏发电具有储量丰富、清洁、可再生的特点,是降低碳排放、实现“双碳目标”的一种重要途径。然而,由于受到辐照度、温度等天气因素变化的影响,光伏发电的功率出力具有波动性、间歇性,会给电力系统的稳定带来巨大的挑战,加大了电力调... 详细信息

光伏发电具有储量丰富、清洁、可再生的特点,是降低碳排放、实现“双碳目标”的一种重要途径。然而,由于受到辐照度、温度等天气因素变化的影响,光伏发电的功率出力具有波动性、间歇性,会给电力系统的稳定带来巨大的挑战,加大了电力调度的难度。准确的光伏功率预测是电力系统优化调度的依据和前提,也是降低光伏功率不确定性对电网影响的一种较为经济可行方案,因此,研究高精度的光伏功率预测具有重要的意义,也是当前的研究热点。针对当前光伏功率预测模型存在预测精度不高、模型调参困难、缺乏区间预测信息等问题,本文的主要研究内容如下:(1)影响光伏功率输出的因素研究。本文采用Pearson分析法计算主要天气因素与光伏输出功率之间的相关系数,并分析其相关性,最终选取相关度较高的总体水平辐照度(Global horizontal Irradiance,GHI)、水平散射辐照度(Diffuse Horizontal Irradiance,DHI)、温度、湿度作为光伏功率预测模型的输入变量。(2)基于SSA-LSTM的光伏功率预测研究。本文首先采用长短期记忆网络(Long Short Term Memory,LSTM)作为预测模型,利用樽海鞘算法(Slap Swarm Algorithm,SSA)对LSTM的神经元数量、数据批次大小进行超参数寻优,确定最优参数后,对SSA-LSTM模型进行仿真验证,并与LSTM、PSO-LSTM、WOA-LSTM等模型进行对比。(3)基于SSA-DRSN-TCN的光伏功率预测方法。针对SSA-LSTM模型存在的梯度问题和预测精度的不足,本文提出一种基于时序卷积网络(Temporal Convolutional Network,TCN)网络的光伏功率预测方法,并采用深度残差收缩网络(Deep Residual Shrinkage Network,DRSN)模块对TCN的残差模块进行改进。此外,采用SSA对所提模型的卷积层数、数据批次大小等超参数进行优化。最后与LSTM、GRU、CNN-LSTM、TCN等模型进行对比验证了所提模型的有效性,并将SSA、PSO、WOA优化的DRSN-TCN模型进行对比,验证了SSA在DRSN-TCN模型中的优化效果。(4)基于核密度估计(Kernel Density Estimation,KDE)方法的光伏功率预测模型不确定性分析。针对传统参数化光伏功率区间预测模型需要预先设置误差分布类型及参数的问题,本文提出了一种采用KDE方法的光伏功率预测模型非参数化不确定性分析方法,对模型误差分布进行拟合。其中,核函数选用高斯函数,带宽策略分别为Silverman和Gridsearch。然后,分别在80%、90%、95%置信度下对预测区间进行计算,并对预测区间的可靠性和锐度进行评价,最终将Bootstrap、KDE(Silverman)、KDE(Gridsearch)进行比较。研究结果表明:(1)本文所提出的基于DRSN-TCN的光伏功率预测方法能够消除预测模型中的梯度问题,且削弱网络中的冗余信息对预测结果的干扰,提高了模型预测的精度。(2)SSA能对LSTM和DRSN-TCN的模型超参数进行快速、准确的寻优,同时避免了陷入局部最优,进而提升模型的预测精度,也克服了人工调节网络超参数的盲目性。(3)KDE方法可以对模型预测结果的误差分布进行较为准确的估计,在不同置信度下计算得到的预测区间均有良好的可靠性与锐度。

关键词：短期光伏功率预测时序卷积网络樽海鞘优化算法不确定性分析核密度估计方法

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：