检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

行、局密切配合深化“双增双节”运动

上海金融 1987年第12期 20-20页

作者：卢景霖工商银行闸北区办

今年以来,工商银行闸北区办密切配合上海市机电工业管理局深化“双增双节”运动。上半年内,机电局共完成工业总产值40.83亿元,比去年同期增长5％,出口创汇4513万美元,同比增长86.26％。同时,搞活定额内积压资金1.28亿元,清理了非定额资金

关键词：银行金融机构资金周转积压物资出口创汇清仓利库企业企业管理美元本位币

绿电牵引场景下高速铁路长大坡道混合储能系统容量优化配置

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国电机工程学报 2024年

作者：李欣卢景涛黄文勋北京交通大学电气工程学院兰州交通大学新能源与动力工程学院中铁第一勘察设计院集团有限公司

随着高速铁路的快速发展，其节能减碳问题倍受关注。将绿色电能用于牵引供电是有效的节能降耗手段，若将高速铁路的大量再生制动能量合理利用，由废电转为绿电，亦可推进牵引供电用能的清洁能源化。针对光伏接入牵引供电系统条件下高速... 详细信息

随着高速铁路的快速发展，其节能减碳问题倍受关注。将绿色电能用于牵引供电是有效的节能降耗手段，若将高速铁路的大量再生制动能量合理利用，由废电转为绿电，亦可推进牵引供电用能的清洁能源化。针对光伏接入牵引供电系统条件下高速铁路长大坡道地面式再生制动能量混合储能系统容量优化配置问题，本文在分析高速铁路长大坡道绿电资源获取方式、光伏出力和制动能量特性的基础上，考虑绿电牵引场景下长大坡道混合储能系统不同时间维度下功率特性及各运行工况能量特性，给出了基于储能需求密度的混合储能系统再生制动与光伏闲时能量并行回收的分段配置方案；针对不同储能介质的特性分别建立优化模型，利用基于Levy飞行的改进模拟退火算法（LESA）进行优化求解；最后选取西成高铁某牵引变电所实测数据进行算例分析，算例结果表明，所提优化配置策略能够在同时考虑光伏出力与再生制动能量线内外绿电的情况下，实现对高铁长大坡道混合储能系统容量的优化配置，有效提高牵引供电系统绿电占比，缩短储能系统成本回收年限，可为高速铁路储能系统工程化应用提供参考，促进轨道交通牵引用能绿色低碳化发展。

关键词：高速铁路长大坡道光伏接入混合储能系统优化配置

运用机器学习方法提取Sentinel-2影像烃微渗漏异常——以Marsel探区为例

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

地球物理学报 2024年第4期67卷 1330-1341页

作者：伍仪霖周子勇中国石油大学(北京)地球科学学院油气资源与探测国家重点实验室北京102249 中国石油集团东方地球物理勘探有限责任公司国际勘探事业部河北涿州072700

油气藏的烃微渗漏是一种普遍存在的现象,遥感技术为油气藏的烃微渗漏地表检测提供了高效快捷的方法.传统的基于烃微渗漏机理的方法通过检测烃微渗漏引起的地表异常(植被、蚀变矿物等)响应以提取烃微渗漏位置,方法简单,但多解性强.本文... 详细信息

油气藏的烃微渗漏是一种普遍存在的现象,遥感技术为油气藏的烃微渗漏地表检测提供了高效快捷的方法.传统的基于烃微渗漏机理的方法通过检测烃微渗漏引起的地表异常(植被、蚀变矿物等)响应以提取烃微渗漏位置,方法简单,但多解性强.本文以哈萨克斯坦Marsel探区为研究对象,提出了一种基于机器学习的遥感影像烃微渗漏异常提取方法.首先以研究区地表微生物检测结果为基础制作训练样本,为了对比不同样本学习结果,分别制作了斑块样本(patch sample)数据集和像元样本(pixel sample)数据集,在此基础上采用逻辑回归、支持向量机、随机森林、LeNet、AlexNet、GoogLeNet、ResNet算法构建两类数据集的学习模型.结果表明,对于经典机器学习算法,斑块样本最高准确率达0.833,像元样本最高达0.771;对于深度学习算法,斑块样本最高达0.782,像元样本最高达0.914.最后把这准确率最高的四种算法模型应用于哈萨克斯坦Marsel探区,并与地质地震资料进行对比,发现ResNet-18-1D对像元样本的预测结果与地震地质分析资料的对应性最佳,且准确率达0.914,Kappa系数达0.892.

关键词：烃微渗漏图像分类机器学习卷积神经网络

维普期刊数据库

脉冲噪声下基于CNN-FRFT的线性调频信号参数估计方法

在线全文

学校读者我要写书评

暂无评论

探测与控制学报 2024年第1期46卷 96-104,113页

作者：卢景琳郭勇杨立东内蒙古科技大学信息工程学院内蒙古包头014010 内蒙古科技大学理学院内蒙古包头014010

由于脉冲噪声破坏了线性调频(LFM)信号的分数谱特征,使得基于分数谱特征的参数估计方法无法有效估计参数。针对这个问题,提出一种脉冲噪声环境下基于CNN-FRFT的LFM信号参数估计方法。首先,利用α稳定分布拟合随机脉冲噪声,构建加性含噪... 详细信息

由于脉冲噪声破坏了线性调频(LFM)信号的分数谱特征,使得基于分数谱特征的参数估计方法无法有效估计参数。针对这个问题,提出一种脉冲噪声环境下基于CNN-FRFT的LFM信号参数估计方法。首先,利用α稳定分布拟合随机脉冲噪声,构建加性含噪信号,输入卷积神经网络(CNN)进行训练和测试;其次,利用训练好的CNN模型对信号进行去噪,并验证模型的去噪能力和泛化能力;最后,利用分数阶傅里叶变换(FRFT)建立去噪信号的分数谱,通过峰值点位置来估计LFM信号的参数。实验结果表明,相比于传统的基于非线性函数的方法,该方法在强脉冲噪声环境下具有更好的精度和噪声鲁棒性,CNN的应用使其具有更强的泛化能力,在实测脉冲噪声下仍可以准确估计参数。

关键词：脉冲噪声线性调频信号参数估计卷积神经网络分数阶傅里叶变换

维普期刊数据库