检索结果-南通市图书馆

同方期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于变分模态分解和集成学习的光伏发电预测

智慧电力 2024年第3期52卷 32-38页

作者：邱书琦蹇照民方立雄秦婧雯万俊岭袁培森国网新疆电力有限公司营销服务中心新疆乌鲁木齐830000 南京农业大学人工智能学院江苏南京210095

针对光伏发电量数据的非平稳性造成的发电量预测性能问题,提出一种基于改进变分模态分解和集成学习的光伏发电量预测方法。采用改进变分模态分解方法分解光伏发电量数据获得发电量分量,通过集成学习方法构建发电量分量预测模型;将发电... 详细信息

针对光伏发电量数据的非平稳性造成的发电量预测性能问题,提出一种基于改进变分模态分解和集成学习的光伏发电量预测方法。采用改进变分模态分解方法分解光伏发电量数据获得发电量分量,通过集成学习方法构建发电量分量预测模型;将发电量分量预测值进行组合,获得最终发电量预测结果。实验结果表明,所提方法在公开数据集上对光伏发电量进行预测的均方误差、平均绝对误差、决定系数值分别为0.2232,0.3387,0.9797,与其他方法相比具有更高的预测准确率和更小的误差。

关键词：变分模态分解光伏发电预测 Stacking集成学习贪心算法

基于MobileNetV3Small-ECA的水稻病害轻量级识别研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第1期55卷 253-262页

作者：袁培森欧阳柳江翟肇裕田永超南京农业大学人工智能学院南京210095 南京农业大学农学院南京210095

为实现水稻病害的轻量化识别与检测,使用ECA注意力机制改进MobileNetV3Small模型,并使用共享参数迁移学习对水稻病害进行智能化轻量级识别和检测。在PlantVillage数据集上进行预训练,将预训练得到的共享参数迁移到对水稻病害识别模型上... 详细信息

为实现水稻病害的轻量化识别与检测,使用ECA注意力机制改进MobileNetV3Small模型,并使用共享参数迁移学习对水稻病害进行智能化轻量级识别和检测。在PlantVillage数据集上进行预训练,将预训练得到的共享参数迁移到对水稻病害识别模型上微调优化。在开源水稻病害数据集上进行试验测试,试验结果表明,在非迁移学习下,识别准确率达到97.47%,在迁移学习下识别准确率达到99.92%,同时参数量减少26.69%。其次,通过Grad-CAM进行可视化,本文方法与其他注意力机制CBAM和SENET相比,ECA模块生成的结果与图像中病斑的位置和颜色更加一致,表明网络可以更好地聚焦水稻病害的特征,并且通过可视化和各水稻病害分析了误分类原因。本文方法实现了水稻病害识别模型的轻量化,使其能够在移动设备等资源受限的场景中部署,达到快速、高效、便携的目的。同时开发了基于Android的水稻病害识别系统,方便于在边缘端进行水稻病害识别分析。

关键词：水稻病害识别迁移学习高效通道注意力机制 MobileNetV3Small 移动端部署

基于改进MobileNetV3Small的水稻病害轻量级识别研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年

作者：袁培森欧阳柳江翟肇裕田永超南京农业大学农学院南京农业大学人工智能学院

为实现水稻病害的轻量化识别与检测，使用ECA注意力机制改进MobileNetV3Small模型，并使用共享参数迁移学习对水稻病害进行智能化轻量级识别和检测。在PlantVillage数据集上进行预训练，将预训练得到的共享参数迁移到对水稻病害识别模... 详细信息

为实现水稻病害的轻量化识别与检测，使用ECA注意力机制改进MobileNetV3Small模型，并使用共享参数迁移学习对水稻病害进行智能化轻量级识别和检测。在PlantVillage数据集上进行预训练，将预训练得到的共享参数迁移到对水稻病害识别模型上微调优化。在开源水稻病害数据集上进行试验测试，试验结果表明，在非迁移学习下，识别准确率达到97.47%，在迁移学习下识别准确率达到99.92%，同时参数量减少26.69%。其次，通过Grad-CAM进行可视化，本文方法与其他注意力机制CBAM和SENET相比，ECA模块生成的结果与图像中病斑的位置和颜色更加一致，表明网络可以更好地聚焦水稻病害的特征，并且通过可视化和各水稻病害分析了误分类原因。本文方法实现了水稻病害识别模型的轻量化，使其能够在移动设备等资源受限的场景中部署，达到快速、高效、便携的目的。同时开发了基于Android的水稻病害识别系统，方便于在边缘端进行水稻病害识别分析。

关键词：水稻病害识别迁移学习高效通道注意力机制轻量级卷积神经网络边缘计算

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向停电分类预测的因子分解机模型

计算机工程 2022年第5期48卷 98-103,111页

作者：冉懿王润年潘红伟俞海猛袁培森国网新疆电力有限公司营销服务中心乌鲁木齐830000 国电南瑞南京控制系统有限公司南京211106 南京农业大学人工智能学院南京210095

可靠的电力供应对于工业生产和居民日常生活至关重要,通过对电力数据平台中的停电数据进行分析和挖掘,可以更好地了解配电网停电的潜在规律。分类预测是数据挖掘和分析中的常见技术,停电分类预测可以为企事业单位的停电规划安排提供决... 详细信息

可靠的电力供应对于工业生产和居民日常生活至关重要,通过对电力数据平台中的停电数据进行分析和挖掘,可以更好地了解配电网停电的潜在规律。分类预测是数据挖掘和分析中的常见技术,停电分类预测可以为企事业单位的停电规划安排提供决策参考。针对停电分类预测问题,提出一种基于因子分解机(FM)的停电数据分类预测模型。利用决策树算法计算停电数据中不同特征的基尼系数以得出重要性得分,从中筛选与停电预测关联度较大的非稀疏特征。根据不同地区的地理位置关系构建不同地区间的空间位置矩阵,并通过矩阵分解的方式构造不同地区在空间上的地理位置关联特征。为防止FM模型出现过拟合问题,在模型中加入L2-范数正则化。在此基础上,利用随机梯度下降的方法训练FM模型,通过训练完成的FM模型对停电数据进行分类预测。在真实停电数据集上的实验结果表明,该模型在训练数据集和测试数据集上的F1值和准确率分别高达0.90和0.89,优于DNN、SVM、XGBoost等模型。

关键词：停电分类预测决策树矩阵分解因子分解机随机梯度下降方法

在线全文

学校读者我要写书评

暂无评论

数据流驱动的电压三相不平衡异常检测研究

南京理工大学学报 2023年第2期47卷 245-253页

作者：刘波王大鹏闫永昶刘通宇张园园袁培森国网蒙东电力供电服务监管与支持中心内蒙古通辽028000 国网内蒙古东部电力有限公司内蒙古呼和浩特010010 南京农业大学人工智能学院江苏南京210095

为了提高当前电力计量系统中的电能量时间序列数据异常检测的准确率与效率,该文提出一种数据流驱动的电压三相不平衡异常检测方法。结合已有的面向数据流异常检测思路,实现对时间序列电能量数据的采样。采用基于循环神经网络的长短期记... 详细信息

为了提高当前电力计量系统中的电能量时间序列数据异常检测的准确率与效率,该文提出一种数据流驱动的电压三相不平衡异常检测方法。结合已有的面向数据流异常检测思路,实现对时间序列电能量数据的采样。采用基于循环神经网络的长短期记忆神经网络对数据建模预测,计算实际值与预测值之间的误差。采用指数加权平均的滑动窗口对误差进行平滑,实现了在过滤了三相电压数据正常波动的影响下判断某一时间段是否出现异常。试验结果证明,该方法在召回率和综合评价指标等有所提高,验证了该文方法对于电压三相不平衡的异常检测问题的可行性和有效性。

关键词：电压三相不平衡数据流异常检测循环神经网络长短期记忆网络指数加权移动平均

在线全文

学校读者我要写书评

暂无评论

基于残差网络和小样本学习的鱼图像识别

农业机械学报 2022年第2期53卷 282-290页

作者：袁培森宋进徐焕良南京农业大学人工智能学院南京210095

针对鱼种类多、数据采集难度大,且需要细粒度图像识别等问题,提出了一种基于度量学习的小样本学习方法。采用基于度量学习的小样本学习网络以及ResNet18的残差块结构,提取鱼图像的深层次特征,并将其映射至嵌入空间进而在嵌入空间判断鱼... 详细信息

针对鱼种类多、数据采集难度大,且需要细粒度图像识别等问题,提出了一种基于度量学习的小样本学习方法。采用基于度量学习的小样本学习网络以及ResNet18的残差块结构,提取鱼图像的深层次特征,并将其映射至嵌入空间进而在嵌入空间判断鱼的种类。为了进一步提升识别准确率,利用小样本学习模型在mini-ImageNet数据集进行预训练,然后将训练的结果迁移到Fish100细粒度数据集上进行精细化训练,得到最终鱼图像识别的判别模型。使用本文模型与常用的5种小样本学习模型,在鱼图像数据集Fish100和ImageNet上进行对比试验,结果表明本文模型的识别效果最佳,在两个数据集上的识别精度分别达到了94.77%和91.03%,且精度、召回率和F1值均明显优于其它模型。

关键词：鱼图像识别残差网络小样本学习迁移学习

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于粒子群优化的支持向量机停电预测研究

南京理工大学学报 2022年第4期46卷 460-466页

作者：李淑锋李加张玉峰王大鹏袁培森国网内蒙古东部电力有限公司内蒙古呼和浩特010010 国网蒙东电力供电服务监管与支持中心内蒙古通辽028000 南京农业大学人工智能学院江苏南京210095

停电预测可以为电力公司的停电决策提供参考,改善资源分配并尽可能缩短恢复时间,也可以给群众一定的反应时间。因此,针对停电预测精度不高的问题,该文采用粒子群优化的支持向量机模型预测停电问题。在已有的天气特征基础上通过对最大温... 详细信息

停电预测可以为电力公司的停电决策提供参考,改善资源分配并尽可能缩短恢复时间,也可以给群众一定的反应时间。因此,针对停电预测精度不高的问题,该文采用粒子群优化的支持向量机模型预测停电问题。在已有的天气特征基础上通过对最大温度和最小温度作差来增加温差特征;采用随机森林方法提取与停电问题关联度较大的特征;利用支持向量机模型训练停电数据,并使用基于线性递减权重的粒子群优化算法搜索相对更优的支持向量机参数;利用训练的预测模型预测停电数据。基于真实数据集试验,并与其它算法进行比较,结果表明该文的预测模型对于停电数据的预测具有更好的效果。

关键词：停电预测随机森林支持向量机粒子群优化线性递减权重

新型电力AMI系统中基于Neural Prophet模型的电力负荷预测与修补研究

在线全文

学校读者我要写书评

暂无评论

智慧电力 2023年第5期51卷 44-50页

作者：俞胜黄福兴冯艳丽叶天地袁培森南瑞集团(国网电力科学研究院)有限公司江苏南京211106 南京农业大学人工智能学院江苏南京210095 华东师范大学数据科学与工程学院上海200062

针对新型电力系统高级量测体系(AMI)系统中电力负荷异常值与空值的修补问题,提出一种基于Neural Prophet模型的电力负荷预测方法,用预测值修补AMI系统中出现的负荷异常值与空值。通过Neural Prophet模型的趋势模块、季节性模块、自回归... 详细信息

针对新型电力系统高级量测体系(AMI)系统中电力负荷异常值与空值的修补问题,提出一种基于Neural Prophet模型的电力负荷预测方法,用预测值修补AMI系统中出现的负荷异常值与空值。通过Neural Prophet模型的趋势模块、季节性模块、自回归模块3个模块组合进行电力负荷精准预测,可解决AMI系统的负荷数据修补问题。在电力负荷数据集上进行实验,结果表明所提方法与负荷预测经典算法相比具有较优的准确性且具有参数可解释的优势。所提方法可对AMI系统中有问题的电力负荷异常数据进行有效修改,对缺失的电力负荷数据进行填补。

关键词：新型电力系统 AMI系统数据修补 NeuralProphet 电力负荷预测电力负荷修补

基于重加权策略平衡损失与LSTM的窃电行为检测研究

在线全文

学校读者我要写书评

暂无评论

智慧电力 2022年第4期50卷 15-20,58页

作者：吕笃良刘梦爽桓露孙羽森刘通宇袁培森国网新疆电力营销服务中心新疆乌鲁木齐830000 国电南瑞科技股份有限公司江苏南京210000 南京农业大学人工智能学院江苏南京210095

窃电行为是导致电能损失与电力企业经济效益降低的重要原因。针对窃电问题,提出了一种基于有效数量加权策略的损失函数,改善数据集分布不均衡导致训练模型泛化性能下降的问题;基于该策略,设计了基于长短期神经网络的时间序列分类模型,... 详细信息

窃电行为是导致电能损失与电力企业经济效益降低的重要原因。针对窃电问题,提出了一种基于有效数量加权策略的损失函数,改善数据集分布不均衡导致训练模型泛化性能下降的问题;基于该策略,设计了基于长短期神经网络的时间序列分类模型,用于用户日用电量的窃电行为检测任务;采用用户日用电量真实数据进行实验测试,结果表明基于有效数量的加权策略可一定程度解决数据集不平衡导致的模型泛化性下降问题。与现有方法相比,所提方法在精确度上有所提高,对窃电行为检测具有有效性与可行性。

关键词：窃电检测重加权策略类别平衡损失 LSTM 时间序列分类