检索结果-南通市图书馆

测量数据检验和重构在火电机组性能监测系统中的应用

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

热力发电 2004年第3期33卷 11-13页

作者：黄廷辉胡洪华陶新建孔令嘉陈海波国电热工研究院陕西西安710032 平圩发电有限责任公司安徽淮南232089

提出了对火电机组性能实时监测系统中原始测量数据进行三重校验 ,以及基于热力设备模型的不良数据重构原则和对准稳态数据的处理方法 ,使计算精度和系统可靠性得到很大提高 ,增加了不良数据的可检验性。经在 6 0 0MW机组性能实时监测系... 详细信息

提出了对火电机组性能实时监测系统中原始测量数据进行三重校验 ,以及基于热力设备模型的不良数据重构原则和对准稳态数据的处理方法 ,使计算精度和系统可靠性得到很大提高 ,增加了不良数据的可检验性。经在 6 0 0MW机组性能实时监测系统上应用 ,取得了良好的效果。

关键词：火电机组性能监测系统数据检验数据重构电站热力系统热力参数

基于数据重构和复合残差校正模型的短期光伏发电功率预测研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于数据重构和复合残差校正模型的短期光伏发电功率预测研究

作者：苏莘中国矿业大学

学位级别：硕士

光伏发电作为一种环保可再生的绿色电力能源在生产生活中发挥着越来越大作用,为了更好的利用这种清洁能源,协调光伏发电与其他电力来源的出力平衡,对光伏发电进行预测具有很大价值和意义。本文首先介绍了光伏发电的结构和原理,并在此接... 详细信息

光伏发电作为一种环保可再生的绿色电力能源在生产生活中发挥着越来越大作用,为了更好的利用这种清洁能源,协调光伏发电与其他电力来源的出力平衡,对光伏发电进行预测具有很大价值和意义。本文首先介绍了光伏发电的结构和原理,并在此接触上分析了各种影响因素与光伏功率之间的关系,为后文模型的建立奠定了基础。接下来针对短期光伏发电预测,本文从三个环节来提高预测的精准度。第一环节是对数据进行预处理。针对光伏功率数据表现出的较强周期性、随机性和不稳定性,本文建立了基于经验模态分解（Empirical Mode Decomposition,EMD）和相关性分析的数据重构方法。在充分考虑数据的完整性前提下对其进行处理,将原始的光伏发电样本数据分解为重构数据和残差两部分,并分别对两部分的数据主体建立预测模型,求解残差也是初步的数据校正过程。第二环节是对预测模型进行构建,本文针对不同数据分别进行建模。针对重构数据,本文建立了长短期记忆网络（LSTM,Long Short-Term Memory）模型对其进行预测,通过与Elman神经网络模型和径向基函数（Radial Basis Function,RBF）神经网络模型的短期预测对比,验证了LSTM模型在本算例中的预测优越性。针对残差数据,本文建立了极端梯度提升（e Xtreme Gradient Boosting,XGBoost）模型进行预测,并通过与支持向量回归（Support Vector Regression,SVR）模型的比较验证了本文模型的预测精度更高。在得到两个模型的预测结果后进行合并,得到初始的预测结果。第三环节是对结果进行校正。本文将得到的初始预测结果利用原始数据比较得到二次残差并用马尔可夫方法进行了校正,进一步提高了预测的准确性。最后通过实际数据证明了本文方法的有效性。本论文有图51幅,表19个,参考文献81篇。

关键词：光伏发电数据重构 LSTM XGBoost 马尔可夫校正

基于XML技术历史数据归档与重构的研究应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于XML技术历史数据归档与重构的研究应用

作者：王岩太原理工大学

学位级别：硕士

企业信息系统数据库中积累了大量的历史数据,这些数据不仅占用大量的存储空间,同时使得系统运行不稳定性和不安全性因素增加。但是,这些过期数据不能被轻易地删除,因为这些数据并不是毫无价值的。它们是数据挖掘和联机分析处理重要的数... 详细信息

企业信息系统数据库中积累了大量的历史数据,这些数据不仅占用大量的存储空间,同时使得系统运行不稳定性和不安全性因素增加。但是,这些过期数据不能被轻易地删除,因为这些数据并不是毫无价值的。它们是数据挖掘和联机分析处理重要的数据来源和操作对象,是企业进行分析决策时重要的数据基础,因此,如何科学有效的管理和存储这些过期数据,成为企业管理人员面临的巨大挑战。可扩展标记语言XML（Extensible Markup Language）是本文研究工作的重要基础。本文将XML技术应用于数据归档,改变关系数据库存储归档历史数据的方式,同时保证数据的可访问性、可利用性和有效性,避免了因系统和平台的差异所造成的数据无效问题。本课题为了解决由于数据库中存在大量过期数据,造成的系统运行速度减慢,系统不稳定性增加,数据检索效率降低等问题,设计研发历史数据归档系统。根据实际应用的需求,本文提出了一种基于XML技术,以JAVA+TOMCAT+STRUTS2为体系架构的数据归档系统的总体设计方案;分析确定了归档,检索和重构三大功能模块,设计实现了历史数据的归档系统。本文深入探讨了数据归档系统开发过程中所涉及的关键技术,主要包括关系模式和XML模式之间的转换映射方法,代码回替方法,重构前后数据的代码一致性问题和解决方法,XML文件索引检索算法等,并在此基础上对该系统的总体架构进行了分析,细致地研究了各功能模块的基本原理与应用。本文在深入分析原有的归档策略的基础上,提出了归档数据分级存储管理的思想,将分级管理思想应用到系统设计当中,提高了归档数据的存储空间和检索数据的效率。本文实现XML文件检索功能过程中,对采用的多分支索引路径算法进行了改进。当系统获得单分支路径查询结果,不是将单路径查询结果通过连接操作获得多路径结果,而是充分利用索引,通过索引表判断结点的关系,从而进一步判断标签的关系。与原有算法相比,在查询语句较长,查询项较多的情况下,改进后的多分支路径算法具有更高的检索效率。系统目前正处于试运行阶段,运行结果表明,系统运行情况稳定,安全实用,操作简单,大大改善了管理信息系统的运行状况,提高了系统的运行效率,增强了系统的安全性和可靠性,同时降低了企业为维护数据信息所投入的人力物力,具有良好的开发和应用前景。

关键词： XML技术数据归档数据重构 XML索引查询分级管理

基于数据集重构和迁移学习的睡眠分期算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据集重构和迁移学习的睡眠分期算法研究

作者：王慧咏哈尔滨工业大学

学位级别：硕士

众所周知,睡眠对于每一个人来说都具有很重要的意义。对处于社会巨大压力下的人们来说,睡眠是一天中最重要的放松方式。人们越来越关心自己的睡眠状态,对于睡眠阶段进行精细的划分成为了近几年来研究的热点。然而在对不同睡眠阶段进行... 详细信息

众所周知,睡眠对于每一个人来说都具有很重要的意义。对处于社会巨大压力下的人们来说,睡眠是一天中最重要的放松方式。人们越来越关心自己的睡眠状态,对于睡眠阶段进行精细的划分成为了近几年来研究的热点。然而在对不同睡眠阶段进行正确的识别的过程中存在着很多困难,本课题的重点是针对在睡眠阶段分类过程中易出现的问题,分别提出解决方法,对传统的分类模型进行改进,从而得到性能更加优良的分类模型。本文的主要工作如下:（1）对数据库中的单通道脑电信号进行多角度分析,完成特征提取。单通道采集的脑电信号可用于分类的信息往往很少。因此进行充分的特征挖掘和提取尤为重要,本课题从多个角度进行分析,包括线性分析、非线性分析和多域分析,从不同尺度和角度看待脑电信号在睡眠阶段过程中体现出的规律性。提取了AR模型的AIC参数、符号熵、子频带能量比等特征值。通过相关系数和穷举法对特征值进行组合,将组合的特征值作为模型的输入进行训练,最后选择测试结果最为理想的特征值组合作为接下来模型的输入。（2）分析传统分类算法的分类效果和缺点。采用传统K-最近邻方法（KNN）和最小二乘支持向量机（LS-SVM）算法进行单一训练（训练集和测试集取自同一样本）。分类结果中睡眠阶段2期所占的比重大大提高,KNN、LS-SVM分类模型表现出极强的结果倾向性。采用以上两种方法进行多样本交叉实验得到的效果很差。为了研究产生该现象的原因以及提高分类器的性能,进行接下来的研究。（3）类不平衡数据集的重构。采用算法层和数据层相结合的GAK-KNN算法对不平衡数据集进行重构。GAK-KNN算法是K-means、GA遗传算法和加权KNN相结合的一种算法,基本原理是对少数类样本进行扩充,通过权重对边缘化或者产生干扰的样本进行弱化。进行扩充的样本与原始数据相比没有信息的重复,避免产生过学习的情况。最终通过Sleep-EDF Database Expanded数据库的样本对该算法的有效性进行了验证。（4）基于迁移学习的睡眠分期算法的研究。不同受试者采集的EEG分布差异往往很大,为了得到良好的分类模型,往往要对受试者提前进行训练样本的采集。这一过程往往使效率变得低下,因此引入迁移学习的方法。本文采用基于相似度系数的多源BP神经网络算法（MTL-BP）和Tr Adaboost+KNN算法。最终通过睡眠数据库的样本对该算法的有效性进行了验证,宏平均值和总体精度相比传统的监督学习都得到了明显的提升,提升范围为10～30%。

关键词：睡眠分期特征提取特征选择数据重构迁移学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时序分析的探地雷达数据重构方法研究

基于时序分析的探地雷达数据重构方法研究

作者：王冬雨山东工商学院

学位级别：硕士

探地雷达是物探技术中最常用的技术之一,利用探地雷达可以获得反映地下管线的成像剖面。但在实际探测中,噪声干扰往往会影响对目标信号的判断,导致管线识别错误。由于地下结构复杂以及设备自身局限,使得管线探测结果出现断裂、扭曲等意... 详细信息

探地雷达是物探技术中最常用的技术之一,利用探地雷达可以获得反映地下管线的成像剖面。但在实际探测中,噪声干扰往往会影响对目标信号的判断,导致管线识别错误。由于地下结构复杂以及设备自身局限,使得管线探测结果出现断裂、扭曲等意外情况。基于此,本文针对采集过程中探地雷达信号噪声问题以及探测过程中邻接B-scan数据之间的缺失值问题,对探地雷达数据的重构方法进行了研究。本文具体研究内容如下:（1）提出一种基于Curvelet变换的B-scan数据的相似性重构方法。该方法结合时间序列相似性搜索,基于Curvelet变换,利用凸集投影方法,借助时间信号频谱的共轭对称性来进行探地雷达数据的插值重构方法,从不完整的雷达数据中重构出完整的地下结构。相比于原始探测数据,经过插值重构方法所构建出的虚拟剖面弥补了相邻B-scan数据中的缺失值,有利于对区域整体结构的了解,对比了本文介绍的其他五种插值方法,该方法对于相邻B-scan数据间的判断更为准确,重构效果更好。（2）提出一种基于EMD分解和K-SVD的B-scan重构数据的信号优化重构方法。该方法将K-SVD算法和经验模态分解方法相结合,利用奇异值分解提高对相邻Bscan数据间虚拟剖面的整体分析能力,同时结合经验模态分解对于探地雷达数据信号的非平稳、非线性特征进行分解的能力,有效的提高了杂波抑制的效果,最后加入局部加权回归方法,平滑数据的同时大量的保留了双曲波的有效信号。实验结果表明,在噪声条件下,该方法不仅能够很好的优化噪声数据,而且对于原始B-scan数据中的杂波部分也展现出很好的抑制效果。（3）提出一种基于稀疏朴素贝叶斯的B-scan数据去噪重构方法。该方法构建了一个稀疏朴素贝叶斯的判别模型,结合稀疏性和信息熵增强朴素贝叶斯模型的分类性能,提取GPR采样点所在的水平和竖直方向上的时间序列数据作为模型的输入,通过计算每个采样点属于噪声点的后验概率来进行对采样点是否为噪声点的判断。结合双边滤波和维纳滤波的优点进行噪声去除,在有针对性的去除噪声的同时保留双曲波的有效信号。本实验使用不同浓度噪声的B-scan数据作为实验数据,与单一滤波方法相比具有较高的峰值信噪比,同时在去除噪声数据的过程中保留了双曲波数据。

关键词：探地雷达朴素贝叶斯时序分析去噪处理数据重构 L-EMD-K＿SVD

网安中心大跨度钢结构无线健康监测数据重构方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

网安中心大跨度钢结构无线健康监测数据重构方法研究

作者：周清富湖北工业大学

学位级别：硕士

大跨度空间钢结构以其优美的造型和良好的承重性能广泛应用在大型公共建筑中。由于大跨度空间钢结构体型庞大、不同规格的构件纵横交错,从施工开始到结构成型以及服役期间,整体结构需经历多次应力变化,因此,对空间钢结构进行全生命周期... 详细信息

大跨度空间钢结构以其优美的造型和良好的承重性能广泛应用在大型公共建筑中。由于大跨度空间钢结构体型庞大、不同规格的构件纵横交错,从施工开始到结构成型以及服役期间,整体结构需经历多次应力变化,因此,对空间钢结构进行全生命周期健康监测至关重要。但是,由于受到监测设备的耐久性、温度场以及户外环境不确定性因素的影响,导致钢结构监测数据存在缺失,影响结构健康评估的有效性。因此,本文以国家网络安全人才与创新基地展示中心(简称“网安中心”)大跨度钢结构为研究背景,研究钢结构健康监测数据缺失的重构方法,并对其实用性与有效性进行分析,为钢结构在施工与服役阶段的监测提供依据。论文主要研究工作如下:(1)根据设计计算、建筑监测规范以及工程实际现状等因素分析大跨度钢结构应力应变监测点配置方案,基于网安中心大跨度钢结构特点,采用无线监测方式,构建大跨度钢结构的无线健康监测模块。(2)分析大跨度钢结构监测数据缺失的来源与类型,在此基础上,基于改进线型回归模型,研究温度相关性以及测点相关性的应力缺失数据重构方法,并对不同类型缺失数据的重构效果进行分析,结果表明:监测点温度与应力相关系数达到0.9以上,重构应力缺失数据与实测数据的平均误差小于5%,且温度相关性重构的数据缺失率不宜超过30%;对于单测点与多测点相关系数达到0.9以上时,重构应力缺失数据与实测数据的平均误差接近5%,且监测点相关性重构的数据缺失率应控制在30%以内,对于较高缺失率,采用多元回归可有效提高重构精度。对于连续型与离散型不同类型应力缺失数据,两种应力缺失数据的重构误差大部分在5%以内。整体来看应力缺失数据重构误差均在工程监测可以接受的精度范围内。(3)在采用线性回归法对钢结构应力缺失数据重构的基础上,针对局部应力监测点与整体之间存在非线性关系,导致局部应力数据的重构值与真实值偏差较大的问题,采用改进神经网络法,研究钢结构应力缺失数据的重构方法。结果表明,重构应力缺失数据精度比线性回归法高,且该方法适用的数据缺失率范围不能超过20%。

关键词：空间钢结构健康监测应力数据缺失数据重构

基于数据库虚拟机的数据重构和管理平台研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据库虚拟机的数据重构和管理平台研究与应用

作者：胡德敏山东大学

学位级别：硕士

粮食是关系国计民生的大事。粮食安全是国家安全的重要组成部分。当前社会主义市场经济体制下的大型粮油仓储企业,在抓好经营管理,提高经济效益,保障群众生活所需的过程中,承担着维护国家粮食安全的重大职责。如何提高粮油仓储企业的信... 详细信息

粮食是关系国计民生的大事。粮食安全是国家安全的重要组成部分。当前社会主义市场经济体制下的大型粮油仓储企业,在抓好经营管理,提高经济效益,保障群众生活所需的过程中,承担着维护国家粮食安全的重大职责。如何提高粮油仓储企业的信息化水平,意义十分重大。企业信息化是企业利用网络、计算机、通信等现代信息技术,通过对信息资源的深度开发和广泛利用,不断提高生产、经营、管理、决策的效率和水平,从而提高企业经济效益和企业核心竞争力的过程。企业信息系统均以数据为基础,业务过程大都涉及数据的处理。企业在信息化建设初期,由于认识水平、技术原因或客观条件制约,对数据库的建设往往缺乏整体性、前瞻性,很多数据是在不同阶段为不同目的建立的,数据混乱、标准不一、命名冲突等问题普遍存在,当企业需要对数据库的结构进行更改时,触一发而动全身,影响到应用程序的正常运行。本论文分析了粮油仓储企业信息化建设中数据存在的问题,提出了“数据库虚拟机”模型,对数据进行重构和管理,该模型主要解决了以下问题:消除各应用数据的命名冲突,得到统一标准的应用数据结构描述,实现各个应用之间的数据共享;通过建立应用数据结构描述和数据库数据结构描述的“映射机制”,保证应用程序和数据库数据的逻辑独立性;针对企业需求,结合“数据类”解决方案对原有数据管理技术进行改进,增强数据管理的实用性。论文将该模型应用在临朐县粮油仓储公司管理的“源数据管理系统”中,实现了数据库重构的目的,为企业在规范管理程序、降低管理成本、提高经济效益、保障粮食安全等方面取得了很好的效果。

关键词：数据重构数据管理数据库虚拟机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分布式测量体制下的船姿数据重构

电讯技术 2017年第4期57卷 480-484页

作者：向颉茅永兴李红艳袁小江中国卫星海上测控部江苏江阴214431

新一代航天测量船采用的分布式船姿船位测量体制提高了数据的准确性和可靠性,同时也给数据处理与使用提出了更多的需求,比如姿态数据一致性检验、姿态数据联合使用等。为此,提出了一种新的船姿数据重构方法。首先,对集中式与分布式测量... 详细信息

新一代航天测量船采用的分布式船姿船位测量体制提高了数据的准确性和可靠性,同时也给数据处理与使用提出了更多的需求,比如姿态数据一致性检验、姿态数据联合使用等。为此,提出了一种新的船姿数据重构方法。首先,对集中式与分布式测量机制进行了对比,分析了采用传统数据处理方法解决新需求会产生困难的原因,并指出姿态重构数据的取得将成为解决这些问题的关键;然后,分两个过程对分布式船体姿态测量数据的重构方法进行了推演,并说明了如何使用重构数据去解决新需求;最后,在重构数据本身精度和重构数据对飞行器目标定位精度影响两个方面对该重构方法进行了检验,结果表明使用该方法得到姿态数据满足任务精度指标要求。

关键词：航天测量船姿态测量分布式测量姿态矩阵数据重构

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于数据重构的子空间人脸识别算法研究

基于数据重构的子空间人脸识别算法研究

作者：施伟苏州大学

学位级别：硕士

人脸识别系统分为人脸检测、图像预处理、特征提取、分类这四个部分,其中特征提取最为重要。在特征提取方法中子空间方法尤为突出,子空间方法都是根据某种性能需求从而求得一个最优投影,大多数情况下这种性能需求都与数据重构方式有关,... 详细信息

人脸识别系统分为人脸检测、图像预处理、特征提取、分类这四个部分,其中特征提取最为重要。在特征提取方法中子空间方法尤为突出,子空间方法都是根据某种性能需求从而求得一个最优投影,大多数情况下这种性能需求都与数据重构方式有关,不同的数据重构方式也将得到不同的低维子空间。本文主要围绕数据重构和子空间方法展开,深入研究和分析子空间方法的优缺点,主要工作如下:（1）稀疏保持投影（Sparsity Preserving Projections,SPP）算法利用稀疏表示来重构数据,保持样本在低维空间的稀疏结构,但该算法没有充分利用样本的标签信息,也没有区分异类样本。针对这两点不足,本文提出一种稀疏重构判别分析（Sparse Reconstructive Discriminant Analysis,SRDA）算法,SRDA算法充分利用样本的标签信息,保持类内稀疏重构误差最小;同时考虑异类样本的局部信息,保持异类近邻稀疏重构误差最大,该算法同时增强了子空间的鉴别能力和异类样本的可分性。在Yale B、PIE和AR三个规模较大的人脸库上的实验验证了算法的有效性。（2）重构判别分析（Reconstructive Discriminant Analysis,RDA）算法利用同类中其它所有样本对数据进行重构,保持类内线性重构误差最小的同时保持异类近邻线性重构误差最大。但该算法未考虑线性子空间距离不同,导致较差的子空间数据结构保持能力,并且RDA算法是非正交的,给数据重构带来困难。针对这些不足,提出一种权值正交重构判别分析（Weighted Orthogonal Reconstructive Discriminant Analysis,WORDA）算法,该算法首先针对线性子空间距离不同引入线性子空间权值矩阵,以提高子空间数据结构保持能力;又在投影过程加上正交约束克服测度扭曲问题,获得更好的子空间投影。在ORL、Yale、AR和FERET人脸库上大量实验验证了该算法的优越性。

关键词：人脸识别特征提取数据重构稀疏表示线性子空间