检索结果-南通市图书馆

2002-2021年福建省农业净碳汇的时序特征、影响因素及其趋势预测

在线全文

学校读者我要写书评

暂无评论

福建农林大学学报（自然科学版） 2024年第5期53卷 679-685页

作者：董晓龙张梓坪连海峰徐诺黄思洁福建农林大学计算机与信息学院生态与资源统计福建省高校重点实验室福建福州350002

【目的】研究福建省农业净碳汇的时序特征、影响因素,并对其变化趋势进行预测,为促进福建省农业低碳发展提供依据。【方法】采用排放因子法测算2002-2021年福建省农业净碳汇,运用拓展随机性环境影响评估STIRPAT(stochastic impacts by r... 详细信息

【目的】研究福建省农业净碳汇的时序特征、影响因素,并对其变化趋势进行预测,为促进福建省农业低碳发展提供依据。【方法】采用排放因子法测算2002-2021年福建省农业净碳汇,运用拓展随机性环境影响评估STIRPAT(stochastic impacts by regression on population,affluence and technology)模型分析福建省农业净碳汇的影响因素,并采用深度神经网络(deep neural networks,dnn)模型预测2025年全省农业净碳汇。【结果】2002-2021年福建省农业净碳汇整体呈“波动下降-平稳上升”的变化趋势;种植业碳排放占比较大,以水稻和化肥碳排放为主;水稻和蔬菜对碳汇贡献较大;城镇化水平、能源消耗水平、农业净碳汇强度、农村经济发展水平和农村居民人均可支配收入均可提升农业净碳汇,其中,能源消耗水平的提升效果最为显著;2025年农业净碳汇预计比2021年上升36.30%。【结论】近年来福建省农业净碳汇量呈逐年上升的趋势,预测2025年农业净碳汇量比2021年提高36.30%。

关键词：福建省农业净碳汇时序特征拓展STIRPAT模型 dnn模型

在线全文

学校读者我要写书评

暂无评论

数据挖掘技术在三江源退化草地评价中的应用

数据挖掘技术在三江源退化草地评价中的应用

作者：马艺涵青海大学

学位级别：硕士

青海省提出的“坚持生态保护优先”政策,使全省人民对生态的保护意识提高到前所未有的高度。然而近年来,由于自然因素和人类活动的影响,致使三江源地区的草地植被严重退化。合理预测草地退化是保护该地区生态环境的前提。但是目前该地... 详细信息

青海省提出的“坚持生态保护优先”政策,使全省人民对生态的保护意识提高到前所未有的高度。然而近年来,由于自然因素和人类活动的影响,致使三江源地区的草地植被严重退化。合理预测草地退化是保护该地区生态环境的前提。但是目前该地区的退化草地数据缺乏,传统人工测量的方法既费时又低效,而且对三江源地区退化草地的预测模型较少。因此,本论文从青海省草地工作者对退化草地评价的实际工作出发,采集三江源地区的高寒草甸退化草地数据,利用数据挖掘技术对草地进行分析和挖掘,为草地工作者智能化评价草地给出理论指导。本论文主要的工作有以下内容:(1)由于原始三江源高寒草甸数据中存在退化草地类别不完备的问题,不能直接进行分类预测。本文首先对比了聚类和半监督聚类算法对退化草地类别标注的准确性。实验结果表明,半监督聚类算法的AMPCK-means算法准确率最高,因此使用该算法对原始数据中的退化类别进行标注,形成完整的数据集,提高了分类数据的准确性和完整性,共分为4个退化草地类别。(2)通过一些经典的分类算法对(1)中标注过的数据分类预测建模。实验结果表明,经过AMPCK-means算法标注过的数据在Random Forest模型、Native Bayes模型、SVM模型和Logistic Regression模型的精确度分别为96%、92%、95%和88%,取得较好的精度。(3)通过关联规则Apriori算法,分析了在4个退化草地级别下不同草地类型和草种之间的联系。实验结果表明,随着退化程度加剧,草地上的优良草种逐渐演变为了杂草和毒草。(4)为了提升三江源高寒草甸草地退化预测的精确度以及缩短测试时间,本文提出了一种基于并行K-means和dnn融合的草地退化预测模型。具体来说,首先为了解决数据不足的问题,在已有的数据的基础上采集到足够的数据,并将其划分为训练集和测试集。对K-means算法并行化改进,在测试阶段使用并行K-means方法对数据进行聚类,然后再使用训练好的dnn模型进行预测。实验结果表明,基于并行K-means-dnn模型的平均预测精度在99%以上,AUC指数在95%以上,较之前的分类模型精度有所提升,同时证明了该模型能够很好的适用于三江源高寒草甸草地的退化预测,最后根据并行K-means-dnn预测模型设计出一个草地退化评价系统。

关键词：草地退化数据挖掘聚类半监督聚类 dnn模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

P2P行业现状分析及贷款逾期影响因素研究

P2P行业现状分析及贷款逾期影响因素研究

作者：曹正国山东科技大学

学位级别：硕士

随着国家经济发展水平日益提升,人们投资理财及信贷需求也在不断增长,传统借贷方式难以满足小微企业及个人不断增长的信贷需求,于是P2P行业应运而生并获得迅速发展。我国P2P行业自2007年第一家平台诞生,到2015年正常营业的平台数已达到... 详细信息

随着国家经济发展水平日益提升,人们投资理财及信贷需求也在不断增长,传统借贷方式难以满足小微企业及个人不断增长的信贷需求,于是P2P行业应运而生并获得迅速发展。我国P2P行业自2007年第一家平台诞生,到2015年正常营业的平台数已达到了 3437家,显现出了强大的发展活力。然而,由于我国P2P行业存在自身发展历史不长,缺乏经验,相关法律监管制度缺失,行业进入门槛低,平台自身经营水平有限和管理者素质不高等问题,伴随着行业规模的迅速扩张,行业问题也呈爆发式增长。每年都有大批平台倒闭或出现经营困难问题,2015年,行业爆发了跑路潮,许多平台规模小,资质差的平台在聚拢到一定资金后纷纷携款而逃,致使投资者损失惨重。因此,研究P2P行业最新发展状况以及面临的问题就显得十分有必要。本文研究内容主要有两个:1、研究P2P行业最新发展状况以及发展趋势,为投资者合理投资以及平台发展提出建议。从外部经济政策环境,内部合规运营以及风险管理角度分析2018年行业风险爆发的原因,并根据最新数据对未来发展趋势进行分析;2、针对部分平台存在贷款逾期率高的问题,使用机器学习方法尝试建立贷款逾期预测模型,并研究机器学习在这一方面的应用。基于以上两个研究内容,本文通过实验分析,得到了以下结论:1、行业目前发展状况不稳定,存在平台数量持续减少的现象。未来几年平台发展趋势将是平台数量持续变少、产品收益率趋于稳定、产品周期逐渐增长。相对应行业竞争格局会趋于稳定,平台风险会持续降低。2、2018年行业问题潮爆发的核心原因是流动性风险爆发,造成流动性风险加剧的原因一方面是平台自身经营能力不强,存在不合规经营以及业务高逾期率等问题;另一方面原因是自18年以来,行业外部经济压力以及政策监管压力增大,加剧了平台经营难度。对此,行业内平台应提高自身经营能力,重点防范流动性风险,信用风险,以及经营风险等金融风险,特别是需要提升自身风险管理能力,建立高效合理的风险管理系统。3、通过借鉴国外成熟平台Leeding Club风险控制指标体系中的具体特征,使用递归特征筛选和文献研究法得到了特征不同的两类指标体系,并使用随机森林和dnn模型进行实证分析,建立了高效率的贷款逾期识别模型,逾期识别准确率达到98.7%,证明了机器学习方法在这方面表现优异。

关键词： P2P 问题潮逾期率随机森林模型 dnn模型

MPPSK/AM复合调制广播系统的设计与优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

MPPSK/AM复合调制广播系统的设计与优化

作者：盛旭嫣东南大学

学位级别：硕士

传统调幅(Amplitude Modulation, AM)广播音质差、业务单一和易被干扰,其数字化具有重要的理论意义和应用前景。由于多元位置相移键控(M-ary Position Phase Shift Keying, MPPSK)调制本身含有载波分量,因此采用加载了数字信息的MPPSK... 详细信息

传统调幅(Amplitude Modulation, AM)广播音质差、业务单一和易被干扰,其数字化具有重要的理论意义和应用前景。由于多元位置相移键控(M-ary Position Phase Shift Keying, MPPSK)调制本身含有载波分量,因此采用加载了数字信息的MPPSK已调信号取代正弦载波,接受模拟音频信号对其进行传统的双边带调幅(Double Side-Band Amp-litude Modulation,DSB-AM),便得到一种MPPSK/DSB-AM复合调制广播体制,可向下兼容现有的发射频谱、广播台网和AM收音机,实现带内同频的模数混合广播。为了约束其发射频谱满足美国联邦通信委员会(Federal Communications Commission, FCC)的掩模需求,会导致数字信号解调性能急剧下降,对此本文主要从系统参数、发射频谱和解调性能三方面对MPPSK/DSB-AM复合调制广播系统进行优化。首先,阐述了MPPSK调制和全跳变MPPSK调制的原理、功率谱特性和相干解调方案,分析了调制参数M、K、N值对功率谱的影响,给出了相关系数判决方案和改进的相关最值-位置判决方案及其性能对比。其次,给出了MPPSK/DSB-AM复合调制广播系统的设计方案：通过加大MPPSK调制的K值来补偿因FCC掩模对发射频谱的限制而导致MPPSK信号解调性能的恶化;通过使用卡圆法平滑MPPSK调制相位跳变压低功率谱旁瓣;通过添加双带阻滤波器对发射频谱“开槽”改善音频信号的解调音质。然后,引入扩频技术和信道编码提升MPPSK信号的传输性能：使用Gold序列进行扩频和解扩,分析对比硬解扩和软解扩方案：分析对比里所码(Reed Solomon, RS)、卷积码、级联码、Turbo码和低密度奇偶校验码(Low Density Parity Check Code, LDPC)等信道编码对系统性能的影响,并根据贝叶斯公式得出的概率信息表格作为信道解码的软信息进行软判决译码,进一步提升数字信号的解调性能。最后,将深度学习中的深度神经网络(Deep Neural Network, dnn)模型用于该系统的MPPSK信号解调：将训练数据作为判决依据对接收波形进行判决,进一步精选了合适的dnn层级和量级,并使用动量法改进了相应的dnn反向传播算法(Back-propagati on algorithm, BP)。仿真表明在信噪比较高时性能可明显改善,但在信噪比较低时性能仍有待改进。

关键词：调幅广播复合调制频谱掩模 MPPSK解调软判决 dnn模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的短期电力负荷预测模型研究

基于深度学习的短期电力负荷预测模型研究

作者：冯劲成电子科技大学

学位级别：硕士

随着电力市场改革的深入,我国售电公司开始参与电力市场。售电公司的核心技术是对用户的用电负荷进行精准的预测,为客户制定售电方案以及综合用电服务,并避免风险。才能有效的避免售电过程中的风险。目前,常见负荷预测的模型主要是是时... 详细信息

随着电力市场改革的深入,我国售电公司开始参与电力市场。售电公司的核心技术是对用户的用电负荷进行精准的预测,为客户制定售电方案以及综合用电服务,并避免风险。才能有效的避免售电过程中的风险。目前,常见负荷预测的模型主要是是时间序列模型,但是时间序列模型预测精度较低。为了改进时间序列模型的预测性能,机器学习模型逐渐被应用在负荷预测中,比如随机森林、支持向量机、BP神经网络等模型,机器学习模型比时间序列模型具有更强的稳定性以及预测性能,在负荷预测的精准度上有了一定的提高,但是预测精度仍然有限。深度学习通过构建深度神经网络,在模型的预测性能上有了进一步的提升,其中dnn是一种具有多层隐藏层的神经网络,具有良好的学习性能。目前,关于dnn在负荷预测中的研究较少,本文基于dnn神经网络,对其进行优化并应用在负荷预测中,以进一步提高负荷预测的精度。本文对短期负荷预测进行研究,本文的工作如下:首先,本文通过对传统的时间序列模型、常用的机器学习模型以及深度学习模型进行对比分析,分析这些模型中存在不足。其次,本文提出了采用粒子群优化算法以及二进制粒子群优化算法对深度神经网络dnn模型进行优化以及在dnn模型上增加循环层提升模型对时间序列的预测精准性。第三,为了验证本文模型的性能,本文基于欧洲智能技术网络（EUNITE）举办的电力负荷预测预测的数据集对本文设计的模型进行实证研究。为了检测模型的预测精准性,主要采用均方根误差以及平均绝对误差进行衡量。在实证分析中,本文对PSO-dnn以及Rdnn模型进行验证,同时采用Holt Winter、BP神经网络、随机森林、支持向量机、GBDT以及XGBoost模型和LSTM模型进行对比分析。本文的研究结果表明,本文构建的PSO优化的dnn模型以及Rdnn模型的预测性能在众多模型中的效果较好,其中Rdnn模型的性能最好。经过随机抽取时间序列进行稳健性验证,验证了本文设计的PSO-dnn以及Rdnn模型具有一定的稳健性。本文的研究对进一步加强深度学习在负荷预测中的应用,进一步提升负荷预测的准确性具有一定的参考价值。

关键词：负荷预测深度学习 EUNITE数据集 dnn模型

基于WiFi-CSI的多人动作识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于WiFi-CSI的多人动作识别方法研究

作者：杨敏敏东北电力大学

学位级别：硕士

智能感知一直以来是智能应用的重要组成部分。其中,人与外部环境的智能交互是其中最关键的问题之一,特别是室内环境的人体行为检测、人群计数和实时定位是智能感知发展的关键驱动力。随着智能感知的逐步完善,室内环境的高精度人数统计... 详细信息

智能感知一直以来是智能应用的重要组成部分。其中,人与外部环境的智能交互是其中最关键的问题之一,特别是室内环境的人体行为检测、人群计数和实时定位是智能感知发展的关键驱动力。随着智能感知的逐步完善,室内环境的高精度人数统计和人体行为分析已然成为了新的智能感知的发展方向。近年来,将WiFi-CSI信号作为智能感知载体的智能感知得到了进一步发展,可以依据其中的无线设备信道状态信息(Channel State Information,CSI)获取固定区域内的人群信息和动作信息,然后利用机器学习、神经网络等技术构建模型从而实现人体感知。本文提出了基于WiFi-CSI的多人动作识别方法,依据人体动作对数据的影响情况,主要从人群计数、多人相同动作分类和多人组合动作分类三个方面进行了研究,具体研究内容如下:(1)提出了一种基于多域组合特征的人群计数模型。现有的人群计数模型只能提取传统的统计特征,或直接利用神经网络自动提取特征,并未探索人群和特征之间的内在联系。因此,该框架从多个维度出发,从不同的域中提取最优特征组,即时域、子载波域和时频域,构建一个综合的信号特征组。相比于传统特征,所提取出的人群特征能够更好的拟合人群与CSI信号之间的线性变换关系,同时利用不同的机器学习方法验证特征组的有效性,得到了理想的人群计数效果。(2)提出了一种基于PSD-HMM的多人相同动作识别模型。本研究点通过研究点一已完成的多人条件下的人群计数作为前提条件,因此,可以在人数已知的情况下首先进行多人动作的预分类识别,即提取出人群在做相同动作的这一样本集,然后对快速傅里叶变换后的CSI序列进行功率密度谱的提取,为人群做相同动作的这一情况建立对应的隐马尔可夫模型,这一模型能够很好的适应人数的变化,即避免了因为人数增加导致的模型复杂化问题。(3)提出了一种基于双流dnn的多人组合动作识别模型。在进行多人组合动作的识别过程中,由于动作的不同,导致动作快慢和动作幅度也有所不同,进一步造成PSD分布的混叠现象。因此,提出基于双流dnn的多人组合动作识别系统,利用信号转化为PSD功率密度谱后的序列和对数坐标下所围成的面积大小分别作为双流dnn的输入序列,然后在其PSD序列上添加注意力机制,从而能够进一步确定多人组合动作所属的类别。综上所述,本文通过以上三个方面的研究,为基于WiFi-CSI的多人动作识别提供了新的研究方法,并在采集到的数据集上进行了多次实验验证,实验结果显示本文提出的方法能够改进现有的相关识别算法,解决相似活动混淆分类的问题,实现了较高准确率的多人动作识别,具有一定的研究意义。

关键词： WiFi-CSI 多人动作识别特征提取多域融合 HMM模型 dnn模型

基于深度学习的二手车价格预测模型及影响分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

汽车工程学报 2021年第5期11卷 379-385页

作者：李富强彭海丽杨熙张文静工业和信息化部装备工业发展中心北京100846

运用2015~2019年中国二手车行业相关数据,基于深度学习模型,采用对比分析法、控制变量法探究我国二手车成交价格影响因素的重要性程度。结果表明,我国二手车成交量一直处于增长状态且保持较高增速;dnn模型比年限估计法及重置成本法预测... 详细信息

运用2015~2019年中国二手车行业相关数据,基于深度学习模型,采用对比分析法、控制变量法探究我国二手车成交价格影响因素的重要性程度。结果表明,我国二手车成交量一直处于增长状态且保持较高增速;dnn模型比年限估计法及重置成本法预测的二手车成交价格精度高;新车指导价、已使用时间、已行驶距离、省份及汽车品牌重要性占比依次为67%、13.06%、9.08%、6.22%和4.64%。

关键词：二手车深度学习 dnn模型成交价格

在线全文

学校读者我要写书评

暂无评论

人工智能视频深度处理技术的电力施工监测

信息技术 2022年第6期46卷 151-156页

作者：张俊岭高宏周伟马超周怡刘祥振山东鲁能软件技术有限公司济南250000 国网山东省电力公司济南250000

针对云计算框架处理电力施工监测视频数据延迟高、功耗大等问题,该研究通过设计mVideo系统,借助于移动边缘节点捕获电力施工监测视频,在边缘节点部署分区深度神经网络计算模型以深度处理视频流,传输模块可以将每个节点的中间结果和状态... 详细信息

针对云计算框架处理电力施工监测视频数据延迟高、功耗大等问题,该研究通过设计mVideo系统,借助于移动边缘节点捕获电力施工监测视频,在边缘节点部署分区深度神经网络计算模型以深度处理视频流,传输模块可以将每个节点的中间结果和状态信息发送到存储服务器中。最终得到mVideo系统比云计算框架处理视频数据的执行时间缩短了45%,功耗降低了113%,证明了mVideo系统在上述部分指标方面的优势,更加实用可靠。

关键词：人工智能边缘计算电力施工监测 dnn模型 mVideo系统

在线全文

学校读者我要写书评

暂无评论

基于商用车的驾驶员局域温度预测研究

武汉理工大学学报 2023年第7期45卷 46-53,67页

作者：程麒鎏苏楚奇汪怡平刘珣武汉理工大学汽车工程学院武汉430070 武汉理工大学现代汽车零部件技术湖北省重点实验室武汉430070 武汉理工大学汽车零部件技术湖北省协同创新中心武汉430070

为实现多种影响因素下驾驶员关键区域的温度预测,探究驾驶员各区域温度分布规律,将东风商用车作为研究对象,基于大量实车实验数据,探究不同环境因素对驾驶员关键区域温度分布影响,采用以驾驶员头部红外图像为输入,Yolov5目标检测与dnn... 详细信息

为实现多种影响因素下驾驶员关键区域的温度预测,探究驾驶员各区域温度分布规律,将东风商用车作为研究对象,基于大量实车实验数据,探究不同环境因素对驾驶员关键区域温度分布影响,采用以驾驶员头部红外图像为输入,Yolov5目标检测与dnn模型预测相结合的方法预测驾驶员11个区域温度值,对预测模型进行评价验证,并通过十折交叉验证模型稳定性。最后基于不同驾驶室温度及外界光照对驾驶员关键区域温度分布规律进行总结,结论表明:不同驾驶室温度及外界光照环境对驾驶员肩部、背部、脚部及手部等区域温度值影响较为明显,在不同外界环境因素影响下,各区域温度分布存在不同规律。

关键词：关键区域目标检测 dnn模型温度预测交叉验证