Results 91 to 100 of about 943 (167)
以速率为参量的GM(1,1)滑坡时间预报模型研究 [PDF]
, 2018 以摩擦学和灰色系统为理论基础,建立了以速率为参量的滑坡GM(1,1)时间预报模型,推导出滑坡时间预报公式,结合黄茨滑坡、新滩滑坡进行了预报分析,并与传统的以位移为参量的GM(1,1)、Verhulst预报模型预报结果进行对比。结果表明:以速率为参量的GM(1,1)滑坡预报模型能够提前预报滑坡;与传统的以位移为参量的GM(1,1)相比,预报时间更接近滑坡实际发生时间;与传统的以位移为参量的Verhulst模型相比,以速率为参量的GM(1,1)模型不仅能够提前预报滑坡 ...
胡华, 谢金华
core
Gaoya dianqi针对电力系统中配电网线路中的电弧故障检测易发生故障误判的问题，提出了一种基于改进梅尔倒谱系数和随机森林算法的故障电弧声纹识别模型。该模型首先对故障电弧声信号进行分帧加窗处理，提取其梅尔倒谱系数，使用费舍尔比计算特征各维度对区分故障的贡献度，根据贡献度设计出合适的权值对特征向量进行加权降维处理，得到区分性更强的特征向量。最后采用随机森林算法对故障电弧声纹信号进行识别。为了验证该模型的有效性，文中搭建故障电弧试验平台采集故障电弧声信号，对故障电弧燃烧发展过程的声信号时频域进行分析 ...
陈凯 +5 more
doaj
Unsupervised intrusion detection model based on temporal convolutional network [PDF]
Most existing intrusion detection models rely on long short-term memory (LSTM) networks to consider time-dependencies among data. However, LSTM’s sequential data processing significantly increases computational complexity and memory consumption during ...
DING Jiawei, FENG Guanghui, LIAO Jinju
core +1 more source
Research on intelligent fault identification method of coalfield based on the PSO-XGBoost algorithm [PDF]
In order to further improve the accuracy and efficiency of underground fault identification, an intelligent fault recognition model based on the extreme gradient boosting tree (XGBoost) machine learning algorithm was constructed for coal seam faults ...
LI Yang +4 more
core +1 more source
基于小样本随机森林模型的低气压下室内设备空气放电故障识别方法研究
Gaoya dianqi空气绝缘的室内电力设备发生放电故障时，利用半导体气体传感器检测空气放电分解物的成分和含量，能够判断放电故障的严重程度，因此研发智能、精准的机器嗅觉算法对监测室内电力设备的正常运行有着重要意义。本文搭建了空气放电实验平台，模拟了低气压高海拔条件下的火花和局部放电故障，通过基于半导体传感器阵列的空气放电分解物检测装置对不同放电故障的气体分解物进行特征提取，然后利用基于主成分分析的小样本扩充增强方法对数据集进行丰富和精简，最后采用随机森林算法对放电分解故障进行分类。结果表明随机森林算法平均识别准确度97.22%
李天辉 +7 more
doaj
Jingshui jishu【目的】磁场强化人工湿地(MF-CW)作为绿色环保的污水处理技术，由于其在污水脱氮方面表现突出，近年来被用于对生活污水进行处理，并展现出了显著的优势和应用潜力，机器学习(ML)技术通过模拟和分析水质中各种影响参数在提高预测准确性方面表现出了极佳效果，为此通过ML建立一个高精度的模型用来预测MF-CW系统出水氨氮浓度，对于推进其技术发展至关重要。【方法】本文基于磁场强化人工湿地，以实际测量数据作为模型输入，然后构建不同的机器学习算法模型进行对比，本文建立了4种机器学习算法模型 ...
LUO Hu, MA Rong
doaj +1 more source
Soft detection model of corrosion leakage risk based on KNN and random forest algorithms [PDF]
Objective The integrity management of urban gas pipeline networks demands effective risk assessment methods. Corrosion leakage risk assessment necessitates the comprehensive integration of risk assessment factors with various detection operations ...
Chengzhi LI +4 more
core +1 more source
Application of machine learning in hepatocellular carcinoma [PDF]
Hepatocellular carcinoma (HCC) is a common solid tumor. In recent years, although significant researches have been focused on diagnostic and therapeutic strategies for HCC, the overall prognosis for patients remains challenging.
LI Chengzhong +3 more
core +2 more sources
Shuitu Baochi Xuebao[目的] 为明确花岗岩红壤坡面沟头溯源侵蚀的关键过程及形成机制。[方法] 通过设定5个沟头高度(25,50,75,100,125 cm)研究花岗岩红壤坡面沟床跌穴发育过程。[结果] (1)随沟头高度增加,沟床径流雷诺数、径流剪切力、径流功率和射流参数(触底流速、射流剪切应力、瞬时动能、跌穴径流能耗)均表现为增加趋势。(2)红土层沟床形成“V”形跌穴,随流量增加跌穴形态变化增大,但只形成面积较小的跌穴。而砂土层在冲刷过程中,沟床跌穴发育较为明显,当流量增大到120 L/min后,沟床破碎化程度增加 ...
王建羽 +4 more
doaj
Gaoya dianqi, 2018 为实现电气设备局部放电模式的准确识别,提出了一种基于时频特征核熵成分分析的局部放电模式识别方法。首先采用S变换理论对局部放电脉冲信号进行时频特征分析,针对S变换分析结果维数庞大但冗余信息较多而不便于模式识别的缺点,基于核熵成分分析方法对S变换结果进行压缩降维处理,得到了局部放电模式识别时频特征向量,同时结合随机森林分类器实现了局部放电类型的准确识别。搭建了尖端放电、沿面放电、气泡放电、悬浮放电等典型变压器绝缘缺陷模型并采集了局部放电信号,分别采用文中方法、PCA方法及KPCA方法进行了局放模式识别实验 ...
李思同 +5 more
doaj