一种基于深度学习的短时用电负荷预测算法研究被引量：3

下载PDF

导出

摘要近年来我国高铁、公路、地铁等基础建设项目不断增加,其中隧道工程的建设也大量展开,施工过程中的各类事故和地质灾害也越发频繁,严重威胁隧道内施工人员的人生安全,根据统计大部分的隧道施工环节中常见的是落石灾害,传统的监测手段,仅在二维监测的数据上进行,图像显示不直观,预警能力不足;因此本文通过对视觉对隧道落石进行趋势识别研究的基础上,提供一种隧道落石预警的方式.

作者王洁

机构地区贵州电子信息职业技术学院

出处《建材与装饰》 2020年第9期210-211,共2页 Construction Materials & Decoration

关键词深度学习短时预测用电负荷算法

分类号 TM715 [电气工程—电力系统及自动化]

引文网络
相关文献

参考文献2

1巴仁基,王丽,杨桂花.浅谈监控量测在隧道新奥法施工中的应用[J].山西建筑,2007(8):331-332. 被引量：3
2郭静,罗华,张涛.机器视觉与应用[J].电子科技,2014,27(7):185-188. 被引量：77

二级参考文献30

1曾祥忠.机器视觉及其应用(系列讲座) 第二讲图像采集技术——机器视觉的基础[J].应用光学,2006,27(6):602-606. 被引量：7
2章炜.机器视觉技术发展及其工业应用[J].红外,2006,27(2):11-17. 被引量：117
3雷文华,秦风（整理）.机器视觉及其应用(系列讲座) 第一讲机器视觉发展概述[J].应用光学,2006,27(5). 被引量：21
4朱虹.机器视觉及其应用(系列讲座) 第三讲图像处理与分析——机器视觉的核心[J].应用光学,2007,28(1). 被引量：11
5朱瑞.机器视觉及其应用(系列讲座) 第五讲机器视觉的典型应用[J].应用光学,2007,28(4). 被引量：15
6[1]JTJ 026-90,公路隧道设计规范[S].
7[1]JTJ 042-94,公路隧道施工技术规范[S].
8FORSYTH D A, JEAN P. Computer vision [ M]. Mexico: Prentice Hall,2003.
9CHRISTINE C. Machine vision advances and applications [ J ]. Assembly Automatio ,2009,29 (2) : 106 - 111.
10MARR D. Image processing and machine vision [ M ]. USA: Freeman and company, 1973.

共引文献77

1刘仁寰.机器视觉技术在工业智能化生产中的应用[J].电子技术（上海）,2021,50(8):76-77. 被引量：7
2刘彦波,蒋树屏,魏清华.朝阳寺隧道下穿既有高速公路段监控量测技术[J].山西建筑,2008,34(14):317-319. 被引量：2
3李永婷,夏琴香,肖刚锋,程秀全.基于机器视觉的锥形旋压件起皱缺陷在线检测方法[J].锻压技术,2019,44(1):134-141. 被引量：6
4仵桂学,杨宜民,黄东运,雷欢,王淼.基于机器视觉的快速切割路径生成系统[J].自动化与信息工程,2015,36(3):12-15. 被引量：2
5李云峰,韩茜茜,李晟阳.基于机器视觉的冲压件尺寸参数测量[J].工具技术,2015,49(11):95-98. 被引量：5
6骆懿,夏高裕.基于机器视觉的民用无人机舵机性能测试系统[J].杭州电子科技大学学报（自然科学版）,2015,35(6):40-45. 被引量：1
7李家荣,余睿.同步器齿环的机器视觉检测方法研究[J].现代机械,2016(5):42-45.
8秦亚航,苏建欢,余荣川.机器视觉技术的发展及其应用[J].科技视界,2016(25):153-154. 被引量：19
9郝莹,白瑞峰,房朝晖.融合机器视觉的液位控制实验系统设计[J].实验室科学,2016,19(5):23-26. 被引量：3
10王丹,钱炜,秦小健,漆思杰,顾自明.结构不规则工件定位与抓取研究[J].电子科技,2017,30(1):139-142. 被引量：2

同被引文献16

1李佳殷,周勃(指导),乔清锋.基于Elman神经网络的新风负荷预测研究[J].建筑节能,2020,48(3):19-21. 被引量：6
2吴冬梅,卢静,蒋瑜.基于双通道C3D的基建现场人体异常行为识别[J].信息技术与信息化,2020(1):28-31. 被引量：2
3何锦雄,刘国伟,杨永.基于深度学习的配电设备智能识别技术研究[J].电子设计工程,2020,28(6):74-77. 被引量：5
4孔祥平,李鹏,高磊,林俊.基于深度学习的特高压直流控制保护系统可视化技术[J].电网与清洁能源,2020,36(2):29-37. 被引量：23
5刘辉,钟俊.特征空间闭操作驱动的短期电力负荷预测[J].西昌学院学报（自然科学版）,2020,34(1):49-53. 被引量：2
6石秀倩,于晓明.基于BP神经网络下用电负荷预测[J].工业控制计算机,2020,33(3):21-22. 被引量：4
7吴雅琴,李惠君,徐丹妮.基于IPSO-Powell优化SVM的煤与瓦斯突出预测算法[J].工矿自动化,2020,46(4):46-53. 被引量：11
8廖均淋,白富生,马龙.基于L1-范数的v-双子限定支持向量机[J].重庆师范大学学报（自然科学版）,2020,37(2):1-11. 被引量：2
9邓开发,邹振宇.基于深度学习的安全帽佩戴检测实现与分析[J].计算机时代,2020(7):12-15. 被引量：6
10芦建文.基于深度学习的劳动防护用品佩戴检测系统[J].包钢科技,2020,46(4):78-80. 被引量：3

引证文献3

1钟立华,罗智青.基于深度学习的现场作业智慧化安全管控研究[J].通信电源技术,2020,37(21):102-106. 被引量：1
2杨凯帆,黄婧,谢枭,王若昕,沈丹青,何丽娜,陈汝科.基于最小二乘支持向量机的短期负荷预测[J].电工材料,2021(1):51-53. 被引量：3
3曹刚.基于深度学习算法的电力系统负荷预测研究[J].信息与电脑,2024,36(6):188-190.

二级引证文献4

1罗鑫.优化电力营销作业现场安全能力分析[J].中国科技投资,2021(26):127-129.
2陈黍,许炫淙,张铮,梁儒铎,孟安波.基于奇异谱分析和卷积双向门控单元网络的超短期风电功率预测[J].电工技术,2022(4):49-54. 被引量：3
3冯小丽,吴肇良,殷复莲.基于用户收视行为与评论情感分析的收视预测研究[J].中国传媒大学学报（自然科学版）,2022,29(1):45-51.
4代玥,张新燕,侯帅辉,邱汉强.支持向量机与锁相环相结合的谐波检测方法[J].现代电子技术,2022,45(21):171-175.

1魏巍,钟浩.公路施工中路桥过渡段的路基加固措施[J].绿色环保建材,2020,0(2):128-128. 被引量：2
2吴俊垚.基于视觉识别的隧道落石预警系统[J].四川水泥,2020,0(2):150-150. 被引量：1
3范相丽.新形势下基层动物卫生监督执法存在的问题与对策[J].兽医导刊,2019,0(24):72-72.
4宋战清.新时期高校消防安全管理的现状与对策[J].科技风,2020,0(10):246-246. 被引量：4
5舒青宁.化工设备制造中的质量控制措施[J].中国石油和化工标准与质量,2019,39(21):28-29. 被引量：3
6洪学军.铁路桥梁维修养护管理技术研究[J].建筑技术研究,2020,3(1):70-70.
7高志荣.浅析六西格玛管理在建筑企业中的应用[J].智能建筑与工程机械,2019,1(3):45-46.
8刘同.提高工程概预算编制质量的措施分析[J].建材发展导向,2020,18(5):97-97.
9杨明江.10KV高压真空开关小车轨道改进更换处理与实施[J].装备维修技术,2020,0(1):166-166.

建材与装饰

2020年第9期

浏览历史

内容加载中请稍等...

一种基于深度学习的短时用电负荷预测算法研究被引量：3

参考文献2

二级参考文献30

共引文献77

同被引文献16

引证文献3

二级引证文献4

相关作者

相关机构

相关主题

浏览历史

一种基于深度学习的短时用电负荷预测算法研究 被引量：3

参考文献2

二级参考文献30

共引文献77

同被引文献16

引证文献3

二级引证文献4

相关作者

相关机构

相关主题

浏览历史

一种基于深度学习的短时用电负荷预测算法研究被引量：3