基于深度神经网络的台风中心定位方法

台风中心定位的微小误差会对台风路径预报造成较大的偏离,因此精确定位台风中心是台风路径预测和灾害预报的重要步骤。台风云系随时间不断变化且风力强弱不一,在卫星云图中呈现了多样性和复杂性,现有基于神经网络的模型由于缺少对台风特征图像多维度参数的权重合理分配,在自动提取台风图像特征上受到了限制。为此,提出一种融合通道注意力与坐标注意力的神经网络模型(TY-LOCNet),首先搭建深度卷积神经网络模型提取台风特征;其次引入通道注意力机制从台风特征中捕获通道级别的信息,提升模型对重要通道的关注度;然后将通道注意力结果输入到坐标注意力机制中全局标定台风位置信息,使模型能够在较大的区域关注到台风的形态结构;此外,均方误差损失函数未能融合计算坐标导致定位精度低,因此提出距离损失函数(DISTLoss)通过距离回归提高模型定位精度。实验结果表明,TY-LOCNet的平均位置误差(MLE)、平均定位误差(MAE)和检测速度分别为3.502像素,0.292°和17 FPS,优于其他模型。台风中心定位模型TY-LOCNet可为台风预报提供实时性台风中心定位支持。

融合多重分解和差值修正的海浪波高预测研究

为了提升海浪波高预测精度,提出了融合多重分解和差值修正的海浪波高预测模型(J-DE-LSTM)。该模型采用自适应噪声完备集合经验模态分解,对波高数据进行一重分解,以及对分解后的残差分量进行二重分解;采用亲和力传播算法进行聚类降维并输人到长短期记忆网络进行预测获取初步预测值。建立波高观测值与初步预测值形成的差值序列进行三重分解,采用样本熵重构为趋势项和周期项并进行权重计算,构建粒子群算法优化极限学习机和LSTM的组合预测模型进行双轨并行预测;最后将预测结果与权重加权融合进行差值修正未来点位波高预测值。实验结果表明J-DE-LSTM模型较LSTM、TCN模型平均绝对误差提升约4.1%~11.5%,均方误差提升6.5%~15.2%。

改进3D-CNN的高光谱图像地物分类方法

高光谱图像具有数据量大、波段多和波段间相关性强等特性,传统高光谱分类方法通常单独考虑光谱和空间信息,特征提取不充分,忽略了图像纹理构造和重要光谱信息。针对这些问题,提出一种基于卷积神经网络(convolution neural network,CNN)的高光谱分类方法。该方法基于三维CNN(3D CNN),处理多尺度空谱数据,并对双重注意力机制进行改进,提出光谱注意力机制;其次,采取跨层特征融合和多通道特征提取策略,进一步提高地物分类精度。选取“高分五号”卫星拍摄的2景影像共6043个样本作为实验数据,并将提出的方法与支持向量机(support vector machine,SVM),一维CNN(1D CNN),二维CNN(2D CNN),3D CNN和残差网络(residual network,ResNet)进行比较分析。结果表明,所提方法的总体精度(overall accuracy,OA)和Kappa系数均有显著提高,OA值均达到95%以上。其中,OA在江苏南通地区数据集上达到了95.84%,较SVM,1D CNN,2D CNN,3D CNN和ResNet方法分别提高了21.54,21.71,7.28,3.94,2.56百分点。

压缩感知和图卷积神经网络相结合的宽频振荡扰动源定位方法

新能源并网引发的宽频振荡严重威胁电网安全,实现宽频振荡源的在线定位并及时采取抑制措施以保证系统安全稳定尤为必要。为此,提出一种压缩采样和图卷积神经网络相结合的宽频振荡源定位方法,该方法首先在子站对时序的振荡信号进行稀疏采样,获得其低维观测序列,作为节点的时序信息,然后在主站融合系统的拓扑结构捕捉各节点的邻接关系,综合考虑系统振荡的时空特性,运用图卷积神经网络实现振荡源定位。最后利用宽频振荡样本集进行仿真验证,结果表明所提方法在量测数据含有噪声、传输数据缺失以及传输数据偏差的情况下都有较高的定位准确度。

改进残差网络及时序气象卫星云图的台风等级分类研究

结合了传统残差网络在数据样本小环境下分支卷积层特征的浪费问题,且考虑台风云图时空关联性强、特征复杂因素,参考日本国立情报学研究所在西北太平洋上空通过数个气象卫星拍摄的8000多景高分辨率台风云图,编制了适应于残差神经网络的时序台风云图分类训练集和测试集。为满足数据集及台风特征,有效优化了原始残差网络的残差块,并得到了恒等映射残差块。经由增加卷积输出来促进分支通路更好的被利用,保留台风图像时序特性,提高网络性能。实验显示,W-ResNets模型在自建台风数据集上的训练精度达到99.60%,测试精度达到76.19%,相较于浅层卷积神经网络的测试精度高出8.48%,相比于使用传统的残差神经网络提高了2.87%,为进一步验证模型的泛化性能,采用MNIST通用数据集进行网络对比实验,宽残差网络得到98.786%的测试精度,优于传统残差网络。文中的W-ResNets预报模型可在小样本台风数据集推广使用。

基于改进SOLO_v2的糖尿病黄斑水肿分割模型

糖尿病黄斑水肿(DME)是导致糖尿病患者视力损害的常见原因。光学相干断层扫描技术(OCT)有助于增强对糖尿病视网膜病变的早期检测和预防。目前,OCT图像中的DME区域存在大量散斑噪声及小目标区域,现有的实例分割方法存在漏分割等问题。针对上述问题,本文利用特征金字塔转换器(FPT)改进SOLO_v2模型,提出了一种新的DME分割模型(SOLO-OCT),包括:(1)利用基于双域滤波去噪算法去除图像上存在的大量散斑噪声,提高输入图像质量;(2)引入FPT,提高模型对小目标的识别能力和学习能力;(3)改进非极大值抑制(NMS)算法,缓解对小目标区域的漏分割问题。将SOLO-OCT模型与其他实例分割模型(包括Mask R-CNN、SOLO和SOLO_v2)进行了比较,以评估其对DME区域的分割性能。与Mask R-CNN、SOLO和SOLO_v2模型相比,SOLO-OCT模型对DME区域的分割精度(mAP)提高了3.1%,对小目标DME区域的分割精度(APs)提高了2.2%,而单幅图像的处理时间(Fps)只增加了0.0099 s。本文提出的DME分割模型(SOLO-OCT)可用于大规模糖尿病视网膜病变筛查。

基于改进极模变换的柔性直流输电系统断线故障分析与辨识

断线故障的故障特性分析是制定断线保护方案的基础。首先,文中以金属回线双极直流系统为对象,根据直流系统中模块化多电平换流器(MMC)在故障前后的状态变化,基于叠加定理得出MMC在直流系统发生故障时的等效电路模型,构建直流系统断线故障下的等效电路。然后,通过改进极模变换矩阵推导其在不同故障类型下的复合模量等值网络,分析不同断线故障的模量特征;在此基础上,利用2模和0模电流的变化量构建断线故障类型识别的相平面,实现断线故障的分类;同时,提出基于1模电流变化量的区内外断线故障辨识流程。最后,在PSCAD/EMTDC中建立了仿真模型,验证了所提保护方法的快速性和可靠性。

电力系统暂态电压稳定评估的混合智能特征双重筛选方法

含高比例新能源与直流接入的电力系统暂态电压稳定特征呈高维冗余性,影响基于数据驱动评估模型的效率和性能。为此,在构建一组适应含高比例新能源和直流接入场景的完备特征集合基础上,提出一种基于改进Relief算法和改进群智能优化算法双重筛选的混合智能特征选择方法,以降低原始特征维度,提高模型稳定评估的效率和准确率。首先,通过时序分层处理对原始Relief算法进行时序改进,并利用该改进算法进行特征的有效性度量,以消除分类低效特征,得到降维后的初筛特征子集;随后,融合特征有效性度量值对群智能优化算法进行搜索性能增强。再以此增强算法为寻优策略,并以时序分类模型卷积门控循环单元(convolution gated recurrent unit,ConvGRU)为分类器,构成基于群智能优化算法的封装式特征选择方案,进一步实现特征子集寻优。最后,通过算例对比分析,该方法下高维特征维度能压缩80%以上,且所选特征子集能有效提高评估模型的准确率,验证该方法对于高维时序特征筛选处理的有效性及必要性。

改进Shufflenetv2_YOLOv5的轻量级SAR图像舰船目标实时检测

针对当前SAR图像舰船目标检测实时性不高、准确率较低等问题,提出了一种改进Shufflenetv2_YOLOv5的轻量级目标检测模型。首先对YOLOv5网络的主干网络进行改进,在对比了MobileNetv2、Shufflenetv2两种轻量级网络的效果之后,构建了Shufflenetv2_YOLOv5网络。引入Transformer结构和双重注意力机制模块对Shufflenetv2_YOLOv5网络进行改进,以增强舰船目标的特征表达。使用FReLU替换原YOLOv5的激活函数,进一步提高网络的性能。同时,提出一种新的损失函数,增强舰船目标的定位效果。实验结果表明,本文算法在SSDD数据集上的准确率为80.2%,FPS为193帧/s,在保证精度的情况下,实现了SAR图像舰船目标实时检测。

基于残差注意力多尺度关系网络的逻辑推理

逻辑推理是感知视觉元素间规律和联系的能力,使计算机拥有类人的推理能力是一项重要的研究内容。在大量数据和深度模型的驱动下,现今人工智能已在图像处理等领域中取得超越人类水平的表现,但通过图像进行逻辑推理的能力还较落后。为解决面向逻辑推理的多尺度关系网络(MRNet)特征提取能力不足及泛化性较差的问题,提出一种改进的残差注意力多尺度关系网络(ResAMRNet)。在主干网络中,利用残差结构并结合跳跃连接与长跳跃连接,将浅层特征融入深层网络训练过程中,减少特征信息丢失,并提高模型特征提取能力。在推理模块中,将通道注意力机制与残差模块相融合检测每行图片间的关系特征,差异化各特征通道的重要程度,自适应学习注意力权重,提取关键特征。设计双池化高效通道注意力机制,结合全局最大池化进一步获取对象的特征信息,提高模型泛化性。在RAVEN和I-RAVEN数据集上的实验结果表明,ResAMRNet的分类准确率相比于MRNet分别提升了8.3和18.1个百分点,具有较强的逻辑推理能力。

风储联合系统主动参与电网一次调频的协调控制策略

通过风储联合系统的协调控制增强风电并网系统的转动惯量水平是增强系统频率稳定的重要手段。现有风储联合系统协调控制中风电与储能的控制相对独立,两者的耦合集成度较低,难以充分发挥风电和储能对频率扰动的响应和调节能力。对此,本文提出基于线性二次型调节器(LQR)的风储联合系统协调控制策略。该策略以双馈风机输出频率和风储联合系统总输出功率为储能的控制输入,以提升系统的阻尼和稳定性,并增强系统的频率响应调节能力。首先,根据系统的状态方程建立双馈风机和风储联合系统的小信号稳定模型,分析协调控制对风储联合系统的阻尼比的提升作用;其次,由具有扰动抑制能力的LQR方法确定协调控制的控制参数;在此基础上,根据转子动能确定储能功率容量;最后在Matlab/Simulink仿真平台搭建风储联合系统并网模型,验证了本文所提策略的有效性和优越性。

基于压缩感知与ISTA的宽频振荡扰动源分级定位方法

“双高”电力系统发展趋势下宽频振荡问题日益凸显,电力电子设备与电网相互作用呈强时变性与非线性,导致准确的振荡扰动源定位难以实现。为此,提出基于压缩感知与软阈值迭代算法(iterative shrinkage-thresholding algorithm,ISTA)的广域系统振荡扰动源分级定位方法。首先,采取Shapelet算法构建以时序信号为输入的定位启动判据,并生成测量矩阵同步压缩振荡信号。然后,主站根据判据结果,基于振荡压缩信号定位扰动区域。最后,利用ISTA网络复原原始振荡信号,实现振荡源精确定位。应用所提方法于含风电场的四机两区域系统扰动源定位任务,结果证明此方法可突破奈奎斯特采样定理限制,且在低计算需求状况下实现高准确度扰动源定位。

基于等效简化和GPU的高比例新能源电网快速仿真系统

随着新能源比例的不断提高,电力电子设备的毫秒级暂态控制与电网的秒级动态特征耦合程度不断加深,而当前的仿真系统在规模和速度方面无法适应复杂大规模电网的分析需求。为此,提出基于等效简化和GPU的高比例新能源电网快速仿真系统。基于控制模型和联结阻抗对大规模变流器设备进行聚合等效,在保证精度的前提下简化多变流器的仿真规模;对电网结构进行分区简化,便于并行计算以及降低运算复杂度;电网的仿真运算通过GPU并行计算完成,提高仿真系统的运行速度;通过聚合等效、分区简化和并行计算的相互结合,在保证仿真精度的前提下实现了高比例新能源电网的快速仿真,准确快速对高比例新能源电网的运行特性进行分析。最后通过运行实例验证了所提仿真系统具有较好的精度和运行效率。

基于水动力模型及遥感水边线方法的潮滩高程反演

由于潮滩范围广，变化频繁，缺乏常规的地形测量资料，给潮滩开发建设带来极大不便。以崇明东滩为实验区，依据长江口1999～2004年多时相遥感影像的光谱特征，对不同潮情的影像采用不同的波段提取水边线信息。同时利用水动力模型软件（Delft3D）模拟卫星过境时刻潮位并赋值给相应的水边线，对具有高程信息的水边线利用地理信息系统空间分析功能进行空间插值处理，生成潮滩的数字高程模型。将初始高程作为模型输入重新运行水动力模型，并将水边线模拟结果与卫星影像提取的水边线对比进一步修正潮滩地形，直到提取水边线与模拟水边线满足精度要求为止。最后利用崇明东滩2005年4条实测剖面与对应年份高程模拟结果进行对比检验。结果表明，该方法能够较高精度地反演潮滩的地形信息，其平均误差分别达到0．50m（σ^2=0.31）、0．19m（σ^2=0.04）、0．15m（σ^2=0.03）及0.13m（σ^2=0.03）。

基于数字海图及遥感的近60年崇明东滩湿地演变分析

利用9幅崇明东滩湿地1951—2006年海图数据,10幅MSS,TM及ETM+卫星数据,采用水边线及等深线叠加技术,将湿地陆面及水下部分作为相互关联的整体,定性与定量相结合,综合分析崇明东滩湿地近60 a的演变。结果表明:①东滩湿地目前的演变过程已趋于稳定,在长江口河势稳定的情况下,将保持"南冲北淤、部分交替、中部淤涨"的态势;②人类活动是东滩湿地自然演变的重要驱动力,白港潮汐通道的封堵使东滩湿地成陆过程大大加快,东滩湿地0 m线较为稳定地向东部扩展,在人类逐年围垦活动的干预下,湿地面积虽然逐年增加,但潮间带结构已偏离湿地自然状态,高潮滩面积所占比重减少,且成不连续分布,海堤直接暴露于外部海洋环境中,将降低对灾害天气的防御能力。

植被对潮沟发育影响的遥感研究——以崇明东滩为例

根据现场测量,通过高分辨率航空图像提取崇明东滩潮沟的空间形态、植被类型及植被盖度指数。结合多时相卫星图像及海洋数值模式,利用水边线法及宽深比法反演潮沟沟底高程并构建了研究区潮沟三维地形,分析了植被对潮沟发育的影响。结果表明:1潮沟反演的均方根误差为0.545 m,且高潮滩反演精度高于低潮滩地区;2从低潮滩到高潮滩的潮沟深度先增大再减小,主要原因是高潮滩水动力条件较弱,加之植被根系的固滩作用,下蚀作用较弱,潮沟深度较浅,低潮滩由于水域开阔,水动力条件较弱,无植被覆盖侧蚀作用增强,潮沟变宽变浅;3潮沟深度空间分布表现出南深北浅的特征,崇明东滩潮沟密度与植被盖度呈现明显的负相关(r=0.560 4,p<0.02),在高盖度植被覆盖的潮滩地区潮沟大多不发育,潮沟密度较低。潮沟长度与植被类型表现出较强的相关关系,在互花米草-芦苇群落为优势的区域潮沟长度普遍比以海三棱藨草群落为优势的区域长。

崇明东滩水边线信息提取与潮滩DEM的建立

由于潮滩范围广、变化频繁、缺乏常规的地形测量资料,给潮滩开发建设带来极大不便。以崇明东滩为实验区,依据长江口1999-2004年多时相遥感影像的光谱特征,对不同潮情的影像采用不同的波段提取水边线信息。同时根据实测4条高程剖面中的两条作为控制剖面获得水边线的高程,对具有高程信息的水边线利用不规则三角网方法构建了崇明东滩的数字高程模型(DEM)。并利用其它两条实测剖面对数字高程模型的精度进行了检验。结果表明,该方法减少了实测潮位资料缺乏及水边线提取误差对高程提取结果的影响,其均方根误差分别达到0.4 m和0.7 m。

面向SOA的城市风暴潮灾害评估GIS系统

为有效整合多源异构行业系统减少信息孤岛,提出了面向服务的体系架构(SOA),设计并实现了城市风暴潮灾害评估地理信息系统。采用先进的水动力学模型对风暴潮增水过程进行了动态模拟,综合考虑受灾区的人口、房屋面积、重要企事单位、风暴潮增水等信息,利用模糊数学方法建立灾害评估体系及评估模型。依据上述模型利用领域工程方法进行服务构件提取,通过服务的组合与编排实现了风暴潮洪水淹进过程及灾害评估的业务流程,以上海地区为例进行了原型系统实现。结果表明,该系统可对不同天气条件下的风暴潮灾害进行快速评估,系统设计为解决系统重复开发、资源共享提供了新的开发模式。

基于DTM的水边线遥感信息提取方法

水边线附近的高浊度悬沙及浅滩表层的残余水体是影响水边线信息提取的重要因素。在分析长江口区不同浓度水体与背景地物光谱特征的基础上,采用决策树分析方法进行水边线提取,在分类器的节点用水深信息作为约束条件,消除了水边线附近热流对热红外波段水边线提取的影响。同时,利用参考DTM及潮位信息实施了水边线的提取,此方法有效消除了表层残余水体对水边线提取的影响。最后运用统计学中自身一致性校验及平均偏移指数来评价提取结果。结果表明,两种方法的总体提取效果较好,精度令人满意。

GIS支持下长江口深水航道治理一、二期工程对北槽拦门沙的影响分析

将1995～2003年间10幅不同时期的长江口海图资料数字化，利用地理信息系统（ArcInfo8．3）相应的模块进行处理，建立起不同时期的长江口水下数字高程模型。以此作为基础资料，从横断面、深泓线纵剖面以及平面变化等不同角度，对长江口北槽航道水下地形变化进行定量分析。结果表明：整治一期工程完成后，增加了主槽流速，减少了航道回淤，北槽形成了一条深8～10m的微弯深槽，水深基本稳定。二期工程基本保持了一期工程的河势，河床断面未发生重大调整。