应用生成对抗网络的地震数据重建和去噪一体化方法

在实际采集过程中,受地形条件和人为因素的影响,地震数据不仅在空间上会出现采样不足或不规则的情况,而且会混入噪声,不利于后续地震数据的处理和解释。通常将重建与去噪分为两个阶段处理,这样往往会引入额外的误差。为此,文中提出了一种基于条件韦氏生成对抗网络(cWGAN)的地震数据重建去噪一体化方法,该方法研究的重点是在缺失道和噪声的混合干扰下,准确提取地震数据的有效特征。首先,以U-Net模型为基本网络结构来构建生成器模型,分级提取地震数据同相轴特征;在判别器模型中引入条件约束,引导生成器优化梯度方向。其次,建立重建和去噪误差描述模型,该模型设计了一体化损失函数,可以兼顾重建与去噪两方面的处理任务。最后,经过合成数据和实际数据测试,证明文中所提的网络模型恢复的地震数据信噪比更高且具有较强鲁棒性。

基于多视数据重构损失标定的叶片型面光学检测

航发叶片型面检测是保证叶片加工质量、工作性能和使用寿命的关键环节。对此,该文开发一套基于线激光器的叶片型面检测平台;在完成线激光器与叶片相对位姿校准及Z向测量基准建立基础上,实现叶片型面特定截面处型线数据的多视采集;提出一种基于多视数据重构损失标定回转中心的型线重构方法。以两种典型燃气轮机导向叶片为检测对象,所提出方法获取的检测数据与三坐标测量机检测数据的对比结果表明,轮廓度检测平均绝对偏差在0.022 mm以内,最大标准偏差为0.0186 mm,最大RMS估计为0.0251 mm;特征参数检测最大偏差为0.0401mm。实验结果验证了所提出方法面向叶片型面检测的可行性。

基于粗-细网络模型分步训练的地震数据重建方法

由于地形等复杂条件的限制,叠前地震数据在空间上存在不完整或不规则分布的情况,导致数据出现缺失或混淆等现象。近年来,基于卷积神经网络的方法已经广泛应用于缺失地震数据重建工作。然而一步训练过程的网络模型不足以重建具有宽振幅范围的缺失地震数据,低振幅缺失部分的重建结果仍需改进。因此本文提出一种具有分步训练过程的粗-细网络模型。该模型由粗网络和细网络组成,分步恢复宽振幅范围内的缺失地震数据。在细网络中引入离散小波变换代替池化操作,其可逆性在上采样阶段有利于保留细节特征。模型采用混合损失函数重建缺失信号的真实细节。粗网络的初步恢复结果经过掩码操作处理后输入到细网络,细网络进一步精确恢复缺失部分的低振幅信号。实验结果表明,与残差网络(ResNet)、U型网络(U-Net)和多级小波卷积神经网络(MWCNN)的重建方法相比,本文方法在合成数据和真实数据上展现出更卓越的重建性能:在缺失75%的合成数据上,信噪比为18.818 5 dB;在缺失50%的真实数据上,信噪比为12.2551 dB。在消融研究中,本文模型重建的均方误差为1.689 3×10^(-4),信噪比为19.284 6 dB,峰值信噪比为43.743 5 dB,结构相似性为0.984 1,均优于其他三组对照实验。

基于SVM的台区线损异常数据治理方法

为降低台区异常数据造成的供电服务中线损率较高问题,引进支持向量机(support vector machine,SVM)技术,设计台区线损异常数据治理方法。使用传感器等相关设备,采集台区电力设备运行反馈数据;设定台区线损异常数据的聚类中心,辨识并聚类台区线损异常数据;应用VisuShrink技术,确定数据处理的阈值门限,使用小波阈值法,参照小波系数,重构异常信号,消除信号的背景噪声;引进SVM,设定训练样本集合,采用SVM中的机器学习算法,建立回归函数,辅助SVM的POS参数优化条件,控制空间粒子的粒距,通过对空间异常数据的重构,实现对台区线损异常数据的治理。以某地区大型电力企业为例,设计对比试验。试验结果表明,设计的治理方法在实际应用效果良好,实现将台区线损率稳定在5%以下。

基于循环特征推理的大间距缺失地震数据重建方法

【目的】由于急流、裂谷、高山等自然环境的限制,采集的地震数据会出现大间距缺失的现象,影响后续的地震数据处理和地质分析工作,需要对缺失数据进行插值重建。【方法】为解决大间距地震数据缺失问题,提出一种基于循环特征推理的重建方法。首先缺失的地震数据经过部分卷积运算,在计算过程中根据感受野内有效特征图数据的占比,自适应地调整卷积运算结果的权重,避免在连续缺失的地震道上执行无效的卷积操作。然后采用循环特征推理的方式,逐步对缺失部分进行渐进式重建。部分卷积运算和循环特征推理交替进行,直至所有缺失数据重建完成。最后特征融合每次迭代产生的重建特征,以保证推理的准确性。为增强模型对大间距缺失区域纹理细节的学习能力,结合纹理损失和均方误差函数作为复合损失函数,进一步提高重建精度。【结果和结论】结果显示:(1)基于循环特征推理的方法可以有效重建大间距缺失的地震数据,信噪比在原缺失数据的14.89 dB的基础上提升至28.15 dB。(2)连续缺失30道至80道的多次重建实验中,本方法的重建结果信噪比、结构相似性、均方误差等评价指标均优于U-Net方法。采用6种不同公开数据集测试了本方法的重建效果,进一步证明了本方法的有效性。(3)对比实验探究部分卷积核大小对重建结果的影响表明,当部分卷积核大小为3×3时重建结果信噪比更高并且迭代时间更短。研究成果为大间距缺失地震数据的重建方法提供了新的解决思路。

基于生成对抗网络和纵横交叉粒子群算法的光伏数据缺失重构方法

针对设备故障和人为干扰等因素造成光伏数据缺失的问题,提出了一种基于生成对抗网络和纵横交叉粒子群算法的光伏数据缺失重构方法。首先,使用Wasserstein散度生成对抗网络(Wasserstein divergence for GANs,WGAN-div)学习光伏数据的时序性规律与耦合关系;其次,设计了重构约束,通过优化生成器的噪声输入,使得重构后的样本最大限度贴近真实样本;针对优化高维变量问题,采用纵横交叉算法催化粒子群算法的寻优过程,防止优化时出现早熟问题。实验结果表明,在光伏数据含有大量缺失值时,所提方法具有较高的重构准确率。该方法也适用于电力系统中类似数据的缺失值重构,具有良好的应用前景。

基于局部结构保留的级联子空间深度聚类

针对高维数据聚类的问题,许多有效的方法已经被提出,级联的子空间聚类算法CSC就是一种有效的解决法案。但是CSC算法定义的聚类损失可能破坏特征空间,从而取得非代表性的无意义特征,进而损害聚类性能。为了解决这一问题,提出了一种结合自编码器保留数据结构的改进算法。具体地说,使用聚类损失作为引导,分散特征空间数据点,同时采用一种欠完备的自动编码器作为重构损失,约束操作和维护数据生成分布的局部结构。将两者结合,共同优化聚类标签的分配,学习适合聚类的局部结构保留特征。使用自适应矩估计(Adam)和小批量随机梯度下降(mini-batch SGD)两种优化方法调整模型参数。在多个数据集上,使用聚类结果准确率(ACC)、标准互信息(NMI)和调整rand指数(ARI)三个评价指标验证了该算法的有效性和优越性。

传感网中基于能量有效的多参数数据重构方法

为了更好地抵制网络能量快速消耗和降低不可靠链路对无线传感器网络系统数据收集的影响以提高数据重构精度,提出了一种基于能量有效的多参数数据重构方法(Multi-parameter Data Reconstruction Method based on Energy Efficient,MDR)。利用移动智能计算给出传感器节点之间多跳函数关系以确定传感器节点之间比例关系;通过稀疏矩阵设计一种低相干性的观测矩阵,抑制数据丢包率对整个传感网系统的影响,提高汇聚节点数据重构精度;通过基于数据转发策略确认机制实现簇间数据传输的高可靠性,完成了节点间多路径路由数据的可靠交付。仿真实验表明,在数据丢包率为40%的情况下,MDR的数据重构精度误差仍小于5%;在与其他算法比对时,其数据转发次数降低了10.36%,平均网络能耗降低了13.29%,从而验证了该算法的有效性和实效性。

GRC:一种适用于多节点失效的高容错低修复成本纠删码

作为云计算重要基础的大规模分布式容错存储系统,采用纠删码作为数据冗余技术能比多副本技术以更低的存储开销获得相同的数据可靠性.然而,过高的修复成本使纠删码技术在实际中的应用受到限制.已有的改进工作虽然可以降低成本,但在多节点失效修复的成本过高.提出一种适用于多节点失效的高容错低修复成本纠删码——分组修复码(group repairable codes,GRC).GRC码通过将条带分组并增加组编码块,显著减少了修复所要传输的数据量,从而节省了宝贵的网络带宽和磁盘I/O资源;GRC码通过多个组编码块在多节点失效时降低修复成本,且维持较好容错能力.根据GRC码的特征,提出基于贪心策略的解码算法(greedy strategy based decode algorithm,GSBD),GSBD通过保证每个失效块的修复成本最小以优化修复过程.实验结果显示,与RS码相比,GRC码将修复网络带宽和磁盘I/O分别降低50%~55%,修复速度提高75%~90%,仅需增加21%存储空间;与LRC码相比,GRC码将修复网络带宽和磁盘I/O分别降低35%~45%,修复速度提高40%~50%,仅需增加13%存储空间;与basic pyramid code(BPC)相比,GRC码将修复网络带宽和磁盘I/O降低15%~25%,修复速度提高20%~25%,仅需增加6%存储空间.

基于数据分类重建的10 kV变压器负载损耗超标预警方法

10 kV变压器运行数据中心在存储过程中可能会出现电力系统数据采集与监控(SCADA)数据残缺,传统变压器负载损耗超标预警方法中无法识别缺失数据,影响预警结果。为此,设计一种基于数据分类重建的10 kV变压器损耗超标预警方法。设计适配变压器的数据采集装置总体架构,分别重构采集到的SCADA数据,修复缺失数据,将变压器输入特征量归一化处理,计算负载损耗,结合衰退指标构建超标预警架构,完成10 kV变压器负载损耗超标预警。测试结果表明,提出方法可有效识别负载损耗数据,且负载损耗的计算值与实际情况更接近。