基于VMD-SSA-LSTM的架空输电导线覆冰预测模型

针对输电导线覆冰过程间断性强且波动性大而导致的现有模型预测精度不高的问题,从覆冰厚度数据的时序信息和气象信息出发,提出一种基于变分模态分解(variational mode decomposition,VMD)的麻雀搜索算法(sparrow search algorithm,SSA)优化长短期记忆网络(long short-term memory network,LSTM)的覆冰组合预测模型.该方法首先使用VMD分解覆冰厚度数据,降低了原始序列的不稳定性,得到具有不同中心频率的本征模态分量;其次,采用SSA算法对LSTM中的3个参数进行寻优;最后,对模态分量分别建立LSTM预测模型,将各个模态分量的预测值叠加为覆冰厚度的总预测值.通过实例仿真,对所提预测模型进行验证.结果表明:VMD-SSA-LSTM组合模型与其他模型相比,其预测精度有进一步提高,验证了所提方法的有效性.

内容的视频检索中关键帧提取算法分析

视频信息检索主要由镜头检测、关键帧提取、镜头聚类、视觉特征提取、视觉特征匹配、界面显示和人机交互等多个环节组成,而关键帧提取则是其中的重要环节之一。由于当前视频检索中的关键帧提取存在关键帧难以把控、关键帧代表性不足等一系列的问题,因此笔者对基于内容分析的关键帧提取算法进行了分析,并通过运用这种关键帧提取方法对过选取多冗余帧展开了探讨,希望能够为解决关键帧提取的相关问题提供借鉴。