期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLOx的弱光照环境车辆检测方法
1
作者
杨晓寒
王峻
+1 位作者
段中兴
惠蕾蕾
《液晶与显示》
CAS
CSCD
北大核心
2024年第6期801-812,共12页
在公路隧道等弱光照环境下,采集的车辆图像受外界因素影响较大,导致车辆检测精度低。针对此问题,提出了一种改进YOLOx算法的弱光照环境车辆实时检测方法。首先,基于引导滤波和区域能量特性融合准则对采集的车辆图像进行增强,解决图像中...
在公路隧道等弱光照环境下,采集的车辆图像受外界因素影响较大,导致车辆检测精度低。针对此问题,提出了一种改进YOLOx算法的弱光照环境车辆实时检测方法。首先,基于引导滤波和区域能量特性融合准则对采集的车辆图像进行增强,解决图像中光照不均、目标轮廓信息模糊等问题。其次,基于Swin-Transformer网络结构,构建了改进YOLOx的车辆检测算法的主干网络,利用Transformer的全局建模能力对图像中的关键语义信息进行编码,强化网络细节特征的提取能力。同时,在颈部网络引入递归门控卷积替换空洞卷积,提高网络高层语义建模能力。最后,引入卷积注意力机制,加强网络对于低照度图像关键特征的提取与融合。在所构建的隧道车辆检测数据集UA-DETTUN上进行实验验证,结果表明,所提出方法的平均检测精度达到96.1%,相比于改进前的YOLOx算法提升了6.5%,同时网络的检测速度满足实时检测的要求,在车辆检测方面具有较高的应用价值。
展开更多
关键词
弱光照环境
Swin-Transformer
车辆检测
图像增强
注意力机制
下载PDF
职称材料
基于VMD-GRU网络大型公共建筑冷负荷预测
2
作者
于军琪
解云飞
+3 位作者
赵安军
王佳丽
冉彤
惠蕾蕾
《重庆大学学报》
CAS
CSCD
北大核心
2023年第12期66-79,共14页
基于冷负荷时间序列固有的复杂性和不规则性,针对预测过程中容易出现梯度消失、模态混叠和过拟合等问题,提出一种集成变分模态分解(variational mode decomposition,VMD)和门控循环单元网络(gated recurrent unit,GRU)的VMD-GRU模型。...
基于冷负荷时间序列固有的复杂性和不规则性,针对预测过程中容易出现梯度消失、模态混叠和过拟合等问题,提出一种集成变分模态分解(variational mode decomposition,VMD)和门控循环单元网络(gated recurrent unit,GRU)的VMD-GRU模型。对原始数据进行相关性分析,挑选出相关性高的进行预测;使用VMD将原始数据序列分解为独立固有模式函数;使用GRU对每个分量进行预测;将分量预测结果相加得出冷负荷预测值。为验证模型的有效性,以西安某大型公共建筑为例进行能耗分析,并与BP、GRU、EMD-BP、VMD-BP、EMD-GRU等其他预测模型进行对比。实验结果表明,提出的VMD-GRU模型可有效解决梯度消失、模态混叠和过拟合等问题,预测精度显著提高,预测效果优于其它预测模型,符合大型公共建筑冷负荷的变化规律,为节能优化提供有力数据支撑。
展开更多
关键词
大型公共建筑
预测算法
相关性分析
变分模态分解
下载PDF
职称材料
考虑频域分解后数据特征的空调负荷预测模型
被引量:
4
3
作者
于军琪
边策
+2 位作者
赵安军
解云飞
惠蕾蕾
《控制理论与应用》
EI
CAS
CSCD
北大核心
2022年第6期1149-1157,共9页
针对空调负荷预测实际应用中容易存在数据散杂且可用信息匮乏的问题,从负荷序列的非线性、非平稳性和随机性出发,提出了一种基于变分模态分解(VMD)的负荷预测方法.对不同数据特征序列考虑不同算法的数据观测与训练原理差异,充分发挥各...
针对空调负荷预测实际应用中容易存在数据散杂且可用信息匮乏的问题,从负荷序列的非线性、非平稳性和随机性出发,提出了一种基于变分模态分解(VMD)的负荷预测方法.对不同数据特征序列考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势.首先采用随机森林(RF)进行特征选择,利用VMD将负荷序列按趋势分量、平稳分量和噪声分量进行分类重构,并分别对非线性序列建立最小二乘支持向量机(LSSVM)预测模型,时序平稳序列建立极端梯度提升(XGBoost)预测模型,采用正态分布拟合随机误差,得到各子序列预测结果并进行叠加输出最终负荷预测结果.实验结果表明,所提方法能准确反映负荷的特性并具有更好的预测精度,能有效预测空调负荷,为空调节能优化控制策略提供依据.
展开更多
关键词
负荷预测
变分模态分解
最小二乘支持向量机
极端梯度提升
随机误差分析
下载PDF
职称材料
题名
基于改进YOLOx的弱光照环境车辆检测方法
1
作者
杨晓寒
王峻
段中兴
惠蕾蕾
机构
西安建筑科技大学信息与控制工程学院
江苏省交通工程建设局
中国建筑西北设计研究院有限公司
出处
《液晶与显示》
CAS
CSCD
北大核心
2024年第6期801-812,共12页
基金
国家自然科学基金(No.51678470)。
文摘
在公路隧道等弱光照环境下,采集的车辆图像受外界因素影响较大,导致车辆检测精度低。针对此问题,提出了一种改进YOLOx算法的弱光照环境车辆实时检测方法。首先,基于引导滤波和区域能量特性融合准则对采集的车辆图像进行增强,解决图像中光照不均、目标轮廓信息模糊等问题。其次,基于Swin-Transformer网络结构,构建了改进YOLOx的车辆检测算法的主干网络,利用Transformer的全局建模能力对图像中的关键语义信息进行编码,强化网络细节特征的提取能力。同时,在颈部网络引入递归门控卷积替换空洞卷积,提高网络高层语义建模能力。最后,引入卷积注意力机制,加强网络对于低照度图像关键特征的提取与融合。在所构建的隧道车辆检测数据集UA-DETTUN上进行实验验证,结果表明,所提出方法的平均检测精度达到96.1%,相比于改进前的YOLOx算法提升了6.5%,同时网络的检测速度满足实时检测的要求,在车辆检测方面具有较高的应用价值。
关键词
弱光照环境
Swin-Transformer
车辆检测
图像增强
注意力机制
Keywords
low-light environment
swin-transformer
vehicle detection
image enhancement
attention mechanism
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于VMD-GRU网络大型公共建筑冷负荷预测
2
作者
于军琪
解云飞
赵安军
王佳丽
冉彤
惠蕾蕾
机构
西安建筑科技大学建筑设备科学与工程学院
出处
《重庆大学学报》
CAS
CSCD
北大核心
2023年第12期66-79,共14页
基金
陕西省重点研发计划资助项目(Z20180244)
碑林区应用技术研发资助项目(GX1903)。
文摘
基于冷负荷时间序列固有的复杂性和不规则性,针对预测过程中容易出现梯度消失、模态混叠和过拟合等问题,提出一种集成变分模态分解(variational mode decomposition,VMD)和门控循环单元网络(gated recurrent unit,GRU)的VMD-GRU模型。对原始数据进行相关性分析,挑选出相关性高的进行预测;使用VMD将原始数据序列分解为独立固有模式函数;使用GRU对每个分量进行预测;将分量预测结果相加得出冷负荷预测值。为验证模型的有效性,以西安某大型公共建筑为例进行能耗分析,并与BP、GRU、EMD-BP、VMD-BP、EMD-GRU等其他预测模型进行对比。实验结果表明,提出的VMD-GRU模型可有效解决梯度消失、模态混叠和过拟合等问题,预测精度显著提高,预测效果优于其它预测模型,符合大型公共建筑冷负荷的变化规律,为节能优化提供有力数据支撑。
关键词
大型公共建筑
预测算法
相关性分析
变分模态分解
Keywords
large public buildings
prediction algorithm
correlation analysis
variational modal decomposition
分类号
TU831 [建筑科学—供热、供燃气、通风及空调工程]
下载PDF
职称材料
题名
考虑频域分解后数据特征的空调负荷预测模型
被引量:
4
3
作者
于军琪
边策
赵安军
解云飞
惠蕾蕾
机构
西安建筑科技大学建筑设备科学与工程学院
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2022年第6期1149-1157,共9页
基金
国家重点研发计划项目(2017YFC0704100)
西安咸阳机场三期扩建工程绿色能源站系统智能管控咨询与顾问项目技术服务项目(20210103)资助。
文摘
针对空调负荷预测实际应用中容易存在数据散杂且可用信息匮乏的问题,从负荷序列的非线性、非平稳性和随机性出发,提出了一种基于变分模态分解(VMD)的负荷预测方法.对不同数据特征序列考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势.首先采用随机森林(RF)进行特征选择,利用VMD将负荷序列按趋势分量、平稳分量和噪声分量进行分类重构,并分别对非线性序列建立最小二乘支持向量机(LSSVM)预测模型,时序平稳序列建立极端梯度提升(XGBoost)预测模型,采用正态分布拟合随机误差,得到各子序列预测结果并进行叠加输出最终负荷预测结果.实验结果表明,所提方法能准确反映负荷的特性并具有更好的预测精度,能有效预测空调负荷,为空调节能优化控制策略提供依据.
关键词
负荷预测
变分模态分解
最小二乘支持向量机
极端梯度提升
随机误差分析
Keywords
load forecasting
variational mode decomposition
least-square support vector machine
eXtremeGradient boosting
random error analysis
分类号
TU831.2 [建筑科学—供热、供燃气、通风及空调工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进YOLOx的弱光照环境车辆检测方法
杨晓寒
王峻
段中兴
惠蕾蕾
《液晶与显示》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于VMD-GRU网络大型公共建筑冷负荷预测
于军琪
解云飞
赵安军
王佳丽
冉彤
惠蕾蕾
《重庆大学学报》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
3
考虑频域分解后数据特征的空调负荷预测模型
于军琪
边策
赵安军
解云飞
惠蕾蕾
《控制理论与应用》
EI
CAS
CSCD
北大核心
2022
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部