汽车发动机常见故障及维修技术

汽车作为一种常见的交通运输工具,在人们的日常生活中变得越来越重要,其拥有良好的发展前景,但汽车故障也是用户面临的一大难题。目前,发动机出现故障的概率是比较大的,发动机作为汽车的心脏、汽车运行的根本保证,对它的维修与养护是非常有必要的。基于此,文章详细分析了汽车发动机常见故障维修技术。

基于特征加权融合的鱼类摄食活动强度评估方法

为解决鱼类养殖中投喂精度低的问题,提出了一种基于特征加权融合的鱼类摄食活动强度评估方法。该方法以鱼群为研究对象,利用不同摄食阶段图像的特征对摄食活动强度进行分析,避免了复杂背景中单体鱼的切割。首先,利用图像预处理技术获取前景目标,通过鱼群质心绘制出不同摄食阶段的鱼群游动轨迹;其次,分别提取图像的颜色、形状和纹理等特征;然后,使用Relief特征选择和XGBoost算法筛选出3个摄食评价因子,采用加权融合方法确定每个评价因子的最佳权重;最后,通过融合后的特征对摄食活动强度进行评估。试验结果表明,与传统面积法相比,本文提出方法的决定系数可达0.9043,且摄食识别准确率高达98.89%。该方法在增强鲁棒性的同时,提高了检测和评估效率,可为鱼群摄食行为检测和活动强度评估提供参考。

基于全卷积网络的南太平洋长鳍金枪鱼渔场预报模型

长鳍金枪鱼(Thunnus alalunga)为南太平洋延绳钓的主要目标鱼种之一,精确预报其渔场对于提高捕捞效率和优化渔业资源管理具有重要意义。本研究依据2000-2015年南太平洋长鳍金枪鱼的延绳钓数据、渔场时空数据以及海表温度、叶绿素a浓度和海面高度3种环境因子,采用全卷积网络构建了一种以月为单位、空间分辨率为5°×5°的渔场预报模型。本研究提出三维独热编码技术将各月环境数据映射到三维矩阵的不同层上,并设计2种卷积结构和3种全卷积网络模型,利用2015年数据对研究模型进行验证,最佳模型总精准率达到72.0%。结果表明,全卷积网络在一定程度上解决了传统渔场预报方法在处理高维复杂海洋数据时准确率偏低的问题,为渔场预报提供了一种新方法。

基于粒子群可拓的南太平洋长鳍金枪鱼产量预测方法研究

长鳍金枪鱼(Thunnus alalunga)作为大洋中上层洄游性鱼类,因其经济价值高、分布范围广而成为各渔业国家的主要捕捞对象之一。结合南太平洋长鳍金枪鱼渔业捕捞作业背景,提出一种新的面向渔业应用的产量预测方法。依据2000-2015年南太平洋长鳍金枪鱼的延绳钓渔获数据、空间因子以及海表温度、海面高度和叶绿素a质量浓度等关键影响因子数据,利用可拓神经网络模型对金枪鱼进行产量预测,并采用粒子群算法(PSO)进行权值优化。结果显示:总召回率达到68%,较传统方法有所提高,对高产区预测有较大优势,召回率达到74.2%,但对中产区的预测效果明显低于高产区和低产区。研究表明,利用粒子群可拓的方法可解决可拓神经网络中经典域不易确定的问题,对丰富渔场预测方法和合理捕捞作业具有一定的指导作用。

基于LightGBM模型的鱼类异常行为检测

针对传统理化方法分析水质污染情况耗时耗力等问题,提出一种基于鱼类异常行为识别的水质监测方法。以红色斑马鱼(red zebrafish)为研究对象,利用计算机视觉技术,首先对斑马鱼图像进行预处理,利用灰度共生矩阵获取鱼群纹理特征;然后通过Lucas-Kanade光流法计算鱼群的运动信息熵,并对获取的纹理特征和信息熵进行归一化处理;最后采用轻量化梯度促进机(LightGBM)对鱼类异常行为进行检测,与深度神经网络(DNN)和支持向量机(SVM)检测效果对比。结果显示:利用LightGBM对鱼类异常行为进行检测,准确率为98.5%,与其他模型对比分别提高0.5%和25.3%。研究表明,基于LightGBM模型的鱼类异常行为检测方法相比其他模型能更准确地识别鱼类非正常游动。该模型适用于自动水质监测。

基于深度学习和典型相关分析的渔情预测方法

为解决用传统方法进行渔场预测时存在的性能欠佳、特征转换困难、拟合程度不足等问题,提出了一种基于深度学习和典型相关分析的新型渔情预测方法——CNN-DNN-CCA(连接融合)-RBF模型,该方法首先在5°×5°渔业作业区域内将不同海洋环境因子按相对空间位置映射为三维矩阵,然后分别采用卷积神经网络(CNN)和深度神经网络(DNN)对海表温度(SST)、叶绿素a(Chl-a)浓度、海面高度(SSH)3种环境因子和渔场时空因子两种多源异构数据进行模态特征提取,得到两种不同模态的特征向量,并将两种特征向量通过典型相关分析(CCA)进行特征级融合,最后将融合后的特征输入到径向基函数网络(RBF)中进行分类。结果表明,通过试验验证,基于深度学习和典型相关分析的渔场预报模型CNN-DNN-CCA(连接融合)-RBF对南太平洋长鳍金枪鱼Thunnus alalonga中心渔场的召回率达到了90.3%,相较于随机森林(RF)、CNN和DNN模型提高了6.8%~21.8%。研究表明,CNN-DNN-CCA(连接融合)-RBF新型渔情预测模型通过深度学习和典型相关分析方法分别进行特征自动提取和特征融合,消除了冗余信息,简化了特征转换,提高了运算速度和预测精度。

基于特征交互与卷积网络的渔场预测模型

长鳍金枪鱼是南太平洋渔业生产中主要的捕捞对象,准确预测其渔场分布对提高渔业捕捞效率具有重要意义。针对传统渔场预测方法预测精度低的问题,本研究提出一种基于特征交互与卷积网络的渔场预测模型——CNN-Cross。该模型引入Embedding层对数据进行处理,解决了One-Hot Encoding(独热编码)带来的特征稀疏性问题以及手动特征工程对结果的影响。同时,引入Cross网络提取特征之间的交互信息,消除了单特征对目标拟合不足的问题,并且结合CNN网络对Embedding层生成的二维特征图进行高阶隐藏信息提取,最后将两部分网络提取到的特征融合,输出分类结果。使用渔业数据对模型预测效果进行验证,结果表明,模型预测南太平洋渔场总召回率达到87.4%,中心渔场召回率达到89.4%。表明,将特征交互网络与卷积神经网络相结合可以明显提高渔场预报精度,且精度能够较好地满足现实渔业作业需求。

基于双模态深度学习模型的渔场渔情预报

为解决传统渔场渔情预测方法在处理高维复杂海洋数据时存在人工干预较多、拟合困难、精度不高的问题,提出了一种基于双模态深度学习的渔场渔情预测方法。首先,该方法将不同海洋环境因子在5°×5°渔业作业区域范围内按照空间相对位置映射为三维矩阵。然后,分别使用卷积神经网络模型(CNN)和深度神经网络模型(DNN)对海洋环境因子和时空因子2种异构数据进行特征提取。最后,将基于时空信息的深度神经网络模型与卷积结构进行特征融合,再将融合后的特征经过全连接层进行分类。试验结果表明,双模态深度学习模型对南太平洋长鳍金枪鱼中心渔场的渔场渔情预报率达到了89.8%,较其他渔场渔情预报模型精度提高10%~30%。同时由于该模型使用卷积神经网络,可以对任意空间分辨率的海洋环境因子进行特征提取,省去了手动匹配不同空间分辨率的过程,减少了人工干预,对南太平洋长鳍金枪鱼的渔业作业与渔场渔情预报有极高的指导意义。

基于多特征融合与机器学习的鱼类摄食行为的检测

针对目前检测方法特征单一、样本数量少和鲁棒性低等问题,提出了一种基于多特征融合与机器学习的鱼类摄食行为的检测方法:利用图像处理技术提取鱼群摄食图像的颜色、形状和纹理特征,并对其进行归一化和特征融合处理,通过构建3层的BP神经网络对鱼群摄食行为进行检测。与SVM和KNN检测效果进行对比,BP神经网络的效果最好,精度可达97.1%。与传统的基于单一纹理特征方法相比,在保证时效性和增强鲁棒性的同时,准确率提高了4.1%。

基于LightGBM的南太平洋长鳍金枪鱼渔场预报模型研究

长鳍金枪鱼以高经济效益、资源丰富等优点成为世界金枪鱼渔业主要捕捞目标之一,进行长鳍金枪鱼渔场预报研究,可以有效提高渔获产量,对渔业生产具有重要意义。传统的线性模型在面对复杂多变的海洋环境数据时无法准确分析其关键因子。本研究选取2000—2015年南太平洋长鳍金枪鱼的延绳钓生产数据,结合海表温度、叶绿素a质量浓度和海面高度等海洋环境因子以及月份和经、纬度等时空数据,采用集成学习模型—轻度量化梯度促进机(LightGBM)模型进行长鳍金枪鱼渔场预报,并与朴素贝叶斯、XGBoost和BP神经网络模型进行对比。同时采用网格搜索算法获取LightGBM模型的最优参数,利用交叉验证法验证模型的稳定性。试验结果表明,利用LightGBM模型对南太平洋长鳍金枪鱼渔场的最佳预报准确率可达72.6%,对比其他模型,LightGBM模型的准确率有了显著提高。研究表明,海面高度和海面温度为南太平洋长鳍金枪鱼渔场形成的关键影响因子。

基于改进熵权的电力电量平衡方案评价

为了提高电力电量方案评价的科学性和准确性,在遵循方案评价基本原理及要求的基础上,从多元化角度出发构建了电力电量平衡评价指标体系,提出基于改进熵权TOPSIS的电力电量平衡方案评价方法,建立了综合评价数学模型,并对某省级电网的电力电量平衡计划进行实例分析。

基于多分支全卷积神经网络的低照度图像增强

针对低照度条件下图像对比度不高、颜色失衡和存在噪声等问题,提出了一种基于多分支全卷积神经网络(MBACNN)的低照度图像增强模型。该模型是一个端到端的模型,包含特征提取模块(FEM)、增强模块(EM)、融合模块(FM)和噪声提取模块(NEM)。通过对合成的低照度和高清图像样本进行训练,根据验证集的损失值不断调整模型参数,以得到最优模型;然后对合成低照度图像和真实低照度图像进行测试。实验结果表明,与传统的图像增强算法相比,所提出的模型能够有效提高图像对比度、调整颜色失衡并去除噪声,主观视觉和客观图像质量评价指标都得到进一步改善。