基于完全自适应噪声集合经验模态分解和互相关分析的核电厂信号降噪研究

针对在强噪声背景中提取核电厂信号有效成分的问题,本文提出一种将完全自适应噪声集合经验模态分解与互相关分析法相结合的降噪方法并进行验证。该方法的主要步骤如下。首先,通过完全自适应噪声集合经验模态分解法对电站信号进行有效分解,得到全部的本征模态分量。然后,根据互相关系数将上述分量进行筛选,得到有用信号主导的分量,将其叠加、重构成降噪后信号。最后,使用降噪指标对降噪效果进行评价。结果表明:与基于经验模态分解、集合经验模态分解的降噪方法相比,本文所提方法得到的降噪后信号信噪比更高、均方根误差更小、相关系数更大、平滑度更好,具有更优的降噪效果。

基于联邦学习和同态加密的电力数据预测模型本地保护

电力数据的准确、快速预测不仅对电力系统的稳定、正常运行至关重要,也会对整个社会的生产生活产生重大影响.因此,高效、准确地预测电力数据是电力数据研究中的一项重要工作.循环神经网络在电力数据预测问题上具有优异的表现,但是需要大量数据来训练模型.各大电力公司出于隐私安全问题的考虑,并不愿意共享各自的电力数据,从而无法训练出更加精确的模型.此外,在海量数据上传到中央服务器对联合模型进行训练的过程中会产生巨大的网络资源开销.针对这些问题,将联邦学习与Paillier同态加密算法相结合,提出了基于联邦学习和同态加密的电力数据预测模型本地保护方法.实现了对电力数据和本地模型参数的保护,在安全的状态下对联合模型进行共同训练.使用真实的电力数据进行了实验,该方法取得了良好的实验结果.

基于经验模态分解和改进小波软阈值降噪法的电站信号降噪研究

在对电站各类信号进行故障诊断时,由于其所处的复杂工作环境,采集设备得到的信号中经常包含背景中强噪声干扰,导致在后续信号关键特征的识别和处理时会出现较大困难。为降低噪声的影响,本文将经验模态分解与改进小波软阈值降噪法相结合进行电站信号的处理并进行了方法有效性验证。该方法的主要流程如下:首先,将信号进行经验模态分解,分离出若干个本征模态分量和残差。其次,对其与原始信号进行互相关分析,识别有用信号主导的分量和噪声主导的分量,并将噪声信号主导的分量进行改进小波软阈值降噪法处理后,将其与有用信号分量和残差进行重构。最后,将经验模态分解和改进小波软阈值降噪法降噪处理后的信号与传统只采用小波阈值降噪法处理后的信号进行评价,结果表明本文方法的信噪比更高、均方根误差更小、相关系数更高、平滑度更好,可有效消除背景噪声的影响。

北京奥运会对我国运动会信息管理的影响分析

奥运会在全球的巨大影响力使得其一直走在时代的前列,非常敏感地把握着科技发展的脉搏,特别是进入信息时代后,国际奥委会开始要求用科技信息技术全面地包装奥运会,信息化管理和相应的信息系统服务渗透到了盛典的每一个微小细节。在北京2008年奥运会的组织过程中,我们越来越深刻地感受到奥运会对我国体育信息化管理带来的新观念、新技术,但同时也带来了许多新问题。针对奥运会信息化管理的研究、分析成为了我国体育信息化,特别是运动会信息化管理发展的急迫要求,并将在今后很长一段时间内成为我国体育工作者的一项重要任务。本文将着重分析研究奥运会的信息化管理和服务的特点,结合本人参与奥运会信息化管理方面工作的经验,使用文献资料法、专家访谈法、比较分析法和SWOT分析法等手段,探讨奥运会对我国体育行业信息化,特别是大型运动会信息化管理带来的影响,国内运动会、体育产业的信息化管理与国际接轨的方式方法,及其奥运会后的发展方向、发展模式。