利用昆明站1991-2020年近30年逐日降水数据计算昆明雨季(5-10月)的起止时期,进一步确定昆明市雨季的长短。又基于云南省和昆明市的统计年鉴数据,使用年末总人口、城市建成区面积、城镇化率、人均GDP等城市发展因子确定昆明的城市发展进...利用昆明站1991-2020年近30年逐日降水数据计算昆明雨季(5-10月)的起止时期,进一步确定昆明市雨季的长短。又基于云南省和昆明市的统计年鉴数据,使用年末总人口、城市建成区面积、城镇化率、人均GDP等城市发展因子确定昆明的城市发展进程,将昆明市的城市发展进程划分为缓慢发展期(1991-2003年)和快速发展期(2004-2020年),进而分析比较两段时期中昆明市雨季长短的特征和差异,采用统计分析、小波分析和M-K突变检验等综合分析方法,系统分析了昆明市雨季长短的时间变化特征,并用灰色关联度分析方法分析了昆明市雨季长短与城市发展的关联性。结果表明,1991-2020年昆明市的雨季开始日呈逐渐偏晚的趋势,而雨季结束日呈逐渐偏早的趋势,总体上雨季长度呈逐渐缩短的趋势;小波系数分析结果显示,在8年以下的时间尺度上,昆明市雨季长短变化的周期不存在明显的规律性,在17年时间尺度上的周期变化明显,呈偏短-偏长-偏短-偏长-偏短的5个循环交替,2003-2008年、 2014-2017年雨季增长,1991-2002年、 2009-2012年、 2018-2020年雨季缩短,2018-2020年等值线未闭合说明还有进一步缩短的趋势。通过M-K检验表明昆明市的雨季长短在1991-2020年间出现4次突变,分别发生在2002年、 2008年、 2012年和2017年。从昆明城市发展与雨季长短的关系来看,昆明城市发展缓慢期的雨季长短的变化趋势较为平稳,而城市发展快速期2004年以后,昆明市雨季长度缩短的变化明显,并随着城市发展进程的加快其极端波动性更加明显。运用SPSS(Statistical Product and Service Solutions)软件对未来10年昆明的雨季长短进行预测,结果显示未来10年昆明雨季长短将持续偏短的趋势。在灰色关联度分辨率为0.5时,表征城市发展进程的4个因子对昆明雨季长短变化均产生不同程度影响,其关联度系数都在0.70以上,表明昆明城市发展与雨季长短显著关联性,其中影响最大的因子是年末总人口,最小为人均GDP,灰色关联度分别为0.88和0.70,属于高度关联和显著关联。对4个因子的关联系数进行排序为:年末总人口>城镇化率>城市建成区面积>人均GDP。展开更多
为实现英文文本标题的自动化生成,研究一套基于长短期记忆网络的句子级LSTM编码策略,并在标题生成模型中引入注意力机制来获取英文文本的上下文向量,保留文本中的重要信息。在此基础上,通过负对数似然函数来对模型加以训练。最后通过Byt...为实现英文文本标题的自动化生成,研究一套基于长短期记忆网络的句子级LSTM编码策略,并在标题生成模型中引入注意力机制来获取英文文本的上下文向量,保留文本中的重要信息。在此基础上,通过负对数似然函数来对模型加以训练。最后通过Byte Cup 2018数据集对本文提出的英语标题自动生成算法进行实验,并通过过ROUGE-N指标对标题生成质量加以评价。实验研究发现,所提出的句子级LSTM编码方案在英文文本标题生成准确性方面相比于其他常规摘要生成模型来说具有显著优势。展开更多
现代电力系统海量量测数据为电力系统暂态稳定评估提供可靠的数据基础,与此同时,数据信息挖掘成为研究焦点,暂态稳定分析中不平衡故障样本以及多特征电气量时间序列数据中所蕴藏的信息仍有待深入挖掘。为此,该文提出一种结合注意力机制...现代电力系统海量量测数据为电力系统暂态稳定评估提供可靠的数据基础,与此同时,数据信息挖掘成为研究焦点,暂态稳定分析中不平衡故障样本以及多特征电气量时间序列数据中所蕴藏的信息仍有待深入挖掘。为此,该文提出一种结合注意力机制的长短期记忆网络(long short term memory network with attention,LSTMA)方法,用以深入挖掘暂态稳定评估样本中所蕴藏的信息。在离线训练环节,以长短期记忆网络为基础分类器,引入Attention注意力机制引导模型学习样本中关键特征,并对损失函数进行改进,以此强化对不平衡样本的学习能力;在线应用环节,在目标域小样本条件下采用迁移学习方法更新成型的离线LSTMA模型,并对比不同迁移学习策略对模型性能影响,经过迁移学习建立的新运行点下的改进LSTMA模型评估精度有效提高,训练时间大幅减少,所得出的迁移学习策略确定方法有利于实际应用环节快速决策。研究在IEEE39节点和IEEE300节点系统上进行实验,验证了所提方法的有效性。展开更多
文摘利用昆明站1991-2020年近30年逐日降水数据计算昆明雨季(5-10月)的起止时期,进一步确定昆明市雨季的长短。又基于云南省和昆明市的统计年鉴数据,使用年末总人口、城市建成区面积、城镇化率、人均GDP等城市发展因子确定昆明的城市发展进程,将昆明市的城市发展进程划分为缓慢发展期(1991-2003年)和快速发展期(2004-2020年),进而分析比较两段时期中昆明市雨季长短的特征和差异,采用统计分析、小波分析和M-K突变检验等综合分析方法,系统分析了昆明市雨季长短的时间变化特征,并用灰色关联度分析方法分析了昆明市雨季长短与城市发展的关联性。结果表明,1991-2020年昆明市的雨季开始日呈逐渐偏晚的趋势,而雨季结束日呈逐渐偏早的趋势,总体上雨季长度呈逐渐缩短的趋势;小波系数分析结果显示,在8年以下的时间尺度上,昆明市雨季长短变化的周期不存在明显的规律性,在17年时间尺度上的周期变化明显,呈偏短-偏长-偏短-偏长-偏短的5个循环交替,2003-2008年、 2014-2017年雨季增长,1991-2002年、 2009-2012年、 2018-2020年雨季缩短,2018-2020年等值线未闭合说明还有进一步缩短的趋势。通过M-K检验表明昆明市的雨季长短在1991-2020年间出现4次突变,分别发生在2002年、 2008年、 2012年和2017年。从昆明城市发展与雨季长短的关系来看,昆明城市发展缓慢期的雨季长短的变化趋势较为平稳,而城市发展快速期2004年以后,昆明市雨季长度缩短的变化明显,并随着城市发展进程的加快其极端波动性更加明显。运用SPSS(Statistical Product and Service Solutions)软件对未来10年昆明的雨季长短进行预测,结果显示未来10年昆明雨季长短将持续偏短的趋势。在灰色关联度分辨率为0.5时,表征城市发展进程的4个因子对昆明雨季长短变化均产生不同程度影响,其关联度系数都在0.70以上,表明昆明城市发展与雨季长短显著关联性,其中影响最大的因子是年末总人口,最小为人均GDP,灰色关联度分别为0.88和0.70,属于高度关联和显著关联。对4个因子的关联系数进行排序为:年末总人口>城镇化率>城市建成区面积>人均GDP。
文摘为实现英文文本标题的自动化生成,研究一套基于长短期记忆网络的句子级LSTM编码策略,并在标题生成模型中引入注意力机制来获取英文文本的上下文向量,保留文本中的重要信息。在此基础上,通过负对数似然函数来对模型加以训练。最后通过Byte Cup 2018数据集对本文提出的英语标题自动生成算法进行实验,并通过过ROUGE-N指标对标题生成质量加以评价。实验研究发现,所提出的句子级LSTM编码方案在英文文本标题生成准确性方面相比于其他常规摘要生成模型来说具有显著优势。
文摘现代电力系统海量量测数据为电力系统暂态稳定评估提供可靠的数据基础,与此同时,数据信息挖掘成为研究焦点,暂态稳定分析中不平衡故障样本以及多特征电气量时间序列数据中所蕴藏的信息仍有待深入挖掘。为此,该文提出一种结合注意力机制的长短期记忆网络(long short term memory network with attention,LSTMA)方法,用以深入挖掘暂态稳定评估样本中所蕴藏的信息。在离线训练环节,以长短期记忆网络为基础分类器,引入Attention注意力机制引导模型学习样本中关键特征,并对损失函数进行改进,以此强化对不平衡样本的学习能力;在线应用环节,在目标域小样本条件下采用迁移学习方法更新成型的离线LSTMA模型,并对比不同迁移学习策略对模型性能影响,经过迁移学习建立的新运行点下的改进LSTMA模型评估精度有效提高,训练时间大幅减少,所得出的迁移学习策略确定方法有利于实际应用环节快速决策。研究在IEEE39节点和IEEE300节点系统上进行实验,验证了所提方法的有效性。