基于K-Means聚类和Boosting算法的配电网线损计算方法

传统线损计算方法所需电气参数较多且计算过程烦琐,导致配电网线损计算结果精度较低,因此提出了一种基于K-Means聚类和Boosting算法的配电网线损计算方法。先采用K-Means聚类算法挖掘配电网的线路负荷有功电量、线路负荷无功电量、线路长度及线路负载率等电气特征指标,再将电气特征指标作为Boosting算法线损预测模型的输入数据,经过模型训练完成配电网线损的预测计算。实验结果表明,该设计方法的线损计算值与真实值之间的误差仅为4.27%,具有较高的配电网线损计算精度。

基于Darknet23和特征融合的交通标志检测方法

道路交通标志检测是智能交通的重要环节之一,针对交通标志检测存在背景复杂、目标较小、检测速度慢等问题,选取工业界青睐的YOLOv3模型提出一种改进的检测方法。利用双向特征金字塔结构实现图像低、中、高层特征语意信息的双向融合,提升低层预测目标的分类和高层预测目标的定位能力;将原模型的主干特征提取网络进行改进,提出Darknet23网络,以提高网络的提取能力和减少计算量;根据目标形状的特点,使用K-means聚类算法得到用于训练合适的锚点框,并在边框回归中引入灵活性更强的Lα-CIOU损失函数,使网络朝着预测框与真实框重叠度较高的方向去优化。实验结果表明,该方法在CCTSDB数据集上mAP@0.75达到86.10%、mAP@0.5:0.05:0.95达到70.017%,相比原网络分别提升10.17%和5.656%,参数量减少3 622 091,速度提升8.27 f/s,且优于SSD和Faster RCNN等主流的检测网络。

基于KCCS-YOLOv4的肺结节检测算法

针对单阶段目标检测算法在肺结节检测任务中存在易错检及漏检、检测精度偏低、计算复杂度高等问题,提出了一种以YOLOv4为主干框架,并结合K-means++聚类算法、坐标注意力机制、卷积块注意力模块和SIoU Loss的KCCS-YOLOv4肺结节检测算法。采用K-means++聚类算法针对肺结节进行锚框优化,以降低漏检概率及计算复杂度。在YOLOv4的特征融合模块中引入坐标注意力机制以辅助检测网络捕获结节的位置信息和空间信息,引入卷积块注意力模块以辅助检测网络捕获在上、下采样过程中丢失的特征信息。采用SIoU Loss优化损失函数,提高训练的收敛速度和肺结节的检测精度。在公开数据集LUNA16上进行测试和分析,实验结果与四种现有算法进行比较,所提KCCS-YOLOv4算法的F 1-score为93.7%,平均精度值为95.9%,FLOPs值为127.592 G,三项指标均优于其他算法,验证了所提改进策略的有效性。

基于Stacking集成模型的台区线损率预测方法研究

针对现有线损率预测方法预测精度较低的问题,提出了一种将Stacking集成学习模型与改进的k-均值聚类方法相结合用于预测台区的线损率。通过聚类方法进行数据聚类,再通过Stacking集成学习模型对台区线损率进行预测。Stacking集成学习模型由XGBoost模型、梯度决策树模型和支持向量机模型构成。与传统预测方法进行对比分析试验验证可行性。结果表明,与传统的线损率预测方法相比,所提出的线损率预测方法具有更好的预测效果,更高的预测精度和拟合效果。该研究为实现电网双碳目标提供了一定的参考。

PPDM中面向k-匿名的MI Loss评估模型

隐私保护数据挖掘(PPDM)利用匿名化等方法使数据所有者在不泄露隐私信息的前提下,安全发布在数据挖掘中有效可用的数据集。k-匿名算法作为PPDM研究使用最广泛的算法之一,具有计算开销低、数据形变小、能抵御链接攻击等优点,但是在一些k-匿名算法研究中使用的数据可用性评估模型的权重设置不合理,导致算法选择的最优匿名数据集在后续的分类问题中分类准确率较低。提出一种使用互信息计算权重的互信息损失(MI Loss)评估模型。互信息反映变量间的关联关系,MI Loss评估模型根据准标识符和标签之间的互信息计算权重,并通过Loss公式得到各个准标识符的信息损失,将加权后的准标识符信息损失的和作为数据集的信息损失,以弥补评估模型的缺陷。实验结果证明,运用MI Loss评估模型指导k-匿名算法能够明显降低匿名数据集在后续分类中的可用性丢失,相较于Loss模型和Entropy Loss模型,该模型分类准确率提升了0.73%~3.00%。

基于K-means算法和积灰损耗系数的中国西北地区光伏电站清洗策略建模分析

针对当前中国西北地区光伏电站缺乏科学合理的清洗策略来清除光伏组件表面积灰的问题,提出基于K-means算法和积灰损耗系数的光伏电站清洗策略模型。利用K-means算法对光伏电站的发电日志进行聚类得到晴天数据样本,利用该样本数据拟合光伏电站发电能力与积灰持续时间曲线,求解积灰损耗系数,联立光伏电站清洗成本建立清洗策略模型;以中国西北地区某光伏电站为例进行分析,将得到的清洗经济阈值与该光估电站长期的运行经验模型计算结果对比后,发现该模型准确性较高。以期本研究为中国西北地区光伏电站清洗策略的研究提供新思路。

基于k-means聚类和LSTM的供电台区线损预测

为了准确把握供电台区线损变化趋势,提出一种基于k-means聚类和LSTM网络的混合预测算法。以贵州省某供电台区线路为例,将此模型的预测效果与BP模型、RF模型、SVM模型以及未聚类的LSTM模型进行比较。结果表明,基于k-means聚类和LSTM网络的线损预测模型适用于具有时序性的台区线损数据,克服了传统预测方法在精度提升方面的局限性,对于供电台区线损数据挖掘具有重要的理论价值。

麦秸还田对水稻产量及地表径流NPK流失的影响

在大田试验条件下,以水稻品种运2645为供试材料,设置常规处理(A)、麦秸还田(B)、麦秸还田减肥(C)、肥料运筹(D)和旋耕(E)5个处理组合,研究不同处理对水稻产量及农田地表径流NPK流失的影响。结果表明:(1)麦秸还田使水稻产量比常规处理增加3.0%左右;(2)试验年度稻季农田总地表径流水量为4.3×103m3·hm-2;(3)麦秸还田减肥和麦秸还田处理比其处理明显降低农田地表径流水体NPK流失量,不同处理地表径流总N流失量由低到高依次为麦秸还田减肥、麦秸还田、常规处理、肥料运筹和旋耕,不同处理地表径流总P和K的流失量由低到高依次为麦秸还田减肥、麦秸还田、肥料运筹、常规处理和旋耕;(4)麦秸还田能够降低稻田地表径流NPK的流失率,但麦秸还田减肥处理由于流失量减小幅度远低于肥料施用量的减小幅度,其NPK流失率均表现为最高;(5)麦秸还田使水稻产量略有增加,使稻田地表径流水体NPK流失量和流失率均明显降低。

基于K-medoids聚类算法的异常低压台区线损识别方法研究

在电力系统中,设备老化、技术缺陷等原因容易导致低压台区线损异常,影响运行。为此,文章基于K-medoids聚类算法,探讨一种用于识别异常低压台区线损的方法,阐述技术原理,通过聚类分析异常低压线损数据,发现特征,实现准确识别和定位。结果表明,该方法可较好地识别异常低压台区线损,并具有高精度。基于K-medoids聚类算法的异常低压台区线损识别方法提供了一种高效、准确的识别工具,为电力系统管理者及时解决异常低压问题提供了技术调节方式。

基于k-度匿名的社会网络隐私保护方法

针对当前社会网络的匿名化隐私保护方法存在信息损失量巨大、网络关系结构被改变严重等问题,提出一种保持网络结构稳定的k-度匿名隐私保护模型Similar Graph,运用动态规划方法对社会网络按照节点度序列进行最优簇划分,然后采用移动边操作方式重构网络图以实现图的k-度匿名化.区别于传统的数值扰乱或图修改如随机增加、删除节点或边等方法,该模型的优势在于既不增加网络边数和节点数,也不破坏网络原有连通性和关系结构.实验结果表明,Similar Graph匿名化方法不仅能有效提高网络抵御度属性攻击的能力,并且还能保持网络结构稳定,同时具有较理想的信息损失代价.

隔膜式电磁阀内部流场数值模型构建与流动特性分析

基于k-ε(k为湍流动能,ε为湍流耗散率)湍流模型,以进口质量流量、出口静压为数值计算条件,建立了隔膜阀内部流场的数值模拟模型,并对模型的精度进行了试验验证。在此基础上,应用该模型分析了不同进口流量(2.787~33.273 kg/s)条件下阀体内部流动特性及压力场分布规律,并建立了进口流量与阀体水头损失的精确数量关系。结果表明:(1)数值模拟能较好的预测不同流量条件下阀体的水头损失,在进口流量分别为5.546、11.091和16.637 kg/s时,试验与数值模拟相对误差仅为-6.433%、4.619%和7.264%。(2)在进口流量恒定的条件下,从进口至出口,流道内的静压总体沿程呈减小趋势,在阀体内部由于阀坎的阻挡造成流道收缩以及水流撞击隔膜产生折流而出现较大的静压变化梯度。(3)水流在经过阀坎上的窄流道后,在阀体下游形成明显的空化区,伴随着有一定的回流现象,阀体下游的空化区主要出现在距出口1/3流体域处,随着进口流量的增大,阀体下游的涡流更加剧烈,回流现象更为显著,但回流区的范围并未显著增加。(4)在模型精度验证的基础上,应用该模型进一步分析了18种进口流量条件下阀体内部流动特性及压力场分布规律,并建立了进口质量流量Q与阀体水头损失?P的数量关系,当进口质量流量Q从2.787~15.428 kg/s,雷诺数从37927~215984时的拟合方程为?P=2076.31Q-7567.49,R^(2)=0.964;进口质量流量从17.141~33.273 kg/s,雷诺数从240097~467009时的拟合方程为?P=5688.02Q-67317.39,R^(2)=0.993,为灌溉管网水力计算提供了参考依据。

基于聚类的高效(K,L)-匿名隐私保护

为防止发布数据中敏感信息泄露,提出一种基于聚类的匿名保护算法。分析易被忽略的准标识符对敏感属性的影响,利用改进的K-means聚类算法对数据进行敏感属性聚类,使类内数据更相似。考虑等价类内敏感属性的多样性,对待发布表使用(K,L)-匿名算法进行聚类。实验结果表明,与传统K-匿名算法相比,该算法在实现隐私保护的同时,数据信息损失较少,执行时间较短。

太湖流域苏皖汇流区土壤可蚀性K值及其应用的研究

利用土壤普查成果中的土壤图和理化分析等资料 ,采用公式计算法研究了该区土壤的可蚀性K值 ,改进和完善了K值图编制方法 ,并用微机首次制出具有准确几何位置、可与地形图配准的土壤可蚀性K值图。同时 ,还依据该区K值的分布特点讨论了它在水土保持、土壤年流失量监测、生态农业建设和防洪减灾中的应用。

地表径流中K、Na流失量分析及其影响因素研究

采用人工模拟降雨装置对密云县农田褐土进行的K、Na流失量试验研究表明 :在相同雨强、坡度条件下 ,K、Na流失量为秸秆覆盖 <草皮覆被 <裸地 ;相同地表状况与坡度条件下K、Na流失量与雨强呈正相关 ;同雨强下泥沙携带的与秸秆覆盖地表下径流水中的K、Na流失量随坡度的增加而增大 ,坡度对裸地和草皮覆被地表径流水携带的K、Na流失量峰值有影响。采用覆盖保护措施对抑制坡地K。

抗复合攻击的社会网络(k,l)匿名方法

针对社会网络发布时由于复合攻击所带来的隐私泄露问题,提出了一种(k,l)-匿名发布隐私保护方法.首先在k-同构和l-多样性的理论基础上,给出了复合攻击形式和图的(k,l)-匿名模型,并形式化地定义了一类节点具有单敏感属性的简单无向图的(k,l)-匿名问题.同时,提出了一种基于k-匿名和l-多样性的属性泛化算法来解决该匿名问题.实验结果表明:该算法能产生比已有方法更小的信息损失度,以及相当的时间开销,可有效抵御复合攻击,保护发布社会网络的隐私信息.

基于轻量级网络的小目标检测算法

针对YOLOv5算法在检测小目标时存在准确率较低的情况,提出旨在提高小目标检测准确率的轻量级网络KOS-YOLOv5算法。首先采用K-means++聚类技术选择一组合适的锚框尺寸作为模型的先验,对小目标实现更精确的锚框尺寸,使模型能适应不同大小的目标;其次利用简化正负样本分配策略(SimOTA)进行动态样本匹配,更好地优化损失函数;最后将空间上下文金字塔(SCP)模块集成到算法检测层中,促使骨干网络更加关注小目标的特征信息,用以增加目标特征提取能力,提高目标的检测准确率。结果表明,改进后的KOS-YOLOv5算法与传统的YOLOv5模型进行比较,算法在检测精确度(P)方面提高了4%,召回率(R)方面提高了2.4%,平均检测精度(mAP)提高了3.1%,损失函数值(Loss)降低了5%,最终检测精度为95.38%。

k-部排序本体相似度计算

将本体图中每个顶点的相关信息用一个向量表示。根据本体图自身的结构将顶点分成k个部分。在每个部分中选取样本点组成S,并选择相应的排序亏损函数。运用k-部排序学习算法得到最优排序函数,从而将本体结构图中每个顶点映射成一个实数,通过比较实数间的差值判断两概念的相似程度。实验表明该方法对于计算本体概念间的相对相似度是有效的。

支持多约束的K-匿名化方法

K-匿名化(K-anonymization)是数据发布环境下保护数据隐私的一种重要方法.目前,K-匿名化方法主要针对单一约束条件进行处理,而实际应用中涉及到大量的多约束条件,使K-匿名化问题更加复杂.如果简单地将单一约束K-匿名化方法应用到多约束情况,会造成大量的信息损失及过低的处理效率.根据多约束之间的关系,通过继承Classfly算法的元组概括过滤思想,提出多约束K-匿名化方法Classfly+及相应的3种算法,包括朴素算法、完全IndepCSet算法和部分IndepCSet的Classfly+算法.实验结果显示,Classfly+能够很好地降低多约束K-匿名化的信息损失,改善匿名化处理的效率.

基于k-部排序学习方法的本体映射算法

本体映射作为实现多本体间相互操作的重要手段,已广泛应用于诸多领域。利于k-部排序学习算法得到最优排序函数,从而将多本体结构图中每个顶点映射成一个实数,通过比较来自不同本体顶点对应实数间的差值判断概念间的相似程度。实验表明:该方法对于在不同本体间建立映射是有效的。

沉积岩中自生伊利石K-Ar定年研究——存在问题及原因讨论

在浙江长兴煤山全球二叠系-三叠系界线层型剖面中界线附近采集黏土岩样品,对其中的伊利石/蒙皂石成岩间层I/S进行K-Ar测年实验研究,来探讨沉积岩中自生伊利石K-Ar测年在确定沉积地层时代方面的可行性。结果表明,沉积岩中成岩间层I/S的K-Ar年龄在没有碎屑含钾矿物混入的情况下,比其对应的地层时代要年轻,其原因主要有两条,一是因为泥岩中的自生伊利石来自于蒙皂石的伊利石化,而蒙皂石的伊利石化受很多因素控制,需要一定的时间才能完成;另一原因是由于蒙皂石伊利石化过程中存在着放射性成因^(40)Ar的扩散丢失。