基于Map/Reduce的电力监控系统规则挖掘技术研究

鉴于电力监控系统的多异类信源和动态融合特性,对系统海量实时监控信息进行故障规则挖掘和预测性监测。针对传统决策树法效率难提升问题,提出一种基于并行框架Map/Reduce和包含度测量相融合的规则挖掘算法(MRDT)。通过构建云计算Hadoop平台,在其分布式并行计算框架Map/Reduce基础上实现基于包含度的决策树规则挖掘算法的并行处理,高效地提取信任度较高的故障规则。以某水电站实时监控系统的电气信息为例,对MRDT算法进行实验测试,结果表明:MRDT算法在保证传统DT算法规则信任度较高的同时,提高了挖掘效率。

结构模态参数识别的改进多重随机减量法研究

针对高层建筑结构周期长、阻尼比小的特点,提出改进的多重随机减量法,结合亚伯拉罕时间域法对此类长周期高层建筑结构的自振频率和阻尼比等动力特征参数进行系统识别.结合利通广场某次强/台风影响时实测到的风致加速度信号,采用改进的多重随机减量法对其自振频率和阻尼比,并与传统随机减量法和随机子空间法识别的结果进行对比.分析结果表明,改进的多重随机减量法具有对此类结构动力特征参数进行辨识的可靠性及高效性.