多维特征数据驱动的数控车削加工过程碳排放预测研究

针对数控车削加工过程碳排放影响要素繁多、动态特性复杂的特点,提出了一种基于多维特征数据驱动的数控车削加工过程碳排放预测方法。首先,对数控车削加工过程碳排放特性进行分析,建立了包含原材料消耗、辅助材料消耗、能源消耗和废弃物回收处理的总碳排放量计算模型,确定了碳排放不同维度的影响要素;其次,针对不同影响要素的类型,提出了数控车削加工过程碳排放数据的采集、预处理方法,利用岭回归方法对数据主要特征进行选择提取;再次,以提取的特征数据为自变量,提出了一种基于改进的果蝇-差分进化优化BP神经网络算法的数控车削加工过程碳排放预测模型;最后,通过实验对所提方法和模型的有效性进行了验证。

面向大数据的多维数据缺失特征填补仿真研究

现有的数据缺失填补方法,通常只考虑数据间某种特征的关联性,且忽略了数据的填补顺序对数据填补准确性的影响。为此,提出一种基于数据多维相似度的数据缺失特征填补方法。通过计算缺失数据与另一已知数据的多维相似度,进一步计算缺失数据的加权值,来检验缺失数据与其对应的临界点的相似度融合情况;利用贝叶斯联合概率计算缺失数据间不同填补顺序的置信度,结合缺失数据与其临界点的相似度融合情况,选择最优置信度确定数据的填补顺序;采用KNN数据填补算法结合多维相似度计算缺失数据值,按顺序依次进行数据填补。仿真证明,所提方法可以更准确的计算缺失数据值,所需计算时间更短,同时对填补顺序进行计算,提高了数据填补的准确率,填补结果更接近原始数据。

基于多时相遥感数据的吉林盐碱区土地覆被信息提取方法对比——以镇赉为例

利用多时相的遥感数据制作的多维分类特征数据集,可以充分挖掘遥感影像中的植被信息提高地表覆被信息的分类精度。以世界三大盐碱土分布区之一的吉林省镇赉县为例,利用多时相Landsat8遥感数据制作的多维分类特征数据集,通过不同的分类方法提取了实验区11类地表覆被信息,并进行精度对比分析。结果表明:1支持向量机(SVM)法对苏打盐碱化土壤特殊生态环境的地表覆被信息提取具有较好的分类效果,总体分类精度87.77%,Kappa系数0.864 9;其中盐碱地的分类效果较好,生产精度达到98.34%。2不同方案分类精度从高到低依次为:支持向量机、最大似然分类、神经网络、最小距离、光谱角法。3镇赉县的土地利用类型以旱地、水田、盐碱地为主,镇赉西部以旱地为主要,中部地区盐碱地、碱泡、旱地交错分布,东部以水田为主。

基于均值漂移聚类的开关柜局部放电异常检测

针对开关柜现场带电检测数据,提出一种基于多维特征量的均值漂移聚类算法,对开关柜的局部放电进行异常识别。采用局部放电检测数据的离散度、平均距离百分比、集中度和最大波动率指标全面量化开关柜局部放电的程度,并构建多维特征数据库;通过自动搜索偏移量的均值漂移聚类算法对开关柜的状态进行划分,并通过所给定的开关柜簇标签隶属度函数判定是否为异常点,由此实现开关柜的绝缘状态异常检测。对现场带电检测实际数据进行实例分析,验证该方法的可行性,为开关柜的绝缘状态异常识别提供一定的理论依据。