大气电场异常判别及预报效能的统计检验

依据郝建国等提出的异常判别规则对大气电场的原始观测资料重新进行了异常判别和分组， 并依据朱成熹等提出的效率值法，分别对监测到的异常及实际上报的异常与地震预报的相关进行了统计检验及评分，信度在 １５％ 以下，该方法通过了假设检验。结果表明。

前兆观测数据基本特征的震前差异及异常判别

本文通过实例阐述前兆手段观测数据基本特性(平稳性、周期性和正态性)在地震前的差异,说明连续观测数据中包含平稳随机过程和非平稳随机过程;亦包含常态下的年变周期和非年变周期,非平稳随机过程和非年周期变化可能产生在地震前兆发育期,其特征与地震孕育进程有关,可用非参数轮次法和方差分析法加以检验。随机过程的特征量正态分布的标准离差用以衡量过程的分散程度,异常时段与正常时段的标准差,相差可达数量级,用统计参量值X^2能在一定信度下检验其是否超出了限界。可见它们是前兆识别的基础依据,在其基础上可进一步选择科学计算方法剖析资料。同时在莱以特准则(3σ)判别异常的基础上,讨论了格罗布斯准则和狄克松准则在常熟地震(M_s5.1)和南黄海地震(M_s6.2)短期和中短期异常判别上的应用。

入侵检测系统中异常判别

在入侵检测系统中运用统计原理辨别计算机的异常使用 ,是入侵检测系统研究的方向和趋势 .进一步完善了异常判别中的统计模型 ,并根据异常检测模型给出数据描述和相应异常判别算法 。

基于图像化变差函数的性能数据异常判别

为提升发动机性能监控的智能化水平,实现性能数据的高效利用,提出了基于图像化变差函数的发动机性能数据异常判别方法。通过研究发动机性能数据的标准化修正方法和图像转化方法,将数值型表示的发动机性能数据转化为发动机性能图像。通过引入变差函数理论,采用4方向的变差函数值表示性能特征值,融合不同时刻不同参数的性能数据。在提取发动机性能图像关键特征点的基础上,定义性能图像间的差异距离,实现基于变差函数的发动机性能图像异常判别方法,从而实现对发动机性能状态的判别。选用若干组实际发动机性能数据对方法进行验证。验证结果表明:该方法运算高效,实现了高维性能数据的降维和对性能图像运行状态的分类,从而判别发动机性能数据的运行状态。

基于时序差分算法的线损异常判别优化研究

为了提高电网监控智能化,降低线损计算误差,提出基于时序差分算法的线损异常识别优化模型,识别异常线路和异常点。遍历各线路的线损数据,利用自适应差分算法判别各线路的线损率波动是否正常,提取异常线路集。通过时序差分化发售电数据的平滑性质和前后关联性质,识别定位异常数据在时序序列上的位置。基于先验知识对异常数据进行修正,给出修正后的线损率。研究发现,修正后的线损率准确性有较大提高,该算法可以在一定程度上解决负荷数据异常导致的线损计算率偏差问题。

基于声音在线监测的变压器异常判别方法

为解决电力变压器异常状态判别困难的问题,提出一种基于声音在线监测的变压器异常判别方法。首先在充分研究电力变压器结构的基础上,基于声音衰减规律明确了声音传感器的安装位置及数量,然后根据声音传感器采集信号计算得到变压器实际发出声音后,基于"二八原则"提取变压器声音的特征频率,并通过计算与变压器声音典型特征频率的距离,实现变压器异常状态的判别。研制了一套试验样机,并在江苏地区某特高压变压器上进行了试用,通过现场实际运行效果验证了装置的有效性与可行性。

传感器性能退化与结构损伤响应异常判别的改进

基于MMSE(最小均方差)估计与GLR(广义极似然比)理论提出对结构损伤不敏感而对传感器性能退化较为敏感的控制指标,并绘制质量控制图,判别结构响应异常并分离性能退化的传感器,进而初步定位结构损伤,最后用简支梁试验验证。试验结果表明:结构损伤不会引起改进的传感器性能退化判别控制图超限,而传感器性能退化则会,即所提出的方法可有效判别传感器性能退化与结构损伤引起的响应异常。

基于信息熵的异常数据判别方法

信息熵是度量不确定信息的重要工具之一,已有的异常数据判别方法主要针对确定性的异常数据,采用信息熵度量不确定性数据进行异常数据判别的研究报道较少,为此,本文提出了基于信息熵的异常数据判别方法,在传统的基于逻辑回归的异常数据判别算法基础上加入香农公式计算信息熵,利用信息熵寻找出最优切割值对应的最高准确率,并以CIC-IDS2017数据集中的DDos攻击数据为实验数据,将该改进算法与原逻辑回归异常数据判别方法进行对比,通过实验得出改进后的判别算法准确率得到了提升,实验结果表明,所提出算法是有效可行的,为后续异常数据判别方法提供了一种新的研究思路。

地震组异常及其判别

本文是“地震的成组孕育过程和预报的基本途径”系列成果之二。在分析邢台一海城—唐山、通海—龙陵—松潘和奠边府—澜沧—曼德勒等三组强地震的水化、水位和地壳形变异常的基础上,确认了地震组异常存在的事实,总结出地震组异常的特征,提出了判别地震组异常的原则和方法。认为从地震成组孕育的观点出发,依据地震组异常可以预测强地震的成组活动、确定地震组的活动范围以及判定地震组地震的发展趋势。

基于改进文本检测识别的绝缘子串异常定位和判别方法

绝缘子串的长宽比和倾斜角度变化大,使用通用目标检测算法时,检测和识别效果不佳。为此,借鉴文本检测思想提出新的绝缘子串异常定位和判别算法。检测部分,改进了基于语义的任意方向场景文字检测器算法进行绝缘子串检测;异常定位部分,提出了针对绝缘子串的序列状态编码方法以及基于模板匹配的数据增广方式;再使用卷积循环神经网络(convolutional recurrent neural network,CRNN)和连接主义时间分类(connectionist temporal classification,CTC)方法提取绝缘子的纹理和序列特征,用编码的序列状态作为标签进行有监督训练。结果表明,所提算法的检测精度和识别精确率均超过了实验中的通用目标检测方法,精确度提升了4.1%。该方法可为各类条状物的异常定位和识别提供新思路。

智能电能表测量结果异常值的判别和剔除方法研究

测量结果中的异常值是测量过程中的粗大误差所引起的。介绍了异常值的剔除方法,对智能电能表测量结果中出现的异常值进行了分析研究,提出了智能电能表测量结果异常值的判定准则,并采取统计方法正确地判定和剔除异常值。

地下流体异常性质定量判别方法探索与地震预报

采用异常频次累加法和异常频次变化速率法研究了中强地震前后一定范围内地下流体群体异常随时间的演化特征．结果表明：地震前后地下流体异常频次累加曲线和变化速率曲线变化特征表现为“平稳（零值波动）—加速（连续正值）—恢复（连续负值）”３个阶段；地震与异常的关系表现为“加速（连续正值）—地震”的形式．利用该方法可以对地下流体异常性质（即非震异常、震前异常和震后异常）进行一定程度的定量判别．

基于背景建模与异常判别的高光谱目标探测研究

高光谱遥感图像在采集过程中既获得了场景空间分布信息,又以近似连续的方式记录地物的光谱信息。高光谱目标探测研究正是利用了数据光谱分辨率高、细微特征表达精确的优势,根据不同地物间的诊断性信息进行探测。近些年,机器学习与优化分析理论的发展为高光谱图像处理增添新的活力。本文从高光谱遥感图像目标探测基本理论及发展难点切入,针对光谱特征可变性强、相邻波段相关性高、数据量急剧膨胀、混合像元现象普遍等问题,结合机器学习与优化理论开展算法设计与研究。

计量装置接线异常情况判别

1电能计量装置电压异常的判断 1.1无电压互感器三相四线电能计量装置电压接线异常判别 计量装置电压接线正确,则智能电能表翻显各相电压数据均为220V。若三相相电压翻显数据依次分别为0,220,220V,则说明U相电压断线,

通过采控系统数据判别用电异常的方法与措施

电能量信息采控与监控系统是对电力客户的用电信息采控、处理和实时监控的系统,实现用电信息的自动采控、计量异常和电能质量检测、用电分析和管理等功能,是保证电力市场运营的基础设施,是提高电网管理水平的重要技术手段。本文通过分析工作中常见的用电异常问题提出了判别与对策措施。

机载设备测量数据中异常值判别与修正

研究机载设备异常数据的判别及修正问题,提出了改进多项式外推拟合算法,并在FPGA中对GPS和AHRS数据中的异常值进行判别和修正。根据机载数据的统计特性计算各物理量的标准差,对多项式外推拟合算法进行改进,简化了乘除法运算的硬件实现方式,使之适合并行工作方式的FPGA进行异常值快速判断和处理。飞行试验数据处理结果表明,该方法能够有效地判别、修正异常值,满足飞行试验要求。

适用于电网异常负荷动态判别的CNN阈值模型

为提高在负荷波动性较大场景下对异常负荷判别的适应性,提出一种适用于电网异常负荷动态判别的卷积神经网络阈值模型。利用时序历史负荷数据训练卷积神经网络模型进行负荷预测,并根据预测负荷值计算电网未来的状态变量数据,通过该状态变量数据源矩阵的构造,依次构建其窗口矩阵、标准矩阵以及样本协方差矩阵,进而设定基于样本协方差矩阵最大特征值的动态阈值,利用该阈值对当前时刻的最大特征值进行越限判定,实现对电网异常负荷的动态判别。借助Matlab R2014a和PST软件工具,在IEEE50机145母线标准系统中进行仿真测试,结果表明,与传统阈值模型相比,该阈值模型在动态电网中对MESCM指标的异常判定适应性更强、准确性更高。

基于多源数据挖掘的民宿用能异常及经营状况分析

近年来,莫干山民宿蓬勃发展,但是民宿产业现有能耗管理水平不能满足高端民宿的发展需求。为助力民宿产业转型升级,基于民宿总用电量、各房间、制冷系统、动力系统、照明系统五个维度的用电情况,结合天气因素,建立用能异常判别模型,采用 LSTM神经网络预测民宿五个维度用电量的情况,将预测结果与实际结果进行比较得到用能分数,实现民宿用电异常的实时监测;此外,通过房间实时用电量变化、民宿成本支出以及营收,结合天气因素,采用熵值法及支持向量机等方法推测出入住情况来衡量民宿的经营状况,为金融机构贷款风险防控提供支撑。

车身小样本检测数据多异常值判别方法

针对车身检测数据样本量较小、某时域范围或某类型的测量数据呈现非正态分布的特点,提出了一种基于距离测度的车身检测数据多异常值排序检出算法,并推导了区分由生产过程突变造成的异常值和由测量粗大误差造成的异常值的判断方法。以某车型的间隙与面差检测数据为例,验证了本方法的有效性。

无线电测向系统开场测试测向精度的测试数据异常值判别方法

通过分析四种常用异常值判别准则,找到适合用于剔除无线电测向系统开场测试测向精度的测试数据异常值的判别方法,从而保证测试数据的有效性。通过计算结果可知,样本数小于100时,建议采用肖维勒准则;样本数大于100时,建议采用莱依达准则;但当剔除异常值比例超过10%时,建议采用格拉布斯准则(置信概率为95%)。