知识的多重粗识别与专家会诊

介绍了知识的粗识别,指出了正域和负域的性质,给出了R-独立粗识别与多重共商粗识别的关系,在粗集中建立了专家会诊的理论依据.

基于平方法的雷达信号脉内调制粗识别

为了能够简单快速识别出雷达信号脉内调制类型,提出了一种简单高效的调制类型粗识别方法。首先对输入信号进行平方处理,经FFT变换得到其频谱并计算出平方后的信号3d B带宽,最后将平方后的信号3d B带宽与阈值比较,粗识别出调相信号和调频信号。仿真结果表明,该方法使输入信号的频谱特征更加明显,验证了该方法的有效性和实用性。

基于APSO-Robust-ELM的大坝变形原始监测数据粗差识别方法

针对大坝原始监测数据普遍存在粗差的问题,提出了稳健估计与极限学习机相结合的粗差识别方法;并在此基础上,利用自适应粒子群算法寻找神经网络的最佳隐含层节点数;最后利用大坝安全预测模型验证所用方法的必要性和适用性。在工程实例分析中,将APSO-Robust-ELM法与Robust-ELM法、罗曼诺夫斯基准则和拉依达准则的处理结果进行对比,结果表明,APSO-Robust-ELM法能够更好的识别原始监测数据中的粗差,从而提高大坝安全运行的管理效率。

基于最小截平方和估计的混凝土坝变形监测粗差识别方法

粗差识别是混凝土坝安全监测数据预处理中的一项重要工作。结合变形监测统计分析模型,基于Fast-LTS算法,提出一种混凝土坝变形监测粗差最小截平方和估计识别方法。首先,基于最小截平方和估计,建立混凝土坝变形监测统计分析模型,挖潜变形监测序列与环境影响因子间的关系;其次,划分正常测值序列和疑似粗差测值序列,并针对疑似粗差序列,采用数理统计方法,逐一甄别直至判别出所有粗差。工程实例计算分析表明,本文方法粗差识别成功率达100%,远优于拉依达法则、格拉布斯准则与罗曼诺夫斯基准则等传统判别方法。更高的识别成功率,可为混凝土坝变形监测粗差识别提供一种新途径。

大坝安全监测数据粗差识别方法的比较与改进

大坝安全监测的主要目的是了解大坝坝体及基础的实际工作状况,尽早发现异常现象并进行必要的处理以确保大坝安全运行。监测数据的采集与处理是大坝安全监测工作的重要环节,在处理监测数据时往往会遇到粗大误差。在充分收集、分析国内外相关研究成果的基础上,依托冶勒水电站、宝珠寺水电站等实际工程,重点研究了几种粗差识别方法,探讨了其适用范围。通过对传统粗差分析方法的改进,提出了适用于大坝安全监测数据预处理的方法,即引入数学模型计算残差,通过残差来判断原始数据系列中的粗差。

大坝安全监测数据粗差识别技术研究

介绍了目前大坝安全监测数据处理工作中几种常用粗差识别技术的优缺点及适用范围,并针对这些常规方法中所存在的不足,采用时空判别技术和基于稳健性处理方法的粗差识别技术,对粗差数据进行判别。其中时空判别技术充分利用了观测序列本身的时空基本信息,将观测值与历史的或相邻的观测数据相比较来判别粗差;基于稳健估计算法的监控模型判别法克服了经典的最小二乘法所存在的抗粗差干扰性差这一缺点,在最小二乘回归的基础上逐步按残差大小加稳健化权,迭代求得模型参数的稳健估计,这一估计值最接近于无粗差影响时的正常估值。隔河岩大坝安全监测数据的实例分析表明,这些方法具有较强的粗差识别能力。

强污染单历元GPS形变信号的提取和粗差识别

阐述了小波分析技术用于强污染GPS单历元形变信号处理的基本原理及其实现方法。以含少量粗差的低信噪比形变信号为例 ,研究了基于Mallat分解和合成算法 ,分离信号趋势项并进行粗差识别的技术。采用小波软阈值降噪的方法去除强污染数据中的随机噪声 ,降噪效果远好于中值滤波。最后对识别的粗差信息进行线性修复 。

基于信息熵的测量数据粗差识别法

基于信息论 ,提出用信息熵进行测量数据粗差识别 ,与统计识别方法相比较 ,该方法对观测数据的分布无要求 ,识别能力较强 ,且计算比较方便 ;

直线度双节距法测量中的粗差识别方法研究

在直线度双节距法测量过程中 ,由于粗大误差的存在造成了在处理与计算中错误的粗差定位 ,为了减少或消除粗大误差对处理数据的影响 ,采用了期望平移模型对这些数据进行粗差识别 ,对含有粗大误差的数据项进行修正 ,并且在此基础上进行最小二乘法估计。

基于小波分析的GPS动态变形数据粗差识别模型研究

基于小波基函数的性质,结合含有少量粗差的GPS形变信号实例,研究粗差特征在小波变换后的不同尺度上的表现规律及粗差位置的确定方法。分析在动态监测数据粗差识别过程中正则性和分解层数对粗差表现的影响,为选择合适的小波函数进行粗差识别提供一定的依据。

分布式光纤测温数据粗差识别初探

针对分布式光纤时空测温数据常出现突变点型粗差数据的情形,采用数学形态滤波法进行粗差识别,并在Visual Studio 2008中VB.NET开发环境下,初步开发了基于数学形态滤波法的分布式光纤测温数据粗差识别系统模块。针对某混凝土高拱坝的试用表明,数学形态滤波法能较好地进行光纤测温数据粗差识别。所提出的测温数据粗差识别理论推进了光纤测温在大体积混凝土温度监测中的应用,可供类似工程参考。

基于人工免疫模式的大坝监测数据粗差识别

粗差的存在会对大坝安全监测的结果造成较大的影响,而现今传统的粗差识别方法还存在着操作繁琐、应用数据类型有限、易少判误判等缺陷。因此,为了弥补传统粗差识别方法的不足,提高粗差识别的效率,采取了借鉴人工免疫的工作模式对监测数据进行分层打分的方法,将其与现有粗差检验方法结合,提出并设计出基于人工免疫模式的多层粗差检验法。以实际工程大坝水平位移监测数据的粗差识别为例,对工程的水平位移监测数据进行粗差识别。算例验证结果表明:这种新型的多层粗差检验法对大容量数据的粗差识别操作更为简便、效率更高。与传统粗差识别相比,其数据识别种类变广,而且其多层打分的检验模式使得识别结果更为严谨,可以有效减少粗差错判少判的情况。

GPS变形监测的似单差算法与粗差识别

根据高精度GPS变形监测的特点,建立了单历元解算变形量的似单差模型及其算法。该模型避免了周跳的探测与修复,可适用于动态、静态两种监测模式及同步观测卫星少于4颗的情况。在分析似单差模型的基础上,提出了识别载波相位观测值中小于半周的粗差的方法。利用试验数据对似单差模型的正确性及粗差识别方法的有效性进行了检验。

基于单向S-粗集的知识堆垒与知识垛识别

利用单向S-粗集,给出知识堆垒及它生成的知识垛的概念,知识垛具有动态特性,给出粗知识垛的生成,提出粗知识垛生成原理及还原定理,提出粗知识垛分辨尺度及识别准则与识别定理,并给出应用。

不同小波函数对粗差识别效果的比较

采用含孤立态、离散态与区域态三种类型粗差的含强噪声的动态变形信号,研究粗差识别中小波基函数的选择依据。分别从分解层数、支撑区间、正则性以及消失距四个角度,选用不同的小波基函数进行试验,结果表明:对于该含不同类型粗差的变形信号,在所考察的小波基函数范围内,对于区域态粗差几种小波的识别能力相当;同等条件下,对于孤立态粗差,应选择支撑长度较小、正则性较好或消失距较高的小波进行识别;对离散状粗差进行识别时,一般应选择支撑长度较大、正则性较好或消失距较低的小波函数,对于本文的变形信号进行5层分解可以得到较好的识别效果。

S-粗集知识的动态推理与识别

利用数理逻辑中命题逻辑的形式,给出知识系统受到外部属性干扰时,干扰的逻辑推理结构,知识的动态推理与识别,提出知识的推理识别定理,S-粗集的推理识别定理,知识的动态推理识别原理。给出知识的动态推理与识别在知识动态识别中的应用。

基于改进IGGⅢ-ELM法的混凝土坝变形监测数据粗差识别方法

针对混凝土坝变形监测数据存在非线性强、粗差识别与剔除困难等问题,结合改进IGGⅢ法对异常值的抗差能力强、极限学习机(ELM)对数据序列预测效率高和对非线性问题处理能力强、增量ELM寻找最优网络结构速度快等优势,提出了基于改进IGGⅢ-ELM法的混凝土坝变形监测数据粗差识别方法,并采用包含两个调和系数的四段权函数对IGGⅢ-ELM法进行改进,使得权函数的一阶导数处处光滑,增强了权函数突变范围内信息的可利用性。与IGGⅢ-ELM法、DBSCAN聚类算法、罗曼诺夫斯基准则和拉依达准则的实例处理结果对比表明:基于改进IGGⅢ-ELM法的混凝土坝变形监测数据粗差识别方法较其他4种方法粗差识别率更高、泛化能力更强、预测效果更好。

F-粗积分与系统S-粗状态检测-识别

函数单向S-粗集对偶生成的F-粗积分具有一系列动态特性,在此基础上提出了F-粗积分的度量——F-粗扩张度与F-粗扩张率的概念及属性施效识别原则。函数单向S-粗集对偶的变化程度不仅可以得到量化,而且对系统在离散的时间区间上的S-粗状态也可进行检测-识别。这是一个新的研究方向。

基于图像处理技术的大坝监测数据粗差识别

为实现大坝长久稳定的安全服役,避免监测资料中的粗差对大坝安全监测结果产生影响,需要对监测数据中的粗差进行剔除。由于目前的粗差识别方法依旧会造成粗差漏判、误判情况的发生,通过模仿人工识别数据粗差的过程,运用程序设计语言,提出一种基于图像处理技术的自动化粗差识别方法。首先对依据监测数据绘制出的散点图进行高斯模糊和二值化处理,再提取主要趋势线,最后识别出监测数据中的粗差点并进行剔除。选取某实际工程大坝监测资料,运用该方法对其进行粗差识别,并与传统3σ识别准则的粗差识别效果进行对比。算例结果表明:该方法对数据粗差的识别效果更加显著,避免了粗差漏判情况的发生,对粗差的剔除更彻底;利用该方法识别后得到的统计模型复相关系数为0.999,标准差为0.192,模型精度更高,也更符合工程实际情况。因此,该方法具有一定的工程应用前景和实用价值。

粗集—模糊识别理论在变电站选址评价中的应用

针对变电站选址过程中有诸多不确定的模糊量的特点,该文在获取若干可行待选站址的前提下,提出了一种基于粗集—模糊识别理论的方法。对影响站址选择的各个因素进行综合考虑,将粗集理论中属性重要度的概念引入到变电站选址评价的权重确定过程中。