中国现货电力市场中发电企业滥用市场力违规识别

随着现货市场的推进,市场力成为不可忽视的存在,而目前市场上没有滥用市场力的实时监控方法。为此,该文将深具中国经济特点的指标体系与可以实现自动识别的支持向量机相结合,实现了实时获得具有滥用市场力嫌疑的公司名单,最大程度上减少了专家判断的工作量。首先,该文将构造的违规识别方法分成建设阶段和使用阶段,并详细描述该方法是如何将专家判断和智能识别方法进行充分结合,从而实现实时识别的;其次,在指标体系方面,该文根据中国电力市场的结构和规则,对现有的市场力指标进行分析和改进,并给出LSSAO回归算法进行指标筛选,避免指标的多重共线性问题;最后,在识别算法方面,为提高支持向量机参数优化的速度,以网格算法为基础,构造了SVM-ICC-DPRP算法。以仿真数据为实验,该文的识别方法可以迅速得到嫌疑名单,准确率达到99.5%,说明了该文方法的有效性。

基于改进支持向量机的发电企业滥用市场力违规识别

目前我国正在稳步推进电力市场改革,为了构建健康高效的电力市场,迫切需要加强市场主体的信用评价。对发电企业滥用市场力的违规行为进行识别是电力市场主体信用评价的一项关键性工作。传统的发电企业滥用市场力违规行为识别主要依赖于专家决策,随着市场交易量越来越大,专家决策无法满足工作需要,必须提出适用于计算机分析的智能识别方法。首先分析了发电企业滥用市场力的原理,提出了滥用市场力的量化定义。然后考虑到电力市场具体的数据特点提出了改进的支持向量机发电企业违规识别方法,并将其与定义结合起来形成了一个系统的识别方法。最后采用电力市场仿真实验构造训练集,进行训练和测试。测试结果表明发电企业滥用市场力行为能够准确识别出来,验证了所提方法的有效性。

基于LDA主题模型的上市公司违规识别——以中国A股上市银行为例

以我国2010—2019年的A股上市银行年报为样本,利用LDA主题模型深度挖掘年报语义信息并构建银行年报的主题指标,在多种机器学习模型上对比主题指标与常用的财务指标、文本特征指标及其与主题指标的合并指标在检测上市银行违规时的性能。研究发现:年报文本主题内容对上市银行的违规行为有一定的预测作用,且与单一传统指标相比,主题指标可以提升传统指标的违规识别性能。研究结果为使用年报文本主题信息和机器学习方法识别上市银行违规的有效性提供了直接的证据,为市场构建了一种有效的违规识别指标体系,为审计师找到了一种较为高效的违规识别方法,有助于进一步规避与防范审计风险。

基于Kinect的矿井人员违规行为识别算法研究

由于煤炭生产的特殊性与危险性,煤炭生产过程中安全事故常有发生,其中人为因素占极高的比例,因此研究矿井工作人员的违规行为十分必要.针对人体行为识别中传统的动态时间规整算法经常出现的奇异点和时间复杂度问题,提出一种分段线性逼近结合自适应权重动态时间规整算法.对该算法进行了仿真以及实验,该算法在SDU Fall Dataset数据集的平均识别率达到了95.33%,平均识别时间减少了46.47%,在煤矿井下使用该系统进行测试,结果表明所提出的算法在识别速度和准确率上均有一定程度的提高.

基于井下轨迹数据的煤矿人员违规行为识别

当前有关井下人员轨迹数据的研究,缺乏针对煤矿领导带班下井的违规识别以及作业人员超时作业的违规识别。基于井下人员定位系数据,提出了判断煤矿领导是否带班下井及作业人员是否超时作业的识别方法,着重于识别煤矿领导是否带班下井、是否与上一班带班领导在井下交接班、是否存在安排他人代替下井(代打卡情况)、作业人员是否超时作业等4种场景。该方法的识别结果以图表方式直观地反应了煤矿领导带班下井情况,帮助煤矿发现隐患,促进煤矿提升管理水平,辅助煤矿安全生产。

一种基于关键点检测和注意力机制的违规着装识别算法及其应用

现有违规着装识别算法主要根据人体结构比例粗略定位并提取安全帽、工作服的图像特征,存在无法准确识别弯腰、下蹲、攀爬等大姿态问题。针对上述问题,提出一种基于关键点检测和注意力机制的违规着装识别算法,可以适用于多种人体姿态和不同拍摄角度的情况,识别效果好。该算法在行人检测基础上,设计单人关键点检测模型,并且提出区域定位策略,精确定位行人的头部、上半身和下半身区域,减少背景干扰,降低着装特征提取难度。此外,在基础图像分类模型中引入注意力机制,进一步提升违规着装识别的准确率。基于变电站工作场景下人体姿态图像的实验结果验证了该算法的有效性。

矿井皮带区矿工违规行为识别方法

针对矿井皮带区域人员违规行为的识别问题,提出了一种基于改进运动历史图描述矿工行为过程的方法,并提出金字塔几何矩特征。使用基于贝叶斯理论融合的金字塔几何矩与方向梯度直方图(HOG)特征向量识别矿工行为。首先,对三元色光(RGB)视频数据流提取关键帧,使用运动历史图描述矿工行为并在此基础上计算特征向量,使用K-最近邻(KNN)分类算法对矿工行为进行识别。使用深度学习法识别安全帽等目标,结合环境对矿工行为是否违规进行判识。实验结果表明:本文提出的方法识别准确率较高,可以达到96.5%,且时间复杂度较低,可以满足实时要求。同时,在KTH与Weizmann两个公共数据集上均取得较好的效果。

基于BERT-RCNN的中文违规评论识别研究

以网络暴力为主的恶意攻击行为已经导致多起恶性事件发生,违规评论问题引起了社会广泛关注。当前违规评论检测手段主要是依靠敏感词屏蔽的方式,这种方式无法有效识别不含低俗用语的恶意评论。该文通过爬虫及人工标注的方式建立一个中文违规评论数据集,采用BERT预训练模型进行词嵌入操作,以保留文本隐含的语义信息。在BERT基础上再利用结合注意力机制的RCNN进一步提取评论的上下文特征,并加入多任务学习联合训练提升模型分类精度及泛化能力。该模型不再完全依赖敏感词库。实验结果表明,该文提出的模型相比传统模型可以更好地理解语义信息,利于发现潜在恶意。该文模型在识别中文违规评论数据集时精确率达到了94.24%,比传统TextRNN高8.42%,比结合注意力机制的TextRNN高6.92%。

AI智能视频识别分析技术在智能化掘进的研究与应用

在分析金家渠煤矿AI智能视频识别分析技术5层架构(感知层、硬件支撑与传输层、平台层、应用层及展示层)基础上,围绕煤矿掘进作业循环过程中截割、支护及其过程中的安全防护等环节,针对掘进过程中人员进入危险区域、掘进作业人员劳动防护用品穿戴、掘进作业临时支护前探梁识别等场景,探索引入AI智能视频识别分析技术,实现危险区域违规闯入识别、作业人员违规穿戴识别、临时支护前探梁识别,以提升智能化掘进过程中安全管理水平。

基于无人机驻塔驻线装置的远程视频稽查方法研究

本文针对传统布控球在高空作业远程视频稽查中存在的问题,提出了一种基于无人机驻塔驻线装置的新型监控方法。该方法借助无人机的便携性和灵活性,实现了实时、全方位的高空作业监控,显著提升了稽查效率和准确性。此外,本研究还开发了一系列相关装置和方法,包括用户友好的操作界面、违规行为识别算法、远程实时视频传输技术以及无人机云台远程遥控技术,进一步增强了稽查的效果和便利性。

基于视频的机场出发层违规接客车辆识别方法

为有效监管机场出发层车道边车辆违规接客行为,降低违规接客行为对陆侧交通通行能力的影响,建立基于监控视频自动识别航站楼出发层违规接客车辆的方法,对违规接客车辆的行为特征进行分析,提出基于YOLO_v4&深度简单及时跟踪(DeepSORT)的车辆运动状态检测算法与车辆接客行为识别算法。首先,使用YOLO_v4识别目标,获取目标的类别与位置信息,统计车辆目标在各个运行状态下的位移数据,分析车辆目标运行状态阈值,建立基于固定监控机位的车辆运动状态检测算法。然后,结合识别跟踪的信息,分析发生接送客行为时各目标间的行为关系与发生区域,以车内人数变化为区分接客与送客行为的重要依据,建立了基于YOLO_v4&DeepSORT识别跟踪结果的接送客行为检测算法。其中,违规识别算法使用YOLO_v4和DeepSORT识别、跟踪、记录并处理目标类别与位置信息,判断车辆的运行状态与驾乘人员在车辆附近的相关行为;在车辆停止时记录乘客行为信息,计算车内人数变化情况,在车辆消失于监控区域时根据最终车内人数变化情况判断车辆的接送客行为。最后,使用Python语言实现机场出发层违规接客车辆识别算法,并以昆明长水国际机场2019年9月1日~3日的监控视频进行违规识别算法测试。结果表明:提出的违规接客识别算法从机场出发层识别接客行为较为有效,其识别准确度达到了86.49%,可为机场出发层违规接客识别提供有效监控手段;同时,其中仅有0.41%的车辆被误判为违规接客,具有较低的误识别率,该算法可较好地区分接客行为与送客行为,有助于在接送客混行的出发层中将正常车辆与违规车辆加以区分。

市场开放下电力交易全过程违规行为识别探究

电力市场竞争性交易初期，由于市场机制不完善导致出现大量市场交易违规行为。损害电力市场运营效率和社会效益。为了全面分析电力市场交易过程中存在的违规行为，本文从多主体、全过程、多目标出发，构建了电力市场交易全过程的违规行为指标体系。首先设计了电力市场交易全过程的违规行为识别框架；其次提出了违规行为识别方法，从交易前、交易中、交易后三个维度进行违规行为识别；再次针对交易中市场主体的动态变化行为，分别对发电企业、售电公司、电力用户三类市场主体在交易中的违规行为进行识别；最后提出了适用于电力市场交易全过程的违规行为指标体系，为将来电力市场交易有效监管、市场运营效率提高提供了借鉴。

基于EDA和回译的导游投诉文本混合增强方法

近年来,使用机器学习算法从导游投诉文本数据中识别出导游违规行为,辅助旅游监管人员工作,为旅游监管提供依据,成为一个必然趋势。然而导游投诉文本存在着语料单一、难以获取等困难,如何对这些导游投诉文本进行文本增强以满足导游违规行为识别需要,是一个迫切需要解决的问题。针对这一问题,提出了一种基于EDA(easy data augmentation)和回译的导游投诉文本混合增强方法。从EDA和回译两个角度对导游投诉文本进行增强,将两种方法返回的增强投诉语料进行混合,得到最终的增强文本;并将该方法在实际的导游违规行为识别系统中进行了应用与验证。通过大量实验对该方法与传统的EDA文本增强方法、回译文本增强方法进行了分析与对比,实验数据表明,基于EDA和回译的导游投诉文本混合增强方法相对于其他两种传统文本增强方法具有更高的准确率和更优秀的文本增强效果,应用在实际的导游违规行为识别系统中得到了87.54%的准确率,相比原始数据集准确率提升了7.4%。

电力市场中市场力风险防范方法的研究

由于发电侧存在的市场力形式多、识别难、监管难等问题,有效防范电力市场中的各类风险,保证市场的公平竞争具有重要意义。本文在全面分析市场力风险的基本特征及处置难点问题的基础上,提出了一套适合我国国情的电力市场力风险防范及监管处置的理论和方法。该方法通过对电力市场运营大数据进行风险形式库分析、风险可能性分析、风险逻辑分析,并建立了完整的风险管控体系,最终得出有效、可靠的风险分析结果,能为电力市场法规化处置提供有力的监管依据。通过算例分析,该防范风险方法能对潜在风险提前进行全面梳理和识别,为市场监管人员有效监管提供新思路。