基于平均绝对误差的海上风电经柔直送出系统交流海缆纵联保护

海上风电经柔直送出系统交流海缆线路两侧故障电流均受控,故障特征与传统同步电源有着明显差别,差动保护存在不正确动作风险。针对该问题文中介绍了一种基于平均绝对误差的海上风电经柔直送出系统交流海缆纵联保护。所提保护根据一定时间窗内一侧电流采样值与负的另一侧电流采样值之间计算得到的平均绝对误差值在区内外故障时的差异构成保护判据,并对所提保护的性能进行了分析。利用PSCAD软件仿真验证了所提保护在各种工况下的有效性。仿真结果表明:所提保护在区内外故障时能够正确动作,且在高阻故障时有着良好的性能,面对风机不出力的极端情况下也能正常工作并具备选相功能,性能比差动保护更优越,更适用于海上风电经柔直送出系统交流海缆线路。

对平均误差定义的一点看法

对平均误差定义的一点看法刘俊刁（物理系）教材［１］１８页在叙述利用平均误差来估计多次等精度测量的随机误差中认为；“平均绝对误差定义为各测量值残差的绝对值的平均值即面（１）在普通物理实验中，上式定义的测量列的平均绝对误差，可粗略地看成算术平均值的最大误...

气象要素空间化方法精度的比较研究——以平均气温为例

以国家气象局1971年～2000年30年整编资料中的东北、华中地区1978年、1984年、1990年、1996年4年的1月份、7月份及年平均气温数据为数据源,采用直接插值法(反距离权重法和普通克里格法)、趋势面模拟+残差内插法、空间化气候值+年际距平空间插值方法、空间化气候值+年际距平趋势面模拟+残差内插等4种方法,进行了空间化精度的比较研究.通过平均绝对误差(MAE)、平均相对误差(MRE)以及交叉验证等几种评估标准的比较,认定在具有30年月平均气温栅格数据库作为背景的前提下,采用空间化气候值+年际距平值IDW内插的方法在东北、华中两个地区空间化的误差相对较小,并且其操作方便,是一种对平均气温这一要素的短时间序列空间化而言既方便,插值效果又相对较好的空间化方法.

基于多任务神经网络的水下震源定位方法研究

针对传统水下被动定位算法传感器阵列体积大、布设难、环境失配等问题,提出一种基于多任务神经网络的水下震源定位方法。该方法通过仿真浅海声场数据集,利用声信号到达各个测量传感器的相对时间差,结合深度学习方法,在多任务卷积神经网络MTL-CNN(Multi-task Convolutional Neural Network)和Attention-UNet结构基础上,设计MTL-Attention-UNet神经网络模型,对水下震源的距离和深度进行联合估计。仿真结果表明:用MTL-Attention-UNet模型对水下震源进行定位的平均绝对误差比MTL-CNN网络模型小,定位性能更好。

基于混合神经网络模型的卷烟投放预测方法

为科学制定卷烟产品的投放策略,提出1种基于混合神经网络模型的卷烟投放预测方法.通过结合Boosting-GRU多元预测模型、产品销售量至投放值计算以及GRU多分类模型3种方法来实现卷烟产品不同档位的投放策略的生成.以湖北省十堰市的卷烟产品历史销售数据为实验对象,对所提的方法进行验证.实验结果表明,该方法的产品销售量预测平均准确率达到了97.64%,投放策略生成的平均绝对误差均低于20%.

混沌系统模型误差平均绝对误差增长过程研究

混沌系统的平均绝对误差增长最初是用来刻画初始值误差增长的,本文依照平均绝对误差增长的定义来研究模型误差的增长过程,获得了一些很有意义的结论.研究发现,在初期模型误差的平均绝对误差增长呈指数级增长,增长指数同模型的扰动相关,与真实系统最大Lyapunov指数没有直接关系.其后模型误差进入非线性增长过程,误差增长放缓,最终达到饱和.误差饱和值恒定,当真实系统和模型系统吸引子差别较小时,模型误差饱和值基本上同真实系统的初始值误差饱和值相等.利用上述研究结论可以求出模型的可预报期限,这在数值天气预报中具有重要的意义.进而利用模型的可预报期限可以对同一真实系统的不同模型进行评价,相对真实系统越精确的模型拥有更高的可预报期限.这对新模型的开发具有很强的指导作用.

CT图像层间插值方法的深入分析验证

目的:通过CT图像层间插值的方法提高图像质量,从而保证放疗中患者摆位验证的精度。方法:采用基于深度卷积神经网络(DCNN)算法,利用图像层间的关联信息重建中间层图像。应用卷积层、膨胀卷积层、池化层和上采样层交织的端到端的神经网络对CT图像进行处理。由于头颈部和胸腹盆部的结构差异,分别采用70例头颈部和75例胸腹盆部患者的图像数据进行训练,建立不同的头颈部和胸腹盆部模型。采用留一交叉验证的方法验证模型,将DCNN与线性插值和生成对抗网络(GAN)的性能进行比较。结果:头颈部患者中,DCNN的平均绝对误差(MAE)为36 HU,优于线性插值和GAN的62 HU和50 HU。除此之外,骨骼的Dice相似系数(DSC)为0.95,超过线性插值和GAN的0.88和0.91;胸腹盆部位患者中,DCNN的MAE为29 HU,优于线性插值和GAN的47 HU和34 HU。除此之外,骨骼的DSC为0.94,同样超过线性插值和GAN的0.87和0.91。结论:与线性插值和GAN相比,DCNN算法在重建薄层CT图像方面具有更高的精度;其显著减少了插值伪影、图像失真和锯齿效应,从而提高了放疗患者摆位验证的精度。

基于深度流形学习的人脸年龄识别

现有的人脸年龄识别方法大多利用深度学习框架提取人脸特征来识别年龄,但深度学习方法提取的高维人脸特征往往包含大量的冗余信息,不利于人脸年龄的识别。为了提高人脸年龄识别算法的精度和鲁棒性,提出了一种基于深度流形学习(Deep Manifold Learning, DML)的算法,采用深度学习提取人脸特征,通过流形学习选择具有判别性的人脸特征,将深度学习提取的高维人脸特征嵌入到低维的判别子空间上识别年龄。在公开的人脸数据库MORPH和FG-NET上对DML算法进行了实验,结果表明DML方案平均绝对误差(Mean Absolute Error, MAE)大幅度降低,不同误差值下识别累积评分(Cumulative Score, CS)明显提高,显著优于当前流行的人脸年龄识别方法。

基于评分矩阵与评论文本融合的混合推荐模型

推荐系统已在电子商务中迅速推广应用,其带来的数据稀疏性增加了评分预测的不准确因素。提出了一种将评分和评论文本相融合的混合推荐模型(MRB),将用户偏好影响因子引入用户评分预测模型(UBP)中,将项目-时间因子引入项目评分预测模型(IBP)中,通过推荐结果平均绝对误差(MAE)实验验证,当近邻数为50时,该模型明显优于传统的模型。

基于残差网络的人脸图像年龄识别研究

针对目前基于深度学习的人脸年龄识别训练集数据量小、识别精度不高的问题,提出了一种基于残差网络的迁移学习人脸年龄识别方法。将在ImageNet数据集上训练的残差网络ResNet模型迁移到人脸年龄识别任务中进行了分析、处理。所提方法在人脸数据集MORPH和FG-NET上的实验结果表明,残差网络与迁移学习结合能够有效提高年龄识别的准确性。

公路货运量影响因素分析及趋势预测模型研究

为了提高公路货运量预测的准确性,本文选取经济、基础设施、人口等影响因素,运用皮尔逊相关系数对影响因素与公路货运量之间的相关性进行分析,构建预测模型,并采用平均绝对误差法对模型精度进行验证。结果表明:经济因素中的建筑业增加值对公路货运量的影响最大,皮尔逊相关系数为0.964,具有极显著性;其次是基础设施因素中的高速等级公路里程和人口因素中年末常住人口与公路货运量的相关性最高,相关系数分别为0.925,0.908,呈极显著性和显著性。研究发现,经济因素中以第二产业增加值为影响因素的预测模型平均绝对误差最低,为2602.466513;其次是基础设施因素中以公路里程为预测模型和人口因素中以常住人口为因子的预测模型误差最低,分别为5268.431313、11091.81933。

基于ANN架构的新能源发电预测模型的研究

以风能和太阳能为代表的新能源具有随机性、间歇性和波动性,对新能源发电功率进行预测是有效解决以上问题的途径。为解决可再生能源(Renewable Energies,REs)在电力网络中不断整合对电力供应系统去中心化带来的问题,提出了一种基于神经计算的预测模型。首先,获取不同的数据集,并介绍了数据使用方法;其次,对不同的人工神经网络(Artificial Neural Network, ANN)架构进行了深入研究,同时探讨了不同的输入特征,以及对预测结果不确定性的评估方法;最后,通过模拟实验表明在光伏发电方面,本模型的预测相对平均绝对误差(Relative Mean Absolute Error,RMAE)可以在夏季达到2.5%,在冬季达到0.5%。而在整个年度内,通过使用输入类别特征的减小均值,光伏和风力发电的RMAE分别可以达到1.7%和4.9%。这一方法的实施为地区可再生能源的集成提供了有力支持,同时也为应对可再生能源的波动性和不可控性提供了新的解决思路。

基于MMAE指数的高光谱影像序列微弱变化信息提取

针对多时相高光谱影像的微弱变化,提出一种基于最小平均绝对误差(MMAE)的无监督变化信息提取方法。利用高光谱影像光谱特征之间的内在联系,对光谱特征向量组成的时间序列进行单波段向量自回归模型预测,得到局部变化趋势以及进行多波段拟合获得整体变化趋势,并通过哈达玛积将两者相结合,利用MMAE指数有效地提取微弱变化信息,获得初步变化信息图。实验结果表明,与SCD,PCA,CVA,IR-MAD等方法相比,该方法能够更有效地提取多时相高光谱影像的微弱变化信息,保持变化区域的细节,同时可抑制不同时相高光谱影像的背景噪声。

基于Conv1d-LSTM模型的能源分配预测

能源分配问题往往与其所在区域环境有关,能源分配的预测可以通过当地环境因素数据来推测之后对该区域的能源分配数值,最大程度上分配好能源.LSTM网络预测短期效果良好,但预测较长时期的数据会导致误差积累,速度慢且准确性差;Informer是近期新提出的能源预测算法模型,速度快但在该任务上预测能力不够.本文提出Conv1d-LSTM模型,预测结果优于上述两个模型,具有更低的平均绝对误差和均方根误差.

三种插值方法对区域自动气象站日气温缺测数据插补的适用性研究

为解决气温观测记录缺测的问题,选择反距离权重插值(Inverse Distance Weighted,IDW)、普通克里金插值(Ordinary Kriging,OK)和多元线性回归(Multiple Linear Regression,MLR)三种方法,以湖北省2020年为例,对全省逐日平均气温(T)、最高气温(Tmax)和最低气温(Tmin)进行空间插补,并采用平均绝对误差(Mean Absolute Error,MAE)对3种方法的插补结果进行检验。结果表明:用MLR插补得到的Tmax、Tmin、T的MAE最小,分别为0.41℃、0.31℃和0.20℃,其中T的插补误差在1℃以内的站点比例高达100%;相比IDW和OK,MLR插补结果的MAE空间分布均匀,其不仅随海拔高度变化较小,随季节变化也相对较小。单站试验结果表明,当用于MLR模型的样本数量越多、时间离散度越大时,MLR对气温的插补效果越好。总体上,对日气温缺测数据的插补效果,MLR最优,IDW次之,OK最差;对于建立气象站点长时间连续气温数据集而言,MLR更适合解决区域自动气象站日气温数据缺测问题。

基于标记分布学习的人脸年龄识别算法

针对人脸年龄识别可用数据集普遍不足的问题,为提升可用数据集不变情况下人脸年龄识别的精度,在深度学习(DL)框架中引入标记分布学习(LDL)策略,命名为DL-LDL,其中卷积神经网络用于自动提取人脸特征,改进的标记分布学习用于学习真实年龄及相邻年龄之间的模糊性和多义性,以丰富年龄信息,提高识别精度.将DL-LDL方法在MORPH和FG-NET这2个公开数据集上进行了试验测试.结果表明:DL-LDL方法提高了年龄识别的精度,与现有最先进的人脸年龄识别方法相比,在MORPH和FG-NET上的平均绝对误差分别降低了8.2%和13.8%.

一种公开DEM数据的境外高程精度评估方法

针对当前公开DEM数据缺乏境外精度评估手段的不足,本文提出一种基于机场跑道数据的境外DEM数据精度评估方法。利用机场跑道的平直特性,通过航行资料获取跑道坐标及高程信息,并以欧亚地区78座机场为实验区域,平均误差、平均绝对误差、中误差为统计指标,对SRTM、ASTER GDEM、AW3D30、TanDEM-X DEM等多种公开DEM数据的精度展开定量评估。实验结果表明:在现有的公开DEM数据中,TanDEM-X与AW3D30的高程精度最高,SRTM次之,而ASTER的高程精度则相对较低,本文方法为公开DEM数据的境外精度评估与优选提供了一种新的手段。

人脸年龄估计方法的研究与设计

人脸年龄估计在跨年龄人脸识别、智能安全防范、刑事侦查、图像与视频检索等领域具有较大的应用价值。由于年龄变化受到多种因素影响,且个体差异较大,要想实现高准确率的年龄估计仍面临着许多挑战。与此同时,高准确率的年龄估计模型往往需要大量的参数,很难适应端侧设备等计算资源有限的应用场景。针对以上问题,设计了一种轻量级的基于注意力机制和软区间分段的年龄估计方法。采用双通道卷积神经网络结构并引入注意力机制,由粗到细通过软区间分段回归进行多类分类。实验结果表明,模型大小为0.5MB,在公开数据集MORPH2上平均绝对误差(MAE)为3.08,在CN-Face数据集的MAE为3.73,在保持较高的准确性下有效减少模型尺寸大小,所设计方法在年龄估计准确性和推理速度之间取得了较好的平衡。

信息推荐系统中的朋友关系预测算法设计

伴随着互联网规模的不断扩展,信息过载问题越来越突出。信息推荐系统被视为解决信息过载问题的最有效方法。然而目前的方法大多数仅考虑用户独立的反馈,而忽略用户的社会属性对推荐的重要作用,这对信息推荐系统的性能会造成巨大的影响。为此,本文提出了基于朋友关系预测的信息推荐算法,将用户的社会关系预测引入信息推荐过程中,分别基于用户的拓扑信息及历史交互信息建立用户社会关系的存在性判定及关系类型判定,并利用线性回归分析方法和逻辑回归分析方法实现了基本特征的融合。最后,通过在Epinions和Slashdot真实数据集上的实验证明,本方法能够有效提高用户社会关系预测的准确性。