基于深度置信网络的重力坝深层抗滑稳定安全系数预测方法

为了提升抗滑稳定安全系数预测模型性能,基于深度置信网络,通过坝前水深、材料参数来构建重力坝深层抗滑稳定安全系数预测模型,并同时构建BP神经网络模型来对比预测性能。结果表明,DBN网络模型在安全系数预测方面的性能优于BP网络模型,在重力坝深层抗滑稳定安全系数预测方面有良好的应用性。

基于机器学习的重力坝变形监测统计模型及应用

为了提升重力坝变形监测模型精度,文章采用极限学习机(ELM)、基于网格搜索和交叉验证的支持向量机、基于模拟退火遗传算法优化的BP神经网络(GASA-BP)三种机器学习方法对经验模态分解(EMD)重构的周期项进行训练和预测,并与传统的最小二乘法进行对比分析。结果表明,机器学习算法可以有效提升模型的拟合及预测精度。

基于EMD的重力坝变形监测统计模型及应用

监测时段的选取和统计模型各分量的构造形式会影响传统重力坝变形监测统计模型的水压分量、温度分量、时效分量的分离结果。采用经验模态分解(EMD)方法将原始监测效应量自适应地分解产生非周期性的时效分量,建立基于EMD的重力坝变形监测统计模型,将其应用于YL重力坝9#坝段位移测点。选取HTT、HST和HT_(pca)T统计模型作为传统统计模型,采用不同的评价指标对4种模型的精度和合理性进行对比。YL重力坝9#坝段位移监测结果表明,基于EMD的重力坝变形监测统计模型的预测精度更高,水压分量、温度分量和时效分量的分离更合理。

智能电能表的现场运行管理途径

智能电能表是智能电网建设的重要组成部分。随着智能电能表的逐步普及,智能电能表在设计、制造、管理、运输等方面存在 质量问题逐渐暴露。本文首先介绍了什么是智能电能表,其次对智能电能表运行出现的问题进行分析,后提出相应的问题解决措施,期 与能够为提高智能电能表的现场运行提供帮助。

用电信息采集系统的建设与应用分析

基于电能信息采集领域的电能信息采集系统是一种将智能电网、电力营销和线损管理相结合的电能信息采集系统,是电能信息获取的一种新的解决方案。它为双向交互提供了强有力的技术保障,实现了电能信息的综合检测和采集功能,为电力营销的业务效果和强大的智能电网建设提供了强有力的技术保障。本文对用电信息采集系统的应用进行了分析,并找出在应用过程中存在的问题,提出相应的解决措施。