【摘 要】
:
本文通过研究小样本学习技术,设计研发具备快速自学习能力的异常用电类型辨析算法,利用已知异常用电案例类型,结合计算机推算,形成大量学习样例,快速学习异常用电特性,生成更加详细、可信的异常用电诊断结果,为现场稽查、取证提供有力的支撑。
论文部分内容阅读
本文通过研究小样本学习技术,设计研发具备快速自学习能力的异常用电类型辨析算法,利用已知异常用电案例类型,结合计算机推算,形成大量学习样例,快速学习异常用电特性,生成更加详细、可信的异常用电诊断结果,为现场稽查、取证提供有力的支撑。
其他文献
现代白内障手术已经转变成屈光性手术,因此安全有效地矫正散光是现代白内障手术的重要组成部分。Toric IOL(IOL)植入术因其高度的可预测性及安全性已经逐渐成为白内障术中矫正0.75D以上角膜规则散光的首选方式。Toric IOL需要植入在一个精准的轴位才能达到良好的散光矫正效果。Toric IOL错位的主要原因是术后旋转,这通常在术后不久发生。术后大幅度的旋转会降低Toric IOL的散光矫正
在世界淡水资源短缺的背景下,人们利用丰富的海水资源来获取淡水。然而传统的海水淡化技术能耗高,设备复杂,不利于可持续发展,因此需要寻求新型简易的水净化技术,来减少不可再生能源的损耗,而太阳能海水淡化技术是目前新兴的、具有潜力的解决方案。该技术通过利用光热转化材料,将太阳能直接用于海水的蒸发产生淡水,具有效率高、清洁环保等优点。本文采用具有宽谱吸收性能的碳纳米管(CNTs)作为光热转化材料,通过自组装
目的 研究宋金元文献治疗妊娠恶阻的用药规律,为现代临床应用提供参考。方法 从宋金元医学文献中筛选涉及妊娠恶阻的46部书籍,将其录入中医传承辅助系统(V2.5)进行频数统计、关联规则分析、复杂系统熵聚类分析等组方规律研究,提取新方,总结其治疗妊娠恶阻的用药规律。结果 纳入处方182首,涉及96味中药,高频药物依次为人参、生姜、茯苓、半夏、陈皮、白术、甘草,以补气药、解表药、化痰止咳平喘药为主。药性以
目前我国饲料加工中广泛采用的粉碎设备是锤片式粉碎机。针对传统锤片式粉碎机筛分效率低、能耗浪费严重、物料温升大等问题,课题组开发了一种可在单机上实现循环粉碎工艺的新型锤片式粉碎机,前期研究表明,该粉碎机能有效地解决物料过粉碎、温升大的问题,但还是存在分离效率与粉碎效率相比偏低的问题、进而未能有效降低整机耗能。为此本文旨在提高分离装置物料输送能力,进而提高出料量,达到提高粉碎机生产率的目的,设计了一种
在“双碳”背景下,废铝回收迎来新机遇。粉碎是废铝回收中必不可少的工艺,粉碎颗粒的大小直接影响铝合金压制效果的好坏。粉碎机作为回收废铝的重要设备,其工作效率直接关系到再生铝产量。目前铝屑粉碎机多采用撕碎、剪切的粉碎方式粉碎铝屑。此类粉碎机粉碎后粒度较大,往往不能满足后续工作的要求,效率低、能耗高成为制约粉碎机提高产能的因素,因此迫切需要设计一种新型铝屑粉碎机来解决上述问题。针对现有粉碎机在作业过程中
目的 探讨核糖体蛋白L4(RPL4)在结直肠癌患者中的预后价值及生物学意义。方法 从癌症基因组图谱(TCGA)数据库下载542例结直肠癌患者的转录组数据和417例具有完整的总生存期和生存状态资料患者的临床数据。经limma差异基因分析,比较RPL4在结直肠癌组织和正常组织的表达情况,并采用Kaplan-Meier生存分析,评估RPL4表达与结直肠癌患者预后的关系。采用TISCH数据库在单细胞测序水
焊接技术作为一种重要的加工技术,已经广泛应用于汽车制造、船舶制造、建筑施工、航天设备以及核工业等多个工业制造领域。由于焊接环境、焊接方法和结构应力等因素影响,成形焊缝中可能存在夹杂、气孔、裂纹、未焊透和未熔合五类内部缺陷,这些缺陷会大幅影响焊接结构的性能,造成产品损坏甚至人员伤亡,因此,焊缝结构的无损检测是保证工业生产正常进行的重要保障。随着科学技术的发展,超声相控阵检测技术以其检测灵敏度高、检测
与传统丝网或圆网印花相比,数码印花通过计算机控制喷头省去了制版配色等繁琐工序,具有耗能低、污染小、图案限制少、可实现色域广等优点,并在生产生活中有开始普及的趋势。在个性化、定制化的当代,在多色彩设计与小规模生产中适用性较高。其中,涂料数码印花技术可适用于各混纺面料,且粘合剂或表面改性作用下通过高温烘焙直接固色,具有颜色稳定、耐日晒牢度高等优势。随颜色使用的增多及图形设计的日益复杂,除增强显色深度和
总结邓高丕教授治疗妊娠恶阻的临床经验。妊娠恶阻之病机有虚有实,虚者表现为脾胃虚弱或肝肾两虚,实者表现为肝气郁结或肝火旺盛,虚实夹杂者则表现为脾胃虚弱而痰湿阻滞。治疗当以补虚、降火、解郁、祛痰为法。呕吐轻者予中药内服,呕吐重者可采用中药直肠滴注给药,配合穴位贴敷、穴位注射、艾灸、耳穴压豆等中医特色疗法,并注重调节情志及饮食结构,以提高和巩固疗效。
目前,通常采用深度神经网络根据历史用电数据检测用户用电行为异常,但该方法忽略了电力数据缺失对异常检测性能的影响。为此,提出一种基于缺失值补全和双向长短期记忆神经网络(BiLSTM)的用电行为异常检测模型。首先,采用卡尔曼滤波器和一维卷积神经网络学习电力数据文本信息表示,通过图注意力网络捕获电力数据间复杂的关联关系。然后,以Transformer为生成器,支持向量机(SVM)为判别器构建生成对抗网络