摘要：柔性直流配电网故障特征复杂,快速可靠的故障保护方法是柔性直流配电网亟需突破的关键技术。基于此提出了一种基于直流线路限流电抗器暂态电压皮尔逊(pearson)相关系数的直流配电网纵联保护方法。首先,分析了区内外不同故障类型下直流线路两端限流电抗器暂态电压的特征差异。其次,利用正、负极线路电压的变化率构成保护启动判据,通过直流线路两端限流电抗器暂态电压的pearson相关系数识别区内、外故障,并利用直流线路正负极电压变化率间的正负关系设计故障选极判据。最后,在Matlab/Simulink仿真软件中搭建柔性直流配电网仿真模型验证所提保护方法的可行性。结果表明所提保护方法能满足柔性直流配电网保护速动性和选择性的要求,且耐过渡电阻能力强,受通信延迟影响小,具有一定的抗干扰能力。

摘要：对直流配电网保护技术的研究是保证其安全稳定运行的前提,为此提出一种基于故障暂态电流pearson相关系数的纵联保护方案。首先分析了区内外不同故障类型下换流站电容电流与线路保护安装处测量电流之间的关系特征,之后利用pearson相关系数表征上述两个电流的方向性和相关性,并根据线路两端pearson相关系数的正负和大小设计保护判据,最后在Matlab/Simulink中搭建直流配电网的模型,通过对双端以及多端直流配电网故障的仿真分析,验证了该保护方案的有效性和实用性。

摘要：将人工鱼群算法和pearson相关系数结合,引入到进行裂缝属性识别的横波分裂方法中。结果表明,本文使用的方法能快速准确地识别裂缝属性,相比于模型空间扫描、粒子群算法及遗传算法等识别方法,收敛速度增快了约3倍,稳定性上也有所提高。

摘要：用户电费回收风险预警是电力公司运营中的一个难题,为此提出了一种基于多层感知机(MLP)的电费回收风险预警方法。首先,利用pearson相关系数对影响电力客户拖欠电费的因素进行特征提取;然后,提出并描述了基于MLP的电费回收风险预警具体流程;最后,在一组实际数据上与传统的logistic回归算法对比,证明该方法的高效性。对比结果显示,该算法的预测精度达到了92.31%,可为供电单位在风险客户管理上提供预警。

摘要：水库大坝常涉及边坡工程,传统边坡监测主要针对单个测点的变形和应力的变化情况,不太注重多测点边坡整体变形状态的分析。基于pearson相关系数和Moran相关系数,考虑不同测点的空间坐标,提出一种空间相关系数,用以分析边坡各测点空间上的关联性质;并建立边坡外观变形监测的3个关联性指标:测点关联度Rij、测点影响度Ii、边坡整体度I。通过指标的变化趋势,从关联性角度实现对边坡整体性质的把握。通过对某混凝土坝左岸高边坡外观变形资料的分析,本文提出的空间相关系数符合实际,3个关联性指标具有一定的合理性,对分析边坡安全状态有一定辅助作用。

摘要：在观察者观看和评价图像质量的过程中,提取对主观质量评价有重要影响的信息,并构建了一种图像感知质量评价模型.首先在主观评价过程中提取感知亮度、频率以及边缘3种重要信息;然后构造人眼视觉系统对3种信息的响应函数,并通过线性回归分析将函数拟合成为所需的图像感知质量评价模型;最后,分析了模型的预测值与主观质量评价方法给出的质量分数之间的pearson相关系数和Spearman等级相关系数,分别为0.966和0.949.与其他一些有代表性的客观图像质量评价方法相比较,该模型具有明显的优越性.

摘要：为了提高机械加工过程中小样本刀具磨损量监测的准确性,提出一种基于pearson+GBDT特征提取、Tent混沌映射和原子搜索算法(ASO)优化BP神经网络(Tent-ASO-BP)的刀具磨损量预测模型。针对BP神经网络特征选择及参数选择难题,提出了基于pearson+GBDT的双层过滤式特征筛选方式求取网络输入特征,并使用Tent混沌映射改进原子搜索算法(ASO)对BP神经网络最优权值和阈值进行求解。通过实验证明:Tent混沌映射改善了ASO,避免ASO陷入局部极值和过早收敛,即通过交叉验证证明Tent-ASO优化BP神经网络训练模型精度较ASO高。同时,验证了梯度提升决策树(GBDT)能够筛选出用于刀具磨损值映射的一组特征,且特征筛选能力强于同类算法Light GBM、Catboost、决策树、随机森林。

摘要：航天器处X射线脉冲星观测信号模拟对脉冲星信号处理方法及导航方案的验证具有重要意义.通过建立航天器处光子到达时间与相位之间的关系,可显著提高脉冲星信号模拟算法的效率.目前建立的航天器处光子到达时间与相位之间关系模型并未考虑接收信号频率变化,模拟精度较低.针对这一问题,本文建立了考虑频率一、二阶导数时的光子到达时间与相位关系模型,并基于该模型给出航天器处观测信号模拟方法,提高了脉冲星观测信号模拟算法精度.仿真实验证明,相比于迭代法或实时计算航天器处光子到达速率函数的方法,利用推导的光子到达时间与相位关系模型,仿真速度最高可提高3个数量级,保证了信号模拟算法的高效率;且相比于未考虑频率变化的情况,由包含频率一、二阶导数的模型得到的pearson相关系数最高可提高350.0%,显著提高了计算精度.

摘要：目的研究基于Mimics软件的人工智能(artificial intelligence,AI)自动分割膝关节CT图像建模方法,旨在提高膝关节建模效率。方法选择3名志愿者膝关节CT影像,在Mimics软件中分别进行AI自动分割和手动分割图像并建模,记录自动建模时间。参考既往文献选择股骨远端和胫骨近端解剖标志点,计算与手术设计相关的参考指标,用pearson相关系数(r)判断两种方法建模结果相关性,以DICE系数分析两种方法建模结果一致性。结果经自动及手动分割图像均成功构建膝关节三维模型。3个膝关节自动分割建模所需时间分别为10.45、9.50、10.20 min,较既往文献中手动分割建模(64.73±17.07)min缩短。相关性分析示手动和自动分割生成的模型之间存在强相关性(r=0.999,P<0.001)。3个膝关节股骨DICE系数分别为0.990、0.996和0.944,胫骨分别为0.943、0.978和0.981,提示手动与自动分割建模一致性程度高。结论在Mimics软件中可采用AI分割图像方法快速建立有效的膝关节三维模型。

摘要：针对光伏功率单变量预测方法的不足,设计了一种新型光伏功率多变量相空间重构预测方法。首先,基于相关性分析,选取实际光伏电站的历史光伏功率和气象因素时间序列组成多变量时间序列;然后,利用C-C法和虚假邻近点(false nearest neighbors,FNN)法重构光伏功率预测的多变量相空间,并以小数据法识别其混沌特性;最后,结合径向基函数(radial basis function,RBF)神经网络强大的非线性拟合能力,建立了基于多变量相空间重构和RBF神经网络的光伏功率预测模型。算例分析表明,相较于单变量预测方法,所提出的多变量相空间重构预测方法性能更加优越。