基于时空图注意力的短期电力负荷预测方法

准确的电力负荷预测对现代电力系统的安全经济运行至关重要.电力负荷预测可以表述为一个具有一定潜在空间依赖性的多变量时序预测问题.然而,大多数现有的电力负荷预测工作未能探索这种空间依赖关系.基于此,本文提出了一种基于时空图注意网络的短期电力负荷预测方法.提出一种基于时空图注意网络模块,该模块使用图注意层实现自适应的捕捉各用户间的潜在空间依赖性,同时使用门控卷积注意力层对各用户用电量在时间维度上进行自适应拟合,以提高网络的预测精度.实际数据实验表明,本文提出的模型整体预测精度提高明显,特别是在一定程度上缓解了长程预测精度恶化的问题,验证了所提方法的有效性与可行性.     

基于时空图注意力模型的动态软测量建模方法

近年来深度学习由于其特征提取和非线性拟合等方面的优势,在软测量建模中得到了广泛的研究.而深度学习模型是一种黑箱模型,其预测结果难以解释,而且很难将关于过程的先验知识引入模型,这些缺点阻碍了它在实际工业过程中的应用.另外,工业过程数据是具有高度非线性和动态性的时间序列,其本质上反映的是过程随机变量随时间不断变化的趋势,其包含了重要的流程信息,因此在软测量建模过程中引入过程的动态信息是十分必要的.本文提出了一种时空图注意力模型(temporal-spatial graph attention networks, TSGAT),并将其应用在复杂动态工业过程的软测量建模.该方法通过给定变量间结构图来为模型引入先验知识,利用图注意力网络构建变量间的显式的非线性关系,并利用图注意力网络信息聚合的能力对每个时间步的数据完成图上的特征提取,再使用长短期记忆人工神经网络提取时序特征,进而完成对质量变量的预测.为了验证所提方法的有效性和优越性,将该方法应用在实际工业案例合成氨过程中的高低温转换器单元一氧化碳含量的软测量建模,实验结果表明,该模型不仅能够引入先验知识,而且具有较高的预测精度.     

利用时空图方法进行车流量实时检测

提出了一种新的时空图计算方法,并且利用时空图对车流量进行实时检测。该方法中,首先使用时空图将交通监控的视频转换成空间信息与时间信息都包含在内的连续图像,然后对时空图进行边缘提取、图像分割等处理,利用时空图上车辆的边缘、形状和占道率等信息,计算出一段时间内的车流量。本实验所用的视频由架在路边建筑物上的摄像机拍摄获得。实验结果表明,该方法能够实时、有效、准确地检测出一段时间内的交通车流量,并且能够对实时的路况进行监测,具有很好的实用价值。     

成渝地区时空压缩格局的模拟：一个改良的时空图制图模型

针对已有时空图制图模型中存在的数据来源单一、应用范围受限、数据要求过高等问题,该文提出以路径优化为思路、 Dijkstra算法为基础的制图模型改良方法.改良后的模型通过网络爬取来获得OD(Optical Density)数据;Dijkstra算法被用于实现OD矩阵数据的合并;应用多维尺度度量方法,生成最佳拟合空间;使用七参数空间坐标转换算法将拟合空间点位投影至原始地理空间中,并对拟合误差进行可靠性检验.最终依据节点的点位位移和拟合空间的扭曲现象,分析多轮区域时空压缩效应的格局.该文以成渝城市群为例,绘制不同交通网络建设水平下的通行时间时空图,预测规划高铁网建成条件下的未来可达性格局.该文证实了Dijkstra算法在时空图制图模型上的应用可行性,总结了模型改良后具有降低数据量需求及实现数据合并的优势,探索了多种通行方式下地区时空图及规划条件下预测时空图的模拟方法,扩展了时空图制图法的应用范围.     

基于车辆方波脉冲时序图的交通流参数实时检测算法

提出一种基于车辆方波脉冲时序图的交通流参数实时检测算法,克服了现有方法易受光线变化及天气影响、运算量大等缺陷,提高了实时交通流参数检测的准确率,为智能交通系统提供有力支撑。研究基于虚拟检测线,将交通监控视频降维处理为包含时间和空间信息的时空图,而后对时空图进行前景提取,生成二值化时空图的垂直投影,针对像素累积图设计了系统性去噪及车辆对象识别方法,进而生成车辆方波脉冲时序图,实时检测出车流量、车头时距、时间占有率、车辆速度并进行车辆分类。分析结果表明,所提出的方法能克服雨雪天气、夜晚光线等干扰,快速而准确地进行多车道交通流参数获取,计算负荷小,方法准确率高达97.32%,可满足智能交通系统对交通流参数检测实时性和精度的要求。     

关于非线性流水线调度算法的一点探讨

通过两个实例分别阐明单功能流水线和多条流水线链成线性串联形式的调度方案及最大吞吐率和实际吞吐率的求法。分析了单功能非线性流水线计算机的任务调度问题。     

基于多步态特征融合的情感识别

在情感计算、心理治疗、机器人、监视和观众理解等方面,基于步态特征的情感识别有着广泛的应用前景。已有方法表明,考虑手势位置等上下文信息可以显著提高情绪识别性能,且时空信息能显著提高情绪识别精度。但是单纯使用骨骼空间信息无法充分表达步态中的情绪信息。为了充分利用步态特征,本文提出自适应融合的方法,将骨骼时空信息与骨骼旋转角度结合,提升了现有模型的情感识别精度。本文模型利用自编码器,学习人类行走时的骨骼旋转信息,利用时空图卷积神经网络提取骨骼点时空信息,将骨骼旋转信息与时空信息输入自适应融合网络,得到最终特征进行分类。模型在Emotion-Gait数据集上测试,实验结果显示：悲伤、愤怒和中立情绪的AP值比最新HAP方法分别提升5、8、5个百分点;总体分类的平均MAP值提高了5个百分点。     

基于数据校验时空图的卫星网络连接计划设计

针对低轨卫星网络中网络时空连通性和流量阻塞的问题，综合考虑了星间链路状态、卫星能效和负载状态，提出了一种基于数据校验时空图的连接计划设计（data check time-space graph-contact plan design, DCTSG-CPD）方案。首先，构建基于电池模型的数据校验时空图（data check time-space graph, DCTSG），并以星间链路和卫星能源为约束，将连接计划设计建模为最大化吞吐量问题；其次，在DCTSG的基础上，通过对校验数据和转发数据的对比判断网络拥塞状态，根据卫星节点负载和星间链路流量阻塞状态，生成可用连接计划（contact plan, CP）；最后，设计适应度函数以评价可用CP的优劣，提出基于数据校验的遗传算法更新CP以生成吞吐量最大化的最佳CP。仿真结果表明，所提DCTSG-CPD方案不仅能够提升吞吐量，而且可以有效降低数据交付时延。     

摈弃爱因斯坦“尺缩”、“钟慢”效应的意义——兼论狭义相对论时、空测量值与事物固有属性的关系

本文在作者以前工作的基础上,进一步讨论了摈弃爱因斯坦“尺缩”、“钟慢”效应是否动摇狭义相对论的科学地位,以及狭义相对论与实验给出的“钟慢”现象的正确关系等问题;给出了狭义相对论对事物固有属性与不同测量值的合理表达及相应的对空图示。     

基于ST图的微循环血细胞自动跟踪与测量技术

为了有效分析微循环中血细胞的运动,利用血管中心线生成ST图,通过提取ST图中的轨迹,实现对血细胞的自动跟踪与测量.首先,设计出多尺度的方向滤波器,对ST图进行增强预处理;然后,在分析增强图像的概率密度分布函数和方向角度的基础上,设计了噪声滤波函数和方向滤波函数以提取细胞轨迹;最后,对提取的轨迹细化并计算其方向,实现对细...