简介:摘要:树冠的体积是病虫害化学防治,果树产量等果园精细化管理的重要因素,为了测不同形状的树冠对果树冠层体积测量方法的影响,搭建果树冠层体积测量平台。基于3D相机采集不同形状的几何体和树木三维点云,对三维点云进行预处理,删除孤立点,去噪,旋转配准,点云滤波等处理,利用凸包法测量树冠的体积和表面积,测得不同形状几何体体积和表面积与人工测量相平均对误差约为5%和15%,以5棵人工修剪的球体绿篱笆树为标靶,冠层体积测量与人工测量相对误差8%和6%。试验树冠点云测量冠层体积具有较高的准确性和。可靠性。
简介:摘要:随着我国电力系统的建立,以及电力系统在最近几年里的发展,负荷预测的作用将会越来越突出。电力系统的调度运行还有生产在很大程度上会受到电力系统负荷预测结果的影响,负荷预测结果的准确性越高,电力系统运行的安全性与稳定性越好。不过,在短期电力负荷预测的过程中,传统模型已经没有办法既考虑到负荷数据时效性,又考虑到负荷数据非线性这两个主要的特点。因此,本文对基于深度学习的LSTM长短记忆神经网络的电力负荷预测方法进行了研究,并使用该方法对电力负荷值进行了计算,基本上可以确定LSTM网络在预测电力负荷时误差是最小的,所达到的预测效果也是最好的。
简介:安徽作为中国革命的摇篮,具有丰富的红色文化资源,应对其加大开发利用,优化教育内容,建立教育基地,以推进新时期社会主义核心价值体系的大众化教育。
简介:摘要: 随着大规模分布式电源 (DG)接入配电网,配电网的结构由传统的辐射型变为多端电源结构,传统的故障定位方法不再完全满足含 DG的配电网系统,对此提出一种基于深度学习的有源配电网故障定位方法。首先通过馈线监控终端采集过电流故障数据与节点电压数据,结合各电源出力数据,形成故障数据向量 ;然后使用 Tensor F low构建基于全连接网络的深度神经网络模型,挖掘故障数据向量与故障支路之间的映射联系,形成故障定位模型 ;最后利用该模型在线定位故障并验证其有效性。模型测试结果表示,与反向传播神经网络、学习向量量化神经网络模型相比,深度学习模型收敛速度更快,故障定位准确率更高,同时在数据畸变或缺失时,模型具有较高的容错性。