会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

一种BIM模型版权保护数字水印算法_蒋美容

针对BIM数据版权保护的需求,该文运用数字水印技术,提出一种针对BIM模型版权保护的空间域数字水印算法。在BIM原始数据中对每个多面网格顶点坐标进行读取操作,获取坐标数据的高位部分；运用单向映射函数建立坐标值与水印位的对应关系；利用量化调制方法将水印嵌入坐标值中的较低有效位部分,保存得到含水印BIM模型数据；水印提取时,无须原始数据参与,是一种盲水印算法。在实际应用中,因BIM模型中顶点坐标的相同值较多,被用来嵌入水印的有效载体较少,为解决这一问题,在误差容许范围内对原始坐标数据加入了随机噪声,以嵌入不同的水印,间接地增加了水印嵌入容量。实验表明,该算法能够很好的控制水印嵌入引起的数据误差,数据使用完全不受影响,算法抗平移、修剪等攻击,且鲁棒性较好,对BIM模型的版权保护具有一定的实用性。

  • 2021-04-23
  • 阅读511
  • 下载0
  • 7页
  • pdf

基于BP神经网络算法的粮食储存品质预测模型构建研究_兰雪萍

粮食安全预警对于储粮企业意义重大,本研究基于BP神经网络算法,采用Python软件构建了粮食储存品质预测模型。通过使用全国各储粮生态区的质量品质数据来训练和测试,构建了基于BP神经网络算法的两种预测模型,时间序列品质预测模型可进行连续单指标跨期预测,温湿度-品质预测模型可进行度夏后粮情预测。经验证,时间序列品质预测模型对粮食储存品质指标预测效果较好,预测误差均低于15%。

  • 2021-04-24
  • 阅读511
  • 下载0
  • 5页
  • pdf

基于Kriging模型和改进MCMC算法的随机有限元模型修正_张雪萍

针对待修正参数维数较高时标准马尔可夫链蒙特卡罗（Markov Chain Monte Carlo，MCMC）算法不易收敛、拒绝率高的问题，提出了基于Kriging模型和在MCMC中融合花朵授粉算法的修正方法。首先，以应变模态作为响应，建立Kriging模型，通过蝙蝠算法确定Kriging模型的相关系数；然后，采用最大熵的贝叶斯方法估计参数的后验概率密度函数，花朵授粉算法融入Metropolis-Hasting（MH）抽样算法，提高局部寻优和全局寻优能力；最后，通过三自由度弹簧-质量系统和三维桁架结构的数值算例验证所提模型修正方法，修正后参数相对误差均低于0.86%。结果表明，所提方法修正后参数的马尔可夫链能够快速收敛、样本接受率高，该方法也对随机噪声具有一定的鲁棒性。

  • 2021-04-20
  • 阅读505
  • 下载0
  • 10页
  • pdf

基于混合算法的需求响应公交灵活调度模型_靳文舟

需求响应公交（DRT）是一种新型的公共交通服务模式,为了使DRT理论能更贴合实际应用于低密度人口地区,提出了考虑多种车型和多种运营模式的公交灵活调度方式。首先设立车型和路径的双决策变量,并构建了考虑多种车型和多种运营模式的公交灵活调度模型；然后采用大循环小循环混合模式设计了混合遗传蚁群算法HGACO,该算法混合了最近邻搜索算法、2-opt法、目的地降维算子、遗传算法和蚁群算法；最后以揭西南部部分地区至城中心的3个时段为例进行调度。结果显示:考虑多种车型和多种运营模式的公交灵活调度模型具有经济性和可操作性,该模型可以使低密度地区的需求响应调度更加科学和经济；改进的混合遗传蚁群算法HGACO的求解能力、精度和稳定性均优于原算法,可以稳定地求得DRT灵活调度问题的较优解。

  • 2021-04-20
  • 阅读499
  • 下载0
  • 11页
  • pdf

基于精英蚁群Q算法的中压配电网双Q规划模型_王梓耀

为了有效应用数字化技术提供的精细化地理与负荷信息,根据中压配电网的基本特点,将配电网中的元件抽象为图论中的节点和支路,以经济性和可靠性为目标,建立一种新型的大规模中压配电网双Q规划模型；将0-1变量编码方式转化为序列整数编码方式,降低模型求解的复杂度；提出精英蚁群Q算法,并利用该算法求解辐射状网架,根据最短路法和联络优先原则设置联络线,经过反复迭代得到闭环最优网架。广州某新建园区的算例结果验证了所提模型与算法的有效性。

  • 2021-04-21
  • 阅读498
  • 下载0
  • 11页
  • pdf

视频质量增强模型加速算法_杨文哲

提出了一种应用于视频质量增强算法的动态结构性剪裁算法Maskcut,它可以有效提高基于深度学习的视频质量增强算法的运行速度。Maskcut是一种通用的剪裁思路,支持绝大多数的基于卷积神经网络（CNN）深度学习网络模型的剪裁加速。基于原模型中已经训练好的参数数据,Maskcut使用一种针对剪裁加速的二次训练策略来进一步微调参数,从而在保证模型有效性损失不大的同时,缩短模型运行时间。以一种先进的视频质量增强算法——多帧质量增强2.0（MFQE 2.0）为目标,Maskcut剪裁后可以快速达到峰值信噪比（PSNR）指标损失低于1%、时间缩短10%以上的加速指标。

  • 2021-04-20
  • 阅读493
  • 下载0
  • 6页
  • pdf

一种基于融合决策TOPSIS模型的NILM算法评价_王雅倩

由于应用场景不同、负荷设备多样等问题，准确率等单一因素在评价算法时易造成评价结果畸形且不易察觉纠正，从而无法综合有效地评价非侵入式算法性能。为此，文章提出一种基于融合决策的TOPSIS模型，以多种评价指标构建评价体系，采用基于AHP和变异系数法的融合权重，兼顾专家经验、工程需求和数据客观规律，避免单一的主观赋值造成具有明显差异的指标数据被忽略，以及单一的客观赋值夸大数据误差波动，最后利用逼近于理想解的排序方法计算评价对象与正负理想解的接近程度，得到算法综合排序结果。实验结果表明文中所提评价模型能够有效评价算法性能，为非侵入式负荷辨识算法的综合评价提供一种新的解决方案。

  • 2021-04-25
  • 阅读492
  • 下载0
  • 8页
  • pdf

基于滑窗算法和序列翻译模型的非侵入式负荷跨域分解_刘海东

非侵入式负荷分解作为实现电网与家庭用户能量监测的关键技术，能够量化能耗，为合理分配能源提供数据支撑。虽然目前已有算法在同数据集中功率分解准确率上有了很大的提高，但模型泛化性差且跨数据集间分解准确率低。为此，文中提出了一种基于滑窗方法的序列翻译优化模型，并运用迁移学习实现算法的跨数据集分解。该模型以滑动窗口的方式读取主电源有功功率的时间序列，采用基于LSTM编解码的序列到点模型预训练，经迁移学习获得训练模型，实现在不同数据集中的负荷分解。算例结果表明提出的深度学习模型在不同的数据集间训练测试均有较高的分解性能和准确率，提高了算法的泛化能力。

  • 2021-04-26
  • 阅读492
  • 下载0
  • 10页
  • pdf