-
题名基于数据融合的电网强对流临近预警技术研究
- 1
-
-
作者
孙世军
朱坤双
韩洪
-
机构
国网山东省电力公司应急管理中心
-
出处
《电子设计工程》
2023年第12期53-57,共5页
-
基金
山东省电力公司2019年度科技项目(520613180060)。
-
文摘
强对流天气的破坏力大、预测准确率和实时性较差,且容易对电网造成严重危害,因此构建有效的电网强对流天气临近预警系统具有重要的现实意义。传统的雷达回波技术虽然能够根据云团位置的改变来推断后续天气的变化,但当云团发生融合或分裂时,其预报准确率较低。针对该方法存在的缺陷,文中使用深度学习技术对气象云图数据进行处理,其算法部分将卷积网络与长短期循环神经网络相结合,使其兼具准确性和实时性。在算法对比实验中,该算法的虚警率比卷积法以及LSTM法降低了5.2%和6.0%,说明该算法的性能较为理想。而在测试验证实验中,所提算法能够实现对1 h后强对流天气的预测,并可完成对电网的强对流临近预警,具有良好的工程应用价值。
-
关键词
强对流预警
卷积神经网络
长短期记忆网络
循环神经网络
机器学习
数据融合
-
Keywords
severe convection warning
convolution neural network
long short⁃term memory networks
circular neural network
machine learning
data fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于机器学习方法的强对流天气识别研究
被引量：15
- 2
-
-
作者
修媛媛
韩雷
冯海磊
-
机构
中国海洋大学信息科学与工程学院
-
出处
《电子设计工程》
2016年第9期4-7,11,共5页
-
基金
国家自然科学基金(41005024)
-
文摘
用机器学习中有监督学习模型支持向量机SVM来进行强对流天气的识别和预报。强对流天气的发生可以看作是小概率事件,因此强对流天气的预警问题可以作为不平衡数据分类问题来处理。在SVM的应用上结合判别准则来对不平衡数据进行处理,更好的对强对流天气进行预警。本文从数据的获取、训练算法的选择、算法的应用、实验结果的评估几个方面进行了详细的描述。通过采用丹佛地区的数据进行大量试验,排除了不平衡数据对分类的干扰,提高了强对流天气识别的准确度。
-
关键词
强对流天气预警
SVM
不平衡数据分类
机器学习
-
Keywords
SVM
strong convective weather warning
SVM
unbalanced data classification
machine learning
-
分类号
TN957.52
[电子电信—信号与信息处理]
-
