期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于TCNN-MADLSTM的全并联AT牵引网多元信号融合故障定位
被引量：
3
1
作者
周欢
陈剑云
+2 位作者
万若安
傅钦翠
李泽文
《中国铁道科学》
EI
CAS
CSCD
北大核心
2023年第4期206-218,共13页
全并联AT牵引供电系统上下行线路并入自耦变压器,致使故障信号多路径传播,且牵引网导线阻抗不连续,传统方法很难实现牵引网故障准确定位。基于AT牵引网结构,推导牵引网上下行导线故障电流幅值与故障距离的非线性关系;基于改进的卷积神...
全并联AT牵引供电系统上下行线路并入自耦变压器,致使故障信号多路径传播,且牵引网导线阻抗不连续,传统方法很难实现牵引网故障准确定位。基于AT牵引网结构,推导牵引网上下行导线故障电流幅值与故障距离的非线性关系;基于改进的卷积神经网络(Transformer-based CNN,TCNN)和记忆注意力解耦长短期记忆神经网络(Memory Attended Decoupled LSTM,MADLSTM),通过增加注意力机制和残差连接,增强多导线电流幅值与故障距离的非线性函数关系,从而提高牵引网故障定位的精度;将前述方法与传统的卷积神经网络(CNN)和长短期记忆神经网络(LSTM)进行不同噪声条件下的对比验证。结果表明:基于TCNN+MADLSTM算法进行故障定位时,可自适应构建故障距离与多导线电流幅值的非线性函数关系,以及自适应计算故障距离,无须考虑波速影响;相较于传统的CNN+LSTM算法,TCNN+MADLSTM算法故障定位精度更高,故障区段识别精度可达100%,故障定位精度达72.100 m,均方误差为0.016 km^(2)。
展开更多
关键词
全并联AT牵引供电系统
故障定位
改进的卷积神经网络
记忆注意力解耦长短期记忆
神经网络
在线阅读
下载PDF
职称材料
利用SAR影像与多光谱数据反演广域土壤湿度
被引量：
8
2
作者
李奎
张瑞
+1 位作者
段金亮
吕继超
《农业工程学报》
EI
CAS
CSCD
北大核心
2020年第7期134-140,共7页
针对基于主动微波遥感途径开展广域土壤湿度反演的过程中,对植被和土壤粗糙度影响难以进行有效估算的问题,该研究联合多极化雷达和原始多光谱数据源,提出一种改进的卷积神经网络(Improved Convolutional Neural Network,ICNN)方法。该...
针对基于主动微波遥感途径开展广域土壤湿度反演的过程中,对植被和土壤粗糙度影响难以进行有效估算的问题,该研究联合多极化雷达和原始多光谱数据源,提出一种改进的卷积神经网络(Improved Convolutional Neural Network,ICNN)方法。该方法采用不同尺寸的卷积核对原始变量进行一维卷积运算,自适应提取能反映测区土壤湿度时空差异的高级特征维;同时,去除了传统卷积神经网络结构中的池化层,保证提取的特征信息完整。试验结果表明,在边长超过100 km的四川盆地研究区域内,模型预测值与样本数据相关系数达到0.934,预测值偏差服从均值趋近于0的正态分布,均方根误差为1.45%,误差分布范围小于6.3%,结果具有较高的可靠性。该方法可为精准农业、旱涝灾害等领域的广域监测研究提供一定的支撑。
展开更多
关键词
多光谱
土壤湿度
模型
多极化SAR
Sentinel-1A/2A
改进的卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于TCNN-MADLSTM的全并联AT牵引网多元信号融合故障定位
被引量：
3
1
作者
周欢
陈剑云
万若安
傅钦翠
李泽文
机构
华东交通大学轨道交通基础设施性能监测与保障国家重点实验室
华东交通大学交通运输工程学院
出处
《中国铁道科学》
EI
CAS
CSCD
北大核心
2023年第4期206-218,共13页
基金
国家自然科学基金资助项目(51467004)。
文摘
全并联AT牵引供电系统上下行线路并入自耦变压器,致使故障信号多路径传播,且牵引网导线阻抗不连续,传统方法很难实现牵引网故障准确定位。基于AT牵引网结构,推导牵引网上下行导线故障电流幅值与故障距离的非线性关系;基于改进的卷积神经网络(Transformer-based CNN,TCNN)和记忆注意力解耦长短期记忆神经网络(Memory Attended Decoupled LSTM,MADLSTM),通过增加注意力机制和残差连接,增强多导线电流幅值与故障距离的非线性函数关系,从而提高牵引网故障定位的精度;将前述方法与传统的卷积神经网络(CNN)和长短期记忆神经网络(LSTM)进行不同噪声条件下的对比验证。结果表明:基于TCNN+MADLSTM算法进行故障定位时,可自适应构建故障距离与多导线电流幅值的非线性函数关系,以及自适应计算故障距离,无须考虑波速影响;相较于传统的CNN+LSTM算法,TCNN+MADLSTM算法故障定位精度更高,故障区段识别精度可达100%,故障定位精度达72.100 m,均方误差为0.016 km^(2)。
关键词
全并联AT牵引供电系统
故障定位
改进的卷积神经网络
记忆注意力解耦长短期记忆
神经网络
Keywords
All parallel AT traction power supply system
Fault location
Improved convolutional neural network
Memory attended decoupled long short-term memory neural network(MADLSTM)
分类号
U226.5 [交通运输工程—道路与铁道工程]
在线阅读
下载PDF
职称材料
题名
利用SAR影像与多光谱数据反演广域土壤湿度
被引量：
8
2
作者
李奎
张瑞
段金亮
吕继超
机构
西南交通大学地球科学与环境工程学院
西南交通大学高速铁路运营安全空间信息技术国家地方联合实验室
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2020年第7期134-140,共7页
基金
国家重点研发计划“地球观测与导航”领域重点专项项目(2017YFB0502700)
国家自然科学基金面上项目(41474003)
+2 种基金
国家自然科学基金青年基金项目(41601503)
中国铁路总公司科技研究开发计划重点课题(2016T002-E)
四川省科技计划项目(2018JY0564)。
文摘
针对基于主动微波遥感途径开展广域土壤湿度反演的过程中,对植被和土壤粗糙度影响难以进行有效估算的问题,该研究联合多极化雷达和原始多光谱数据源,提出一种改进的卷积神经网络(Improved Convolutional Neural Network,ICNN)方法。该方法采用不同尺寸的卷积核对原始变量进行一维卷积运算,自适应提取能反映测区土壤湿度时空差异的高级特征维;同时,去除了传统卷积神经网络结构中的池化层,保证提取的特征信息完整。试验结果表明,在边长超过100 km的四川盆地研究区域内,模型预测值与样本数据相关系数达到0.934,预测值偏差服从均值趋近于0的正态分布,均方根误差为1.45%,误差分布范围小于6.3%,结果具有较高的可靠性。该方法可为精准农业、旱涝灾害等领域的广域监测研究提供一定的支撑。
关键词
多光谱
土壤湿度
模型
多极化SAR
Sentinel-1A/2A
改进的卷积神经网络
Keywords
multispectral
soil moisture
models
multipolarization SAR
Sentinel-1A/2A
improved convolutional neural network
分类号
P237 [天文地球—摄影测量与遥感]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于TCNN-MADLSTM的全并联AT牵引网多元信号融合故障定位
周欢
陈剑云
万若安
傅钦翠
李泽文
《中国铁道科学》
EI
CAS
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
2
利用SAR影像与多光谱数据反演广域土壤湿度
李奎
张瑞
段金亮
吕继超
《农业工程学报》
EI
CAS
CSCD
北大核心
2020
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
