简介:分析电力事故风险,对电力企业管理者规避风险、提高安全管理水平尤为重要.传统的风险评估中大多是凭借专家的主观经验来定性分析或者应用概率统计法、指标体系等方法来定量分析,但是,传统的风险评估方法并不完全适用于电力事故风险评估定量指标样本量小、不能完全精确反映总风险的特点.改进的信息扩散模型满足电力事故风险评估的特点,应用此方法对2007-2011年的电力事故风险进行分析,得到各风险水平下的概率和估计值.对计算结果进行分析,提出要重视电力事故安全管理、特别是要提高电力建设事故安全水平的结论,从而为管理者提供风险评估参考依据,并为其制定安全管理措施指引了方向.
简介:传统的最小二乘支持向量机模型对训练样本的各个输入点同等看待,各输入向量的贡献度是相同,未对离群点加以考虑.在最小二乘支持向量机模型中引入隶属度的相关理论并建立模糊隶属度函数,对离群点和正常点赋予不同的贡献度,建立了模糊最小二乘支持向量机模型.最后,以美国PJM电力市场的边际电价预测为例,验证了本文模型的预测精度比传统的最小二乘向量机模型高50%左右,且复杂程度基本不变.
简介:目的:有效且准确地提取肺部轮廓是自动计算心胸比例、判断心脏增大的一项很关键的步骤。胸片图像由于器官之间的灰度重叠以及病人体位的影响,肺部边缘不是很清晰,肺部区域内的灰度分布也不均匀,因此,对胸片图像肺部区域的分割具有一定的难度。本文提出一种基于改进的C-V水平集模型的肺部轮廓提取算法。方法:通过改进梯度函数及演化过程来提高算法的准确性和速度。结果:改进后的C-V水平集算法比原始算法的时间迭代次数减少1/3,时间大大缩短,演化效率提高,计算机自动分割速度加快。结论:实验表明,该算法简单高效,能提高图像分割的速度,适合应用于胸片肺部轮廓的提取,为自动计算心胸比率提供了较好的方法。
简介:峰放电频率适应性是神经元在信息处理过程中重要的动力学特性之一.当神经系统受到外电场作用时,会对其动力学行为以及神经电信息的产生、传导产生影响.我们基于Leakyintegrate-and-fire(LIF)神经元模型,建立了外电场作用下改进的LIF神经元模型.采用随时间演化的膜电位曲线和峰放电频率曲线,以及随外电场变化的起始峰放电频率曲线和稳态峰放电频率曲线,研究不同强度、频率外电场作用下改进的LIF模型的适应性变化.此外,还利用相邻峰峰间期(ISI)之间的相关性进一步阐明外电场对神经元适应性的影响.