简介：利用影像的空间信息在图像局部范围内自动搜索和选择最佳样区位置，再用光谱匹配对寻找到的最佳样区从空间和光谱两个角度对样区进行了纯化，使得训练样本更适合遥感图像分类的要求，最后利用BP网络对遥感图像进行分类。实验结果证明，原始遥感图像经过样区纯化算法处理后，目视判读效果和数值分析都表明提高了分类精度。

简介：摘要：截至2020年底，并网风电装机容量28153万千瓦，增长34.6%，占全国电源总装机容量的12.8%。在高速发展的背后却隐藏着急需解决的安全隐患，而风电机组漏油就是其中最为严重的问题，轻则污染机舱环境、重则引起整个机组火灾，及倾斜与倒塌。因为油具有难以挥发性及粘性的物理特性，通过传感器的方式进行检测，不能复位并实现持续检测。只有通过机器视觉即视频技术手段才能实现非接触式可持续检测，因为机舱内具有相对均衡的光线环境，相对恒定的测量距离，相对静止的参照背景等三个有利条件，通过卷积神经网络深度学习方法，对舟山二十台风电机组几十万张现场照片进行训练，并通过高性能人工神经元网络单元(NPU)进行运算，形成了产品化解决方案并成功应用到项目中。

简介：摘要：我国国民经济以及电力相关技术的发展，使得我国的电力事业得到了较快的发展，而在整体电力系统中关键的设施之一就是电力变压器，和电力系统之间的安全稳定运行有着十分紧密的联系，这也正是对其进行检测工作的重要原因。在微电子、计算机等先进技术不断发展的影响下，针对电力变压器进行在线实时监测已经有了极高的可行性。因为油浸性质的电力变压器在运行过程中气体溶解的类型不会出现对应的差异，传统故障诊断方式对于这些复杂多变且无标签的数据无法进行充分应用，因此一种基于深度学习神经网络的诊断方式应运而生。本文先从深度学习的概念以及深度学习神经网络模型分析入手，并在文后详细的在电力变压器故障诊断中如何运用深度学习网络进行了分析。

简介：摘要：随着能源需求的不断增长和电能量数据的大规模采集，对电能量数据的异常检测变得尤为重要。异常电能量数据可能预示着潜在的故障或异常情况，所以及早发现和准确识别异常对于能源系统的稳定运行和设备维护至关重要。本文提出了一种基于数据挖掘的电能量数据异常特征提取方法，旨在提高电能量数据异常检测的准确性和效率。

简介：研究煤体瓦斯渗透率可以为煤矿企业安全生产提供更好地保障。本文通过分析有效应力、瓦斯压力、温度和抗压强度四个影响因素对煤体瓦斯渗透率的影响,利用SOM神经网络对22组影响因素样本进行分类训练,建立煤体瓦斯渗透率分类预测模型。并运用模型对8组样本进行预测,结果表明：预测结果正确率为87.5%。可见,基于SOM神经网络建立的煤体瓦斯渗透率分类预测模型是有效的。

简介：摘要：随着风力发电技术的不断成熟，系统容量越来越大，从而导致风力发电并网时所产生的电流冲击与波动过大，造成安全问题。 对变速恒频双馈发电并网系统，将传统 PID 控制与 BP 神经网络控制，提出了一种 BP 神经网络 PID 的空载并网控制策略。

简介：规避道德风险的关键在于正确的授信,即根据客户的资质确定借贷金额,基于此,本文建立了基于信用评级的道德风险规避模型,根据客户的信用等级来进行消费金融借贷。在客户画像体系的建立中,数据中客户量极大,无法一一描述每一个客户的特征,本文通过筛选指标建立了合理的客户价值评估模型,并进行了仿真验证。

简介：摘要：电力变压器诊断是根据变压器故障特征，定故障的性质或者类别，为变压器的检修决策提供依据。文章对变压器油溶解气体的来源、特点及产生原因进行分析，通过构建变压器油中溶解气体与变压器故障之间的对应关系的专家系统，运用神经网络算法对变压器进行全面诊断，仿真结果表面文章所示方法具有可行性。

简介：摘要：考虑到历史电力负荷数据、天气、时间等信息的影响，电力负荷预测用于预测未来的电力负荷。对于独立的系统运行，有许多电力负荷预测应用为调度员提供信息和市场运行，如发电调度和系统备用发电，因此准确的电力负荷预测模型是规划管理和运行的必要条件。本文主要分析了基于进化神经网络的短期电力负荷预测研究。

简介：摘要：随着经济发展，人们对电力能源的需求不断增长，对电力运行质量提出了更高的要求。电力企业需要不断完善电力系统管理，来满足人们的用电需求。带那里计量是电力系统管理的重要环节，对带那里计量故障进行分析和诊断，保障电力计量的精准性，可以有效提升电力管理效率，促进电力行业的发展。 x

简介：为了评价某煤矿矿井通风系统的优劣，就必须要建立一套合理的、符合该矿井实际情况的评价体系。我们借助BP神经网络的工具对该矿井的通风系统进行评判，通过广泛的资料收集，确定了通风系统安全指标评价体系；运用Matlab2014软件进行训练，建立矿井通风系统综合评价模型；对矿井通风系统安全进行总体的评价。确定其安全等级为1级合理。

简介：人工神经网络是基于对人脑神经结构模拟而设计的一种数学计算方法,它是用一定量的神经元互联形成的一种计算结构,具有学习、记忆和计算等功能,及非线性和自适应的特点。在数据处理、模式识别、推断预测等方面具有明显优势,这是传统数学方法所不及的。[1]也正是这样的特点神经网络被广泛应用于工程问题的处理,本文基于矿山巷道围岩稳定性判别的工程背景,通过Matlab软件采用神经网络的方法对巷道围岩稳定性的类别进行判断。

简介：由于煤层地质条件复杂多变,煤矿开采中的通风构筑物较多,造成矿井通风困难。本文基于人工神经网络法的理论与计算方法,对麻黄矿通风系统进行实例评价,通过对比人工神经网络法的计算结果与矿井通风评价的实测值,人工神经网络法对于矿井通风评价具有较高的可靠性。

简介：摘要阐述BP神经网络特性在人才需求预测当中的应用，经济领域当中人才预测部分理论进行综述，并且包括其他预测模型综述。

简介：摘要：随着经济、技术的迅速发展，现代社会对于电能的需求量快速增加，电力系统也日益庞大和复杂，出现故障的潜在风险也逐步增加。近年来，随着人工智能技术和神经网络算法的快速发展和应用，特别是具有强大算力的神经网络硬件加速器和专用芯片的出现，神经网络应用于电力系统变得越来越有前景。本文对神经网络及其模型进行了介绍，并对神经网络在电力系统故障诊断、安全评估、负荷预测、经济调度等方面的研究进行阐述，最后总结了神经网络应用于电力系统的优点、缺点以及需要进一步解决的问题。

简介：摘要：本文旨在研究基于神经网络的电力系统故障预测方法。首先，我们将对神经网络的基本原理和在电力系统故障预测中的应用进行概述。然后，我们将详细介绍几种常用的神经网络模型，如多层感知器、递归神经网络和卷积神经网络，并阐述它们在电力系统故障预测中的应用。接下来，我们将提出一种基于深度学习的故障预测模型，该模型结合了多种神经网络的优势，能够更准确地预测电力系统的故障。最后，我们将通过实验验证该模型的有效性和可靠性。

简介：摘要：近几年，能源问题已经成为社会发展中极为重要的一部分，能源危机的出现使得资源获取的过程中，人们渐渐地从原本的不可再生能源逐步转化成为清洁能源、可再生能源，而风力发电则成为能源研究中的重点。由于风力发电具有非持续性以及随机性这一特点，这也使得风力发电在安全性以及稳定性、供电质量上有待提高。选择IBAS-BP神经网络方式则能够更好地对风力发电的效果进行有效地预测，能确保在开展在使用风力发电时，其使用质量能够得以提升。

简介：

简介：摘要：电力工程是国计民生的重要保障，如何高效、准确地识别异常数据是实施工程的必要手段。文中基于对电力工程数据的分析，利用了分层电网工程数据检测系统，其具有分层体系结构。使用统计模型与神经网络分类器进行数据检测，并测试了5种不同类型的神经网络的性能，以及在分层数据检测系统上进行的异常数据的压力测试结果。基于此，本文对基于BP神经网络的电力工程异常数据识别技术进行探讨，以供相关从业人员参考。

简介：