简介:摘要随着社会的发展,我国的电力系统的发展也有了很大的进步。在电力营销过程中,需要对用户的用电需求信息进行针对性的分析和筛选,结合统计分析方法进行电力用户的用电需求信息特征规律性分析,提取用电需求信息的关联特征量,从而指导电力营销部门制定针对性的营销策略,并实现电力输送和配电优化。因此,研究电力营销系统用电需求信息的特征分析和统计分析方法,建立电力营销系统用电需求信息的特征提取模型,对提高电力营销系统的智能管理能力和输电配电的稳定性方面具有重要意义,相关的信息提取和特征分析方法研究受到人们的极大重视。电力营销系统用电需求信息采用的分布式的异构数据存储设计,结合云存储技术存储在电力系统中,通过对用电需求信息的自动提取,结合特征分析方法进行用电需求信息的模式辨识,提高电力营销系统用电需求信息的统计分析能力,传统方法中,对电力营销系统用电需求的提取方法主要有描述性统计分析方法、解释变量统计分析方法、时频特征分析方法和谱特征分析方法等,对用电需求信息的数据流进行分布式结构重组,提取电力营销系统用电需求信息的平均互信息特征量,结合关联规则模糊配对方法进行大数据融合,提高信息提取能力,但上述方法在进行大规模的电力营销系统用电需求信息提取中的自动配对性能不好,计算开销较大。
简介:在区域尺度下,探索提取不同林分结构和滩涂裸露状况下红树林空间分布遥感信息的适用方法。选择ALOSPRISM/AVNIR-2为数据源,以广西北部湾两个红树林典型分布区作为实验区,第一个实验区是红树林茂密、滩涂裸露的区域,第二个实验区是红树林稀疏、低矮和滩涂不完全裸露的区域,分别采用了植被指数、监督分类、非监督分类和面向对象分类方法,进行实验。研究结果表明,在第一个实验区,用RVI、NDVI、SAVI、DVI、监督分类、非监督分类和面向对象方法进行遥感分类的总体精度分别为95.3%、94.3%、92.3%、93.3%、96.0%、97.0%和94.0%,说明这几种方法都可以较精确地提取红树林信息,其中非监督分类的结果相对较好;在第二个实验区,植被指数不能精确提取红树林信息,监督分类、非监督分类和面向对象分类的总体精度分别为92.7%、85.7%和89.3%,以监督分类的结果最好。因此,监测区域尺度的红树林,必须根据具体海湾或地段红树林的林分结构特点、成像时刻的潮位高度、红树林在遥感图像上的表征,选用适合的方法,才能确保红树林信息提取精度。在采用多源遥感数据进行红树林动态监测中,综合运用植被指数、监督分类、非监督分类、面向对象分类和图像解译方法,可以准确提取红树林信息。此外,对于斑块破碎、林木低矮且相当部分稀疏的广西北部湾乃至南中国海红树林遥感信息提取,适用的遥感图像空间分辨率应小于5m,以小于3m更适宜。