为进一步提高电力用户异常用电检测性能,实现异常用电行为的快速准确研判,该文提出一种基于BiLSTM-CatBoost模型的用户异常用电检测方法。该模型首先采用双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)对用户用...为进一步提高电力用户异常用电检测性能,实现异常用电行为的快速准确研判,该文提出一种基于BiLSTM-CatBoost模型的用户异常用电检测方法。该模型首先采用双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)对用户用电数据进行特征深度提取,利用用电时序数据两个方向的信息来获取特征维度;接着采用完全对称决策树为基学习器的CatBoost集成学习算法作为分类器进行检测,避免检测过拟合。BiLSTM和CatBoost均采用贝叶斯优化算法(Bayesian optimization,BO)对全局进行超参数寻优。实例对比表明,基于BiLSTM-CatBoost模型的用户异常用电检测方法在准确率、F1分数、AUC、MCC值等评价指标中均表现最优。展开更多
为解决现有大场景三维地理信息系统(geographic information system,GIS)平台中道路建筑信息模型(building information modeling,BIM)模型与倾斜实景模型融合展示中存在的坐标基准不统一问题,提出一种道路BIM模型与倾斜实景地理坐标高...为解决现有大场景三维地理信息系统(geographic information system,GIS)平台中道路建筑信息模型(building information modeling,BIM)模型与倾斜实景模型融合展示中存在的坐标基准不统一问题,提出一种道路BIM模型与倾斜实景地理坐标高精度匹配方法。针对道路带状分布特征及道路养护需求,首先对模型进行分段处理;然后根据道路路面及资产设施模型的特征点分布设计构建一种空间距离加权的最小二乘坐标匹配参数拟合方法,重点解决各分段路面的精准接边难题。选取真实道路数据展开实验,验证该坐标匹配方法,通过所提方法可以有效解决道路模型与倾斜实景模型匹配产生偏差的问题,匹配后二者之间的精度达到毫米级,满足道路交通设施数字化管养和动态更新的需要。展开更多
文摘为进一步提高电力用户异常用电检测性能,实现异常用电行为的快速准确研判,该文提出一种基于BiLSTM-CatBoost模型的用户异常用电检测方法。该模型首先采用双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)对用户用电数据进行特征深度提取,利用用电时序数据两个方向的信息来获取特征维度;接着采用完全对称决策树为基学习器的CatBoost集成学习算法作为分类器进行检测,避免检测过拟合。BiLSTM和CatBoost均采用贝叶斯优化算法(Bayesian optimization,BO)对全局进行超参数寻优。实例对比表明,基于BiLSTM-CatBoost模型的用户异常用电检测方法在准确率、F1分数、AUC、MCC值等评价指标中均表现最优。
文摘为解决现有大场景三维地理信息系统(geographic information system,GIS)平台中道路建筑信息模型(building information modeling,BIM)模型与倾斜实景模型融合展示中存在的坐标基准不统一问题,提出一种道路BIM模型与倾斜实景地理坐标高精度匹配方法。针对道路带状分布特征及道路养护需求,首先对模型进行分段处理;然后根据道路路面及资产设施模型的特征点分布设计构建一种空间距离加权的最小二乘坐标匹配参数拟合方法,重点解决各分段路面的精准接边难题。选取真实道路数据展开实验,验证该坐标匹配方法,通过所提方法可以有效解决道路模型与倾斜实景模型匹配产生偏差的问题,匹配后二者之间的精度达到毫米级,满足道路交通设施数字化管养和动态更新的需要。
