新技术与方案不断涌现 安防芯片市场空间广阔

正作为安防行业上游环节的芯片行业,每一步改进都影响着安防产业的总体脉搏,决定了安防技术的级别。用户选择芯片,编解码技术是重要的衡量指标,在视频监控应用中,未来的芯片产品研发明显趋势之一是支持新的视频标准,如H265/SAVC、AVS等,而能够支持多种格式编解码的能力更是亮点之一。而随着高清时代的到来,除了编解码技术外,经济原因也成为很多用户考虑的问题,很多人都在寻找一种过渡更好同时更经济的"摄像机+芯片"解决方案。     

浅谈安防行业视频智能分析

正智能视频分析技术市场空间巨大视频监控系统作为一种广泛使用的技术防范手段,在城市社会治安综合防控体系建设中发挥着越来越重要的作用。然而在视频监控飞速发展的今天,视频监控画面的海量信息大大超过了人力有效处理的范围已经成为客观事实。传统录像通常只能在"事件"发生之后通过调用录像进行回放取证,一方面损失已经产生不可能挽回,另一方面,通过人工回放录像取     

大华高清智能球型摄像机助推高清智能网络技术应用普及

引言 随着经济的快速发展和技术的突飞猛进,公共秩序安全、生产安全、财产安全等越来越受到人们的重视,视频监控设备被广泛地被应用在各行业领域。传统的模拟监控系统已经不能满足政府＂平安城市＂、金融系统、高等教育、监管、监狱、文博等行业对安防的需求。网络化、智能化、数字化、远程化特点的网络视频监控系统则成为新的应用趋势,并形成一个高效、安全、先进的网络视频监控体系。     

基于SWAT模型的东江流域径流模拟

基于分布式水文模型SWAT以及SUFI-2 程序对东江流域进行了51 a(1960-2010 年)月径流模拟,并在此基础上讨论了东江流域水文过程的空间差异。模拟结果表明,河源站受新丰江水库影响,模拟结果不确定性较大,确定性系数R2和Nash-Sutcliffe 效率系数相对其他站点较低,龙川站、岭下站、博罗站R2和Nash-Sutcliffe 效率系数皆满足模型适用性要求。流域出口博罗站率定期R2、Nash-Sutcliffe 效率系数分别为0.83、0.83,验证期为0.84、0.84,模型模拟精度较高。东江流域径流深主要受降水空间不均影响,形成由北向南先增后减的趋势。流域下垫面差异对产流过程也有一定影响。其中土壤含水量受土壤性质、人类活动等影响,由北向南差异明显;蒸散发量受植被覆盖影响亦较为明显,北部蒸散量占降雨量的比例大于中部及南部。     

获得固定输电权的风电公司日运行优化的研究

风电为平衡自身波动性需与储能装置联合运行,基于风蓄联合发电公司在电力市场环境下获得固定输电权的前提下进行分析,建立了以日运行收益最大化为目标的含风电场、抽水蓄能电站、常规火电厂和系统负荷的简单电力系统模型。考虑峰谷电价、功率平衡、风电场的运行约束和抽水蓄能电站的运行约束的情况下,应用在标准粒子群算法基础.上进行改进的粒子群算法迭代寻优,最后求得最优解。仿真结果表明所提出的模型及求解方法能够计算风蓄联合发电公司的最优日收益,实现收益的最大化。     

基于改进差分进化算法优化极限学习机的短期负荷预测

负荷预测的精度直接关系到电网的供需平衡,影响着电网运营成本。针对传统预测方法精度不高的缺点,提出了一种改进的差分进化算法优化极限学习机的预测模型。由于极限学习机的输入权值和隐含层偏置对预测精度有很大影响,因而利用改进差分进化算法对极限学习机参数进行优化,提高了极限学习机的泛化能力和预测精度。研究结果表明:改进差分进化算法优化极限学习机对短期负荷预测精度有较高提升。     

基于PSO优化BP神经网络的钻井动态风险评估方法

传统钻井动态风险评估严重依赖于专家主观判断、结果大多是定性或半定量,无法满足深井复杂地层钻井安全需求。针对该问题,研究建立了基于PSO优化BP神经网络的钻井动态风险评估方法。通过对录井资料的监测分析,实时判断井下风险发生的类型并定量计算风险发生概率,可以在风险发生的早期给出预警信息,及时指导风险调控措施的开展。海上BD气田的实例分析表明,基于构建的动态风险评估模型得到的风险预测结果与实际风险发生情况相符合,说明建立的模型是合理可行的。该模型对于钻井作业过程中动态风险评估具有一定的参考价值。     

基于MFOA-SVR露天矿边坡变形量预测研究

为实现边坡危险性及时预警预报,以露天矿边坡变形量为研究对象,提出采用七项影响指标作为边坡位移变形量的响应参数,建立支持向量机回归预测模型(SVR)。引入修正的果蝇优化算法(MFOA)对模型参数进行优化,构建基于MFOA-SVR露天矿边坡变形量协同预测模型,并以实际监测数据进行模型仿真预测。结果表明:该模型平均绝对误差为0.9167mm,平均相对误差为4.2737%,较其他模型预测精度高,综合性能好,将其运用于露天矿边坡变形量预测研究具有较好的适用性和可靠性。     

基于自适应调整蚁群-RBF神经网络模型的中长期径流预测

径流预测历来是水利部门的一项重要工作,针对水库和河流中长期径流预测精度不高,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节人工蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑影响径流预变化因素,对安康水库进行中长期径流预测。对预测效果进行检验,结果证实该模型可真实地反映河川径流变化的总体趋势, 并为判断时间序列数据的非线性提供了一种新方法。与RBF神经网络模型、人工蚁群-RBF神经网络模型预测结果进行对比,结果表明,应用ARACS-RBF模型对中长期径流量进行预测,预测精度更高、效果更好。该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了径流预测的精度,置信度为98%时的预测相对误差小于6.5%。可有效用于水库和河川中长期径流预测。     

水安全智能识别模型的建立及应用

通过人口迁移算法优化投影寻踪模型,提出了一种新的水安全智能识别模型。与遗传算法优化的投影模型相对比,人口迁移算法的自身优势有效地避免了网络早熟现象及寻找全局最优解的困扰。从水安全的评价结果来看,用人口迁移算法优化投影寻踪是可行的,并显示出优越性。人口迁移算法为求解投影寻踪模型的非线性约束提供了新的优化方法,并为水安全评价工作提供了新的智能识别模型。