视频中异常行为自动检测技术研究

为提升计算机对视频中异常行为的识别、判断能力，提供及时发现异常行为并阻止其造成更大损失的可能性，本文提出2种基于视觉低层特征设计的异常行为检测技术，利用混合高斯模型和区域像素灰度值判断运动目标是否进入危险高度，进而达到对攀高的检测；利用光流—聚类法和目标跟踪法实现初步、精确判断是否存在逆行行为。攀高实验中选取2个不同场景下的视频，逆行实验选取室外复杂环境中拍摄的视频进行检测，检测结果显示：攀高检测中，无误检；逆行检测中相较于传统光流法，误检率明显降低。     

盐城台-杭州台地磁幅相法临震异常标志体系

用江苏盐城台与浙江杭州台组成台组 ,应用线性去倾及二次去倾的幅相法提取了临震标志指标 ,对上述两台站的 8年地磁Z分量日变资料进行分析 ,发现对江苏地区ML5 0以上地震有较好的映震关系且标准值L一直保持在一个固定值 ,其标志体系受人为干扰较小 ,异常的可信度较高 ,但虚报、漏报率有待进一步降低。     

融合时域卷积网络和深度自编码器的VOCs数据异常检测

为了提升挥发性有机物(Volatile Organic Compounds, VOCs)数据异常检测精度，提出一种基于时域卷积网络的深度自编码器(TCN-DAE)异常检测的半监督方法，以对VOCs等空气污染物质量浓度异常值进行精准的检测。首先，使用时域卷积网络(Temporal Convolutional Network, TCN)作为深度自编码器(Deep Auto-encoder, DAE)的隐藏层，利用深层网络结构对高维、多源的时间序列数据进行高效地特征提取和数据重构。然后，通过对比重构误差与核密度估计法确定的阈值进行异常检测，其中重构误差大于此阈值则视为异常。最后，选取西安市城六区的VOCs、空气质量和气象等时间序列数据进行试验。结果显示：基于时域卷积网络的深度自编码器模型对多源、高维的时间序列具有较强的异常检测能力，在准确率、F₁分数、受试者工作特征曲线下面积(Area Under Curve, AUC)等异常检测性能指标上均优于双向长短期记忆网络(Bidirectional Long Short-term Memory, Bi-LSTM)、长短期记忆网...     

近震参数处理程序的研究与应用

根据安徽省地震局规定使用的表面震源《走时表》 ,按其精度要求 ,把震中距分成三个距离段进行程序设计。在数据处理上 ,对 4 6°以内的数据 ,为保证精度 (0误差 ) ,采用数据检索方式 ;而对 4 6°～ 13 5°之间的数据 ,在保证精度的前提下 ,先进行线性拟合 ,解出一系列关于Δ的函数方程 ,再进行程序编制 ,在实际使用中发挥了较好的作用。     

基于MSLSTM-DA模型的水质自动监测异常数据报警

提出一种基于多元堆叠长短时记忆网络-差值分析(MSLSTM-DA)模型对地表水质异常数据进行报警的方法.该方法首先建立MSLSTM模型对水质指标数据进行预测,再基于预测结果的残差分布建立DA模型,并确定各个指标的数据异常阈值,当实测数据与预测数据差值大于阈值时进行数据报警.以长江流域监测断面的水质数据进行了方法有效性验证.结果表明,构建的预测模型对５个指标的MAE、MAPE均值比BP神经网络预测模型降低21.0%,17.8%,比LSTM模型降低16.8%,17.9%.皮尔逊系数均值比BP神经网络、LSTM模型的分别高5.9%,4.4%.5个指标共检出水质异常数据37条,其中34条经人工判断确实存在有异常,报警准确率高达91.9%.     

异常环境下要害系统确信安全评估方法

目的 获得异常环境下的要害系统确信安全评估(PLOAS)建立评估方法和技术框架,为要害系统安全性设计和安全防护决策提供科学支撑.方法 基于要害系统在异常环境条件下结构响应行为机制,以表征安全性的响应特征参数为对象,融合试验、数值仿真等技术手段以及代理模型构建等不确定性分析方法,通过定量计算安全特征参数未达到失效阈值的概...