期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多尺度时空特征深度融合神经网络的输电线路火点判识方法 被引量：4
1
作者 王开正 周顺珍 +3 位作者 王健 付一桐 周若涵 曾瑶 《高电压技术》 北大核心 2025年第3期1145-1157,共13页
目前的输电线路山火卫星监测技术对火点的监测精度高,但仍有许多山火漏报和误报,尤其是小型山火。为弥补提取火点时空特征方面的不足,该文提出了一种基于多尺度时空特征深度融合神经网络的输电线路火点判识方法。该算法首先根据Himawari... 目前的输电线路山火卫星监测技术对火点的监测精度高,但仍有许多山火漏报和误报,尤其是小型山火。为弥补提取火点时空特征方面的不足,该文提出了一种基于多尺度时空特征深度融合神经网络的输电线路火点判识方法。该算法首先根据Himawari-8(H-8)静止卫星的遥感数据,选取12个输入特征以构建多时空样本库。然后依据改进后的特征提取器Spatial-CNN(S-CNN)和Temporal-LSTM(T-LSTM)联合构建融合网络SCNN&TLSTM,以自动提取多尺度时空特征并融合后进行火点判识。与多种机器学习方法对比以验证网络的有效性,其中SVM、LSTM、CNN、Res-LSTM和Res-SPP总体精度分别为74.81%、77.61%、80.51%、84.13%和86.04%,然而SCNN&TLSTM能够提取更丰富的深层时空特征,总体精度可达90.61%。所提方法已应用于某省级电网输电线路山火监测,为保障电网安全稳定运行提供了可靠支撑。 展开更多
关键词 输电线路山火 火点判识 时空特征 Himawari-8静止卫星 融合网络 scnn&tlstm
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部