针对智能电能表在运行过程中出现烧损的现象,在对各类因素进行关联分析后,提出了一种基于XGBoost算法的智能电能表烧损预测方法,以某省份2019—2020年的数据为例进行了测试验证.采用该方法结合电能表基本信息数据、运行数据和环境数据...针对智能电能表在运行过程中出现烧损的现象,在对各类因素进行关联分析后,提出了一种基于XGBoost算法的智能电能表烧损预测方法,以某省份2019—2020年的数据为例进行了测试验证.采用该方法结合电能表基本信息数据、运行数据和环境数据进行烧损识别,并与K最邻近法(K-NearestNeighbor,KNN)、朴素贝叶斯和支持向量机等传统机器学习算法进行对比.结果表明,基于极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)的算法精度达到91%,召回率达到66%,综合指标F_(1)达到76.51%,远高于传统算法.算法模型在进行系统部署的过程中,运用长短期记忆算法(Long Short Term Memory,LSTM)对部分缺失值进行了填充,经试点验证,该模型可较为准确地预测低压台区电能表烧损现象.展开更多
文摘针对智能电能表在运行过程中出现烧损的现象,在对各类因素进行关联分析后,提出了一种基于XGBoost算法的智能电能表烧损预测方法,以某省份2019—2020年的数据为例进行了测试验证.采用该方法结合电能表基本信息数据、运行数据和环境数据进行烧损识别,并与K最邻近法(K-NearestNeighbor,KNN)、朴素贝叶斯和支持向量机等传统机器学习算法进行对比.结果表明,基于极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)的算法精度达到91%,召回率达到66%,综合指标F_(1)达到76.51%,远高于传统算法.算法模型在进行系统部署的过程中,运用长短期记忆算法(Long Short Term Memory,LSTM)对部分缺失值进行了填充,经试点验证,该模型可较为准确地预测低压台区电能表烧损现象.
文摘目的 初步研究压力治疗的作用机制,探讨有效的压力治疗措施.方法 设计多组试验,分别探讨压力治疗的疗效与作用机制、智能压力衣的研制及应用效果.（1）压力治疗的疗效研究.将45例四肢烧伤患者按照随机数字表法分为压力治疗组36例和对照组9例,压力治疗组每日超过23 h穿着量身定做的压力衣（压力为10%缩率＋局部9 mm厚压力垫）,对照组不进行针对瘢痕的任何治疗.采用温哥华瘢痕量表（VSS）、颜色光学测试仪和软组织触诊超声系统评定瘢痕情况,对数据进行独立样本t检验或配对t检验.（2）了解Fb在压力作用下生长速率的变化.从手术切取的瘢痕组织中提取Fb,分别施加1.1、2.8、5.6 mm Hg（1 mm Hg=0.133 kPa）压力及不施加压力,观察Fb的生长速率（数据进行Fisher LSD post-hoc分析）.（3）压力作用下瘢痕厚度的研究.应用高频超声成像系统,评估不同时期（早期：1～6个月,中期：7～12个月,后期：大于12个月）增生性瘢痕组织在0、5、15、25、35 mm Hg压力作用下的厚度变化（数据进行相关性及回归分析）.（4）智能压力衣的应用研究.嘱曾经接受过传统压力衣治疗的36例患者穿着智能压力衣1个月,应用Pliance X系统进行压力测定并发放问卷调查患者使用情况,数据行Wilcoxon Sign-Ranks检验.结果 （1）治疗2个月压力治疗组瘢痕厚度、颜色及VSS评分均较治疗前明显改善;与对照组相比,治疗2个月压力治疗组VSS评分明显降低.（2）加压2 d,施加压力为5.6 mm Hg的Fb生长速率明显低于未施加压力者（均差=0.086、P=0.001）;加压3 d,施加压力为2.8、5.6 mm Hg的Fb生长速率明显低于未施加压力者（均差分别为0.060、0.118,P值分别为0.003、小于0.001）.（3）增生性瘢痕组织的厚度在压力作用下明显变薄,且厚度与压力大小呈负相关（r=-0.96,P＜0.01）.（4）使用智能压力衣1个月后,静态压力减少19.5%、动态压力减少11.9%,明显低于传统压力衣压力减少量（约为50.0%）.问卷调查结果显示,智能压力衣在舒适性、透气性、疗效等方面均明显优于传统压力衣（P值均小于或等于0.001）.结论 初步证明压力治疗能有效抑制增生性瘢痕生长,但其确切机制仍需进一步研究证实.智能压力衣具有使用方便、省时、疗效好等特点,可在临床推广使用.
