遥感数据驱动的电力污秽等级XGBOOST预测模型

输电线路绝缘子积污是电网安全运行的重要威胁之一。传统的电力污秽等级评估依靠人工作业,存在效率低、准确性不足等问题。遥感和人工智能技术的发展为改进电力污秽等级预测模型提供了新的契机。本研究搜集了夜间灯光遥感数据、大气环境遥感监测数据、NDVI和污染源排放清单等多源异构数据,开发了一种基于XGBOOST算法的电力污秽等级预测模型,用于实现大范围、细粒度的电力系统污区图绘制。实验结果表明,该方法在测试集上取得了87%的总体精度,对于电力系统关注的重污染区域预测精度在82%以上。模型所需的数据源可以通过公开渠道免费获得,因此该方法将为今后电力系统低成本、高效、准确的绘制电力污区图提供重要支撑。     

检测公共海滩污秽物

在清澈的海水中畅游、在金色的沙滩上享受日光，显然是一件非常惬意的事情。然而，你所在的海滩真的是洁净的么？海水中出现的污秽物你真的能感受得到么？     

卫星AOD数据驱动的区域电力污秽等级评估方法

传统污秽等级评估方法存在高成本、低效率、区域不均衡及包含主观性等问题。卫星遥感以其大覆盖和高重访的优点特别适合需要时相特征的大范围地物监测,同时20年来遥感定量化和自动化的发展产生了大量性能优异的机器学习算法,能够很好地避免人为主观因素的干扰。本文提出了一种基于卫星遥感数据及粗糙集、支持向量机等数据处理算法的区域电力污秽评估方法。数据挖掘试验表明,最少只需获取AOD、污染源目录、降雨和地形高程4种数据即可实施污区等级评估工作。在此基础上的分类试验表明,基于支持向量机的分类方法总体分类精度高达70%,适用于全局污秽等级的评定和污区等级分布图的制订;而最大似然的分类方法对高等级污秽的评估精度高达80%,适用于对污秽闪络事故的预警。