離別的詩句精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的離別的詩句主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：離別的詩句范文

1、堅硬的城市里沒有柔軟的愛情。

2、童話里王子永遠只愛公主一個人，那是童話，要保留純凈?，F實是，公主和王子都已經慢慢長大，人和人之間會漸行漸遠。城堡已經凋敝，粉紅的玫瑰早就開始敗色。

3、當你真正愛一樣東西的時候你就會發(fā)現語言多么的脆弱和無力。文字與感覺永遠有隔閡。

4、相聚時不知友誼的可貴；分別才知那是人生最需要的東西，猶如鹽，少它還有什么滋味？

5、你不曾給我一次回眸，我卻始終在對你微笑。

6、飛吧，大雁！重振你矯健的翅膀。等侯在前方的，不會永遠是暴雨和惡浪。這世間還有真誠的友誼赤你輔展著寧靜的湖蕩。

7、你是我編造的童話故事中的王子，而我只是你生命里一個匆匆過客。

8、我的選擇是愛你或更愛你，你的選擇是愛我或不愛我！

9、那些屬于我們的回憶正在緩步凋零，那個刻著我們彼此姓名的夏季逐漸綻開，暈染了淺色的天際。

10、離別與重逢，是人生不停上演的戲，習慣了，也就不再悲愴。

11、葉子的離開不是風的召喚，而是樹的舍棄。

12、蝴蝶飛不過滄海。

13、有一天你能到我的心里去，你會看到那里全是你給的傷悲。

14、癡情的一方注定傷的最深，自古癡情終成空。

15、無論你在哪里，待走完滄桑人世，()我們終會相聚。浮花浪蕊的人生，哪那么容易就斷了呢？

16、不是每一次努力都會有收獲，但是，每一次收獲都必須努力，這是一個不公平的不可逆轉的命題。

17、原來，需等到風住塵香花已盡，-才可以看到最后的風清月朗，花好月圓。

18、獻上依依惜別的祝愿，愿福樂時刻與你相伴，分離只熔得友情更濃，重聚首將在那更燦爛的明天！

19、揮手告別，遠航，別不的，是你拋出的那根友誼的纜繩，無形中牢牢地系在心上。

20、人生就像一場舞會，教會你最初舞步的人卻未必能陪你走到散場……

21、當最后一個音符響起，想念畫上了休止符，再美好的句子也寫下了句號。然而，這并不預示著結束，而是代表著另一個美好的延續(xù)。

22、一聲汽笛，跌落在曠野；無限的惆悵與孤獨，在別離的那一刻，一齊從心頭滋生。

23、我終生的等待，換不。來你剎那的凝眸

第2篇：離別的詩句范文

中毒后用嘴吸毒

專家反對：可引起口部感染

【劇情回放一】

電視劇《宮鎖珠簾》中雍正被叛軍首領射中一箭，摔到地上。憐兒見皇上受傷，親口用嘴吸吮出毒血，然后帶著皇上來到邊陲小鎮(zhèn)休息療傷。

類似情節(jié)還出現在一些電視劇中，如被蛇咬傷后用嘴吸毒血等等。

【專家點評】

煙臺毓璜頂醫(yī)院急診科主任劉崗介紹，其實用嘴吸毒血的做法是非常錯誤的，這樣做可引起口腔感染?，F代生活中，可以用小針管（或吸奶器）往外抽。

劉崗說，一旦被蛇咬傷或者被帶有毒藥的刀劃傷，應該這樣做：首先，在傷口的上端，用繩或者皮帶捆扎住，以阻斷靜脈血和淋巴液的回流，減少毒液吸收，防止毒素擴散。不過要注意，每隔半個小時左右，需要將捆扎處松一松（約一二分鐘即可），以免影響血液循環(huán)造成組織壞死。如果現場有刀子的話，可以用小刀把傷口切開，把毒血擠一擠，并用大量的清水來清洗傷口。

同時，必須緊急到就近的醫(yī)院進行后期處理。需要提醒的是，如果是被蛇咬傷了，不要跑（以防毒液快速向全身擴散），可以快走。但如果現場有其他人，可以讓他背著傷者或者采取其他方式移動傷者。劉崗提醒說，如果被毒蛇咬傷最好在6小時之內處理，如果超過了6個小時還沒有處理可能會引發(fā)其他病變。

割手滴血救命解渴

專家聲音：越喝越渴加重脫水

【劇情回放二】

在電視劇《萬凰之王》中，皇上因戒除毒癮到避暑山莊療養(yǎng)，一些謀反大臣趁機將皇上軟禁，不給進食。小太監(jiān)割破自己的手，用血來給昏迷中的皇上續(xù)命。

《宮鎖珠簾》中，憐兒和皇上墜入火場中的枯井，當時誤把皇上當成小正子的憐兒口渴難耐，皇上割破手指為其解渴。

【專家點評】

在遇到生命危險或生命垂危時，身體會出現脫水的情況，喝一點點血不但不能解渴，還會使脫水情況加重。此外，傷口的衛(wèi)生程度也很難保證。

對于有讀者提及的，經常見一些劇情中，殺馬取血飲，對此，劉崗說，直接取動物血喝都不好，馬血也是。馬血里含有好多血漿蛋白，喝了以后對人身體不好。

麝香紅花導致不育

中醫(yī)聲音：天然麝香非常少見

【劇情回放三】

電視劇《后宮甄傳》中，甄初次懷孕時被貓抓傷，安陵容送了她一盒摻有麝香的舒痕膠，用了一段時間后，甄在懷孕5個月時流產。端妃被華妃強灌了一碗紅花，結果終身不育。

【專家點評】

第3篇：離別的詩句范文

愛在離別相思時，這離別雖然讓人心痛，但卻在這孤獨中，明白了思念的味。原來，你在我的心里是那樣的重。

那些曾經以為念念不忘的事情就在我們念念不忘的過程里，被我們遺忘了。

錯過的年華在北漠開出斑斕的紫薇花、卻荒蕪了輪回的春夏。

那些我們以為永遠不會忘記的事情,就在我們念念不忘的過程里,被我們忘記了。

每當我看天的時候我就不喜歡再說話每當我說話的時候我卻不敢再看天

夢已逝，心已碎，留下只是在為離開做準備。

那些刻在椅子背后的愛情，會不會像水泥上的花朵，開出沒有風的，寂寞的森林 看著別人的故事，流著自己的眼淚。

拒絕回答通常是一種回答。

那些以前說著永不分離的人，早已經散落在天涯了。

第4篇：離別的詩句范文

六點左右，老師、同學都到齊了?？锇嗌壳榈闹铝艘环o后，大家開動。

酒在中國人的飯桌上是必不可少的禮儀，也是最能調節(jié)氣氛的。此番敬酒，很有意思。

先敬沖哥（以前的輔導員），他最不給面子了。推三阻四，勉強喝完以后，開溜去洗手間了。

敬到成老師時，他一個勁兒推脫：“哎呀，我只是路過嘛。你看，我又不是你們輔導員，又不是班主任……”管他那一堆的理由，我們還是纏著他，他便讓我們找讓他接酒的理由。他這人吧，還特挑。我們夸他課上的好，是我們的心中偶像，他依舊不買賬。我靈機一動說：“成老師，您長得最帥了！”沒想到這招還真奏效。“哎，這個理由好”他端起酒杯，一飲而盡。

敬到劉老師時，我已經喝了一圈下來。不勝酒力啊，雖然意識還算清醒，但已經飄飄欲仙了。劉老師看我紅紅的臉頰，安撫我適可而止，大家隨意。

敬到胡老師，她下意識的問我們認不認識她是誰。聽到我們叫她的大名，她笑笑，知道我們還沒醉。

臨近八旬的袁老爺子最可愛了。他來我們這桌敬酒，仗著自己高濃度的白酒，非得不讓喝飲料，要求統(tǒng)統(tǒng)換掉。當然，最讓我感動的是他的一番說教。他把我們都當成他的孩子，說以后的人生路上，不如意之事十有八九。也許我們的戀愛、婚姻、家庭、事業(yè)，會碰到各種各樣的困難；但他都不希望我們像弱者一樣，要相信自己一定行。歷經滄桑的他，說出來的話是如此的意味深長。雖然我還不知道以后將會面臨怎樣的人生，但他的這些話會讓我受用一生。

幾桌的同學、老師，相互串桌敬酒。大家喝得都很盡興，只見想哥已經滿臉通紅，趴在飯桌上。珠珠的臉頰通紅，其他人多少有點醉意朦朧。

不知道從哪一瞬間開始，很多人傷感了，眼眶濕了，眼淚掉下來了，痛哭流涕了……身旁小倩第一個哭了，任我拍拍她頭，安慰她，都停不下來。

是啊，四年的光陰，不知不覺中就這么過了。我們還有多少次這樣的機會，可以大家都聚在一起？

畢業(yè)后，各自為生活為工作奔波。而有些人，一轉身，就是一輩子。

不知是誰提議，我們都離開飯桌，開始留影、擁抱。

我盡力去擁抱每一個人，尤其是四年下來，沒有深交而又遠在其他城市的同學。我想，如果再不好好把握的話，以后可能再也沒有機會了。此刻，再不擁抱就是罪。

擁抱，可以讓兩顆陌生的心靈如此接近；擁抱可以讓所有的不愉快，都冰釋前嫌。擁抱的感覺，原來是這么美好。而擁抱了你們，便再也沒有遺憾。

聚會上很多同學流淚了，我卻沒有。不是沒感覺，只是不想太傷感。因為傷感并不是離別的本意，每次離別亦是在為下次相逢埋下伏筆。就像我說的，十年，二十年以后的我們仍然能聚在一起。

第5篇：離別的詩句范文

案例A：對公司利潤操縱行為的識別

一、公司相關財務數據

為了便于闡述與分析問題，根據公司2000年度和2001年度會計報表及報表附注所披露的信息，將相關財務數據整理如表一：

二、對公司相關財務數據的分析

通過上述相關數據，我們不難計算出，該公司2000年度和2001年度的存貨周轉次數分別為2.04次和2.57次，即存貨周轉一次所占用的時間分別為179天和142天。筆者認為，作為一家坐落在省會城市的大型商業(yè)企業(yè)，這樣的存貨周轉速度很不正常。為了驗證判斷，筆者特意收集了商業(yè)類上市公司這兩個年度的相關財務數據，經計算，部分公司2001年度和2000年度存貨周轉次數分別是：西單商場（4.731、4.567）、王府井（2.93、2.93）、重慶百貨（11.09、8.2）、蘭州民百（2.58、2.59）、津勸業(yè)（14.41、14.59）、上海第一百貨（14.81、15.73）、上海豫園（2.94、4.54）、武漢中百（4.89、3.53）、大連友誼（15.52、12.13）、ST成百（13.7、13.3）、ST昆百大（3.16、3.17）。

經過比較后，我們不難得出結論：該公司在全國同類上市公司中存貨周轉次數明顯偏低，似乎有利潤操縱嫌疑。從理論上分析無非有兩種可能，要么存貨質價不符、變現不靈，要么虛轉成本、庫存不實。在與對方實際接觸和交流中，了解到真正成因是前者。原來該公司在上市過程中將當時的存貨按評估價值作價入股，但實際的售價要低于賬面成本。為了確保利潤指標，索性將該部分存貨專門存放，多年不做銷售處理。由此不難得出結論：無論從及時處理積壓商品、盤活存量資產和貨幣資金的市場化經營角度，還是按《關于印發(fā)〈股份有限公司會計制度有關會計處理問題補充規(guī)定〉的通知》財會字[1999]35號的要求，根據實際情況計提存貨跌價準備的會計核算角度，該公司的做法都是不值得稱道的。從理論上講，該公司的會計核算有悖穩(wěn)健性會計核算原則。

接下來讓我們再依據上述相關資料，對該公司所披露的“其他應收款”的賬齡的可靠性做出推斷。從現金流量和年初貨幣資金的相關數額以及各項目之間的內在勾稽關系出發(fā)，我們可以計算出：2000年度如果不考慮收到和支付的其他與生產經營活動有關的現金，年初貨幣資金與本年現金凈流量之和能夠在當年形成的“其他應收款”的最大數額為72，707，820.71元；如果考慮收到和支付的其他與生產經營活動有關的現金，年初貨幣資金與本年現金凈流量之和能夠在當年形成的"其他應收款"的最大數額為31，511，185.85元。兩種情況下得到的結果，都遠遠低于該公司披露的一年以內的其他應收款 241，383，898.69元，即年初貨幣資金余額與當年所形成的現金流量不足以形成該公司所披露的一年以內的其他應收款的數額。如此看來，該賬齡的披露有值得懷疑的地方。同樣，我們再來測算2001年度的情況 。如果不考慮收到和支付的其他與生產經營活動有關的現金，年初貨幣資金與本年現金凈流量之和能夠在當年形成的“其他應收款”的最大數額為29，012，986.69元；如果考慮收到和支付的其他與生產經營活動有關的現金，年初貨幣資金與本年現金凈流量之和能夠在當年形成的“其他應收款”的最大數額為9，279，539.31元。兩種情況下得到的結果，同樣遠遠低于該公司所披露的一年以內的其他應收款264，199，605.18元。顯然，該年度的其他應收款賬齡的劃分同樣有操縱之嫌。

從理論上分析，如果以上判斷屬實，則該公司存在為了少提壞賬準備、虛增利潤而人為加大一年以內其他應收款所占比例的行為。經過溝通，公司認可了筆者的判斷，即只要當年度其他應收款的每一明細科目有新的借方發(fā)生額發(fā)生，該明細賬戶的賬齡就確認為一年以內。而財政部的《關于執(zhí)行〈企業(yè)會計制度〉和相關會計準則有關問題解答》明確規(guī)定：“采用賬齡分析法計提壞賬準備時，收到債務單位當期償還的部分債務后，剩余的應收款項，不應改變其賬齡，仍應按原賬齡加上本期應增加的賬齡確定；在存在多筆應收款項、且各筆應收款項賬齡不同的情況下，收到債務單位當期償還的部分債務，應當逐筆認定收到的是哪一筆應收款項；如果確實無法認定的，按照先發(fā)生先收回的原則確定，剩余應收款項的賬齡按上述同一原則確定?！?/p>

案例B：對某公司財務造假行為的推理剖析

一、財政部《關于某股份有限公司的行政處罰決定》

某公司董事會2002年公告稱，日前，公司收到財政部下達的行政處罰決定，要求公司對不符合《會計法》和會計制度的行為限期整改，予以糾正，同時處以罰款10萬元。公告同時稱，2001年9月至12月，財政部對公司2000年及以前年度執(zhí)行《會計法》情況進行檢查。檢查結果認為，公司2000年及以前年度多確認收入36，717萬元。公告稱，公司將應計入財務費用的利息支出予以資本化，少計財務費用4，945萬元；同時，由于工程完工轉入固定資產不及時，折舊計提起始月份不準確及港口設施、設備資產分類不當等導致2000年度少提折舊780萬元；此外，公司對在建工程確認不準確，1998～2000年多列資產11，939萬元。

二、對該公司財務情況的推理分析

按該公司披露的數據，2000年及以前年度公司虛增利潤的總額共計42，442萬元（按15%所得稅率計算的稅后凈利潤為36，076萬元），而該公司2000年披露的三年凈利潤總和為36，136萬元。也就是說，按財政部的處理方法，該公司2000年及以前兩個年度的盈虧基本平衡。公司2001年度和2002年上半年分別實現凈利潤4，839萬元和3，297萬元，那么2001年和2002年上半年的業(yè)績可靠性如何？通過比較該公司1998年～2002年上半年公開披露的財務資料，我們可以發(fā)現如下一組數據：（見表二）

由表二我們不難得出，該公司出現了“增量不增收現象”。2001年下半年雖然實現吞吐量570萬噸，但實際已出現虧損520萬元（2001年上半年該公司實現凈利潤5，359萬元，而2001年度全年實現凈利潤4，839萬元）；2002年上半年實現吞吐量693萬噸，實現凈利潤3，297萬元，可見業(yè)績反復無常。盡管噸費率由1998年的32元下降至2001年的24元，下降了25%，但吞吐量卻從575萬噸增加到1，110萬噸，增加了93%。由此可見，其裝卸收入實際在逐年增加，那么“增量不增收”的主要原因應當出在“固定資產折舊費及財務費用增加”上（見表三）：

從上表我們不難發(fā)現，該公司的“其他收入”與吞吐量之間不成比例。1999年“其他收入”為10，101萬元，而1998年和2000年分別只有7，408萬元和6，302萬元，2001年又急劇降到2，256萬元，2002年上半年也只有1，242萬元。而該公司1999年招股說明書稱，“其他收入”為船務費、堆存費、集裝箱裝卸費、船方服務費、倒運費、加班費、鐵路使用費和船舶速遣費。這些費用與吞吐量之間應當呈現出正相關的關系?？磥碓摴驹凇捌渌杖搿狈矫嫠坪醮嬖诓倏v可能。

此外，通過該公司公開披露的相關資料，我們可以發(fā)現如下數據：自1997年以來，該公司通過股權融資籌資40，919萬元（A股23，400萬元，B股17，519萬元），銀行貸款凈增加108，204萬元，兩項合計149，123萬元。而自1998年以來該公司投資活動現金凈流出高達149，006萬元，2002年6月30日的“固定資產合計”比1997年年初凈增加 117，055萬元。

至此，我們能否大膽推測：該公司可能通過虛增收入和經營活動現金流量，同時虛增固定資產或在建工程的方式來操縱利潤呢？接下來讓我們將該公司與同行業(yè)其他上市公司的相關指標進行橫向比較。

從表四我們可以看出，同行業(yè)2000年、2001年和2002年上半年的總資產周轉率分別為0.22、0.28、0.14，而該公司的數額則分別為0.14、0.11、0.05，明顯低于同行業(yè)平均水平。此外，我們注意到：截止2001年末，該公司總資產29.6億元，其中固定資產18.5億元；天津港總資產28.1億元，其中固定資產17.5億元。兩者資產規(guī)模大體相當，但2001年天津港實現收入10億元，該公司只有2.8億元。次新股營口港同年實現收入2億元，但其資產總額只有3.9億元，其中固定資產3.4億元。不難看出，該公司的資產利用效率明顯偏低。那么資產利用率偏低，是出于管理問題，還是資產數額的真實性存在問題？接下來讓我們再比較以下港口行業(yè)部分上市公司2001年度主營收入與固定資產凈值的比率，見表五：

從表五我們可以看出，該公司的主營收入是同行業(yè)平均值的40%，但固定資產卻是同行業(yè)平均值的157%。至此，我們有理由推斷，該公司的固定資產數額有虛增之嫌。那么，如果該公司虛增固定資產的推理成立，那又是可能通過什么手段進行的呢？

最后，讓我們看一下該公司近年來實現的凈利潤和生產經營現金流量之間的數量關系：

顯然，該公司經營活動的現金凈流量均高于凈利潤數額，尤其以2001年為最，差額高達10，663萬元。這樣我們可以再一次大膽推斷，該公司有可能通過虛增貨幣資金或應收賬款的方式來虛增業(yè)務收入，再通過虛減貨幣資金的方式虛增固定資產，進而使其總資產周轉率和固定資產周轉率均明顯低于同行業(yè)平均水平。筆者注意到，該公司造假行為敗露后，有媒體報道，截止1999年末，該公司賬面貨幣資金45，693萬元，其中有21，367萬元是虛構的。從2000年開始造假集中在固定資產和在建工程上，2001年通過虛增在建工程將虛增的銀行存款做實（筆者注：2001年末固定資產合計比2000年末增加40，278萬元），這樣到2001年末，固定資產和在建工程虛增了34，164萬元。

至此我們就基本推理出了財政部對該公司財務造假行為所做結論的基本形成過程。

第6篇：離別的詩句范文

關鍵詞：不良數據識別 云計算 電力系統(tǒng)

中圖分類號：TM732 文獻標識碼：A 文章編號：1007-9416（2013）07-0066-01

1 電力系統(tǒng)不良數據識別

智能電網是未來電力系統(tǒng)發(fā)展的方向，智能電網需要對目前電網進行電力監(jiān)測系統(tǒng)的升級改造，提高電網智能化測量水平。隨著數字化變電站、輸電線路監(jiān)控系統(tǒng)、GIS集成監(jiān)控平臺等智能系統(tǒng)的發(fā)展，未來電力系統(tǒng)將會采集到海量的實時數據，這些數據是否準確決定著電力系統(tǒng)的安全可靠，在實際數據采集中，由于測量系統(tǒng)可能受到隨機干擾或者存在偶然故障，電力系統(tǒng)可能出現不良數據。電力系統(tǒng)不良數據可能影響到電力調度決策，對電力系統(tǒng)正常運行帶來威脅。電力系統(tǒng)不良數據識別就是要發(fā)現并消除測量數據中出現的偶然不良數據，保證系統(tǒng)運行安全性，電力系統(tǒng)不良數據識別和處理對電力系統(tǒng)安全可靠運行有重要意義。

目前，電力系統(tǒng)不良數據識別主要是基于狀態(tài)估計和數據挖掘兩個方面。基于狀態(tài)估計的不良數據識別算法可能出現殘差污染的現象，造成數據誤檢。基于數據挖掘的識別算法主要是基于智能算法進行不良數據識別，這些算法包括神經網絡、聚類分析、模糊理論等，這些智能算法存在計算量大、復雜度高的問題，在電力系統(tǒng)大數據量的情況下，不能很好地滿足智能電網的需求[1]。

2 云計算概述及分析

云計算是一種新興的計算模式，它通過將計算任務分布在大量計算機資源上提供超強計算能力、大存儲空間服務?！霸啤笔且恍┛勺晕揖S護管理的計算資源，通常情況下是大型服務器集群，其中有計算、存儲服務器，云計算是分布式計算、并行計算在商業(yè)中的實現，云計算集中計算資源并進行管理，但對用戶屏蔽了運行細節(jié)[2]。云計算的特點主要有：（1）大規(guī)模，云計算具有超大規(guī)模，能夠實現非常強大的計算能力，比如谷歌云擁有百萬臺服務器；（2）虛擬化，用戶所請求的資源來自“云”而非固定實體，用戶不需要了解服務具體運行的位置，只需通過網絡即可獲得高性能服務；（3）通用性，同一“云”可以提供不同的應用服務；（4）可靠性，云計算采用數據多副本容錯以及計算節(jié)點互換等措施使得云計算比本地計算可靠性更高；（5）擴展性，云計算可以根據需求動態(tài)伸縮滿足用戶需求；（6）廉價性，云計算采用廉價硬件資源構建服務器集群，降低了數據中心成本，提高了其資源利用率。

按照服務類型，云計算可以分為三類：基礎設施即服務（Infrastructure as a Service，IaaS）、平臺即服務（Platform as a service，PaaS）、軟件即服務（Software as a service，SaaS）。Iaas是將硬件設備及其他的基礎資源封裝為服務供用戶來使用，用戶可以讓平臺運行windows系統(tǒng)或者linux系統(tǒng)，這種方式最大的優(yōu)勢是允許用戶動態(tài)釋放節(jié)點。PaaS提供了用戶應用程序所需的運行環(huán)境，在這種模式中，用戶自有所下降，用戶需要使用特定的編程環(huán)境及編程模型。SaaS將一些特定的軟件封裝成服務，這種模式中軟件通過服務模式，SaaS將逐漸成為在線軟件主要的應用模式，但未來的發(fā)展可能受限于網絡帶寬以及信息存儲等基礎設施。

3 云計算在電力系統(tǒng)不良數據識別中的應用

隨著電網信息化的不斷發(fā)展，電網狀態(tài)數據的存儲以及計算面臨著非常大的挑戰(zhàn)，電網運行結構具有分布式特性使得電力系統(tǒng)數據具有分布式特征，將云計算的文件系統(tǒng)引入電力系統(tǒng)可解決電力系統(tǒng)數據存儲的難題。云計算還可以適用于電力系統(tǒng)數據處理的很多方面，云計算在電力系統(tǒng)不良數據識別方面的應用優(yōu)勢主要有：（1）構建以云計算技術為中心，以快速數據識別為目標，提供實時數據處理及存儲的軟件平臺和工具，及時發(fā)現并排除不良數據。（2）依托于云計算強大快速的數據處理能力，基于云計算的不良數據識別算法可以最大限度發(fā)揮優(yōu)勢，克服傳統(tǒng)不良數據識別中過度依賴調度員的缺陷，可以根據電力系統(tǒng)狀態(tài)數據快速準確判斷電力系統(tǒng)狀態(tài)。（3）不良數據識別算法能夠很好地適應云計算技術中的分布式計算存儲等特點，可以根據不良數據辨識算法的這一特性設計適合云平臺的算法模型。（4）電力系統(tǒng)中的狀態(tài)數據符合分布式特征，這樣待檢測數據可以來自于不同的存儲節(jié)點，利用虛擬化方法對電力系統(tǒng)存儲資源整合，可解決資源不足的難題，可以為數據云化處理提供基礎。（5）以云為基礎的電力系統(tǒng)調度平臺，可以實現對任意節(jié)點的電力系統(tǒng)數據進行離線分析計算，驗證辨識算法的性能。（6）基于云計算的虛擬化平臺可以針對不同電網節(jié)點提供不同電力辨識算法，提高算法性能。

將云計算應用到以數據挖掘理論為基礎的電力系統(tǒng)，可以有效提升電網的數據計算能力以及存儲能力。數據挖掘算法有基于聚類分析和基于神經網絡兩種，常用于電力系統(tǒng)不良數據識別中的聚類分析算法是k-means算法及間隙統(tǒng)計算法，間隙統(tǒng)計法可以較好地確定最佳聚類個數[3]。間隙統(tǒng)計算法中計算復雜度最高的是對不同的聚類個數k進行聚類和將數據聚類到k個中心，這兩部分具有云化特征，將云算法與間隙統(tǒng)計算法結合可以有效提高算法效率。

參考文獻

[1]蔣德瓏，王克文.不良數據檢測與辨識算法的評估研究[J].計算機工程與應用，2012，48（22）：239-241.

第7篇：離別的詩句范文

關鍵詞：指針儀表、圖像識別、采集

Abstract: the design of image recognition technology to pointer type instrument data automatic acquisition method, this method does not need to change to the existing instrument and pipeline transformation, signal acquisition stable and simple to use convenient.

Keywords: pointer instrument, image recognition, collection

中圖分類號：TU74文獻標識碼：A 文章編號：

1 引 言

視頻監(jiān)控系統(tǒng)在電力、通信、交通和水利等領域及銀行、工廠、博物館、賓館中得到了廣泛應用，以實現生產過程監(jiān)控、調度、防盜、防火等功能，在監(jiān)控過程中利用聲、光、電進行綜合報警；圖像識別技術在文字識別、指紋識別、人臉識別、產品檢測、軍事偵察、氣象分析、病理分析、自然災害預測等方面也得到了應用。

在我國的電力、石油化工行業(yè)中都安裝了視頻監(jiān)控系統(tǒng)，可以實現監(jiān)視現場設備。但這些視頻監(jiān)控系統(tǒng)只有視頻監(jiān)視功能，沒有視頻圖像識別功能，為了充分發(fā)揮視頻監(jiān)控系統(tǒng)的功能，將數字圖像處理技術運用在儀表讀數的識別中，包括設備信號燈的亮與滅、指針位置、七段式數字、開關位置和變壓器油液面進行識別和監(jiān)控。

指針式儀表具有結構簡單、維護方便，具有防塵、防水、防凍措施，不受電磁場干擾，可靠性高，價格便宜等優(yōu)點但是指針式儀表不是數字儀表，不利于被數字系統(tǒng)采集。對某些老舊設備不方便進行數字化改造，尤其在要求必須采用非電量、非接觸式的易燃、易爆場合。比如煤氣站，如何對指針式儀表在生產過程中進行自動監(jiān)控、讀取其數值就成為一個迫切需要解決的問題。本文主要利用圖像傳感器的圖像識別技術對指針式儀表的數據進行采集。

2 數字圖像識別技術

在數字視頻監(jiān)控與圖像識別系統(tǒng)中，首先要對視頻流進行實時截取并保存，然后進行圖像預處理、圖像特征提取和事件判決等圖像識別工作，圖像識別的處理過程如圖1所示。

圖1圖像識別的處理過程

圖像信息的獲取是指從接收的視頻流中截取視頻圖像信息，截取的彩色圖像一般用紅、綠和藍3基色的8位亮度值（0~255）表示，稱為R、G、B值。

圖像預處理的目的是去除干擾、噪聲及差異，將原始圖像變成適于計算機進行特征提取的形式，它包括圖像的變換、增強和濾波等。圖像的變換通常是利用傅立葉變換、余弦（正弦）變換、沃爾什變換、小波變換等的性質和特點，將圖像轉換到頻域中進行處理，以改善圖像質量，同時還能提高運算處理速度。圖像增強主要是利用各種數學方法和變換手段提高圖像中人們感興趣部分的清晰度，突出一幅圖像中的某些信息，同時削弱另一些無用信息。

圖像特征提取的作用是對視頻圖像信息進行整理、分析、歸納。得到能反映圖像本質的特征，得到可用于判決的參量。

判決是指通過特征量與閾值進行計算、比較和分析，判斷出圖像的狀態(tài)得到最終的輸出結果。

3 圖像識別技術實現數據采集儀的結構和工作原理

數據采集儀主要包括攝像系統(tǒng)CCD傳感器、儀表圖像采集、壓縮、存儲系統(tǒng)和儀表讀數識別系統(tǒng)三部分組成。攝像系統(tǒng)和儀表圖像采集、壓縮、存儲系統(tǒng)之間采用數據線或視頻線連接，并進行信號傳輸，儀表圖像采集、壓縮、存儲系統(tǒng)和儀表讀數識別系統(tǒng)之間通過通信接口連接進行數據傳輸。攝像系統(tǒng)攝取儀表的表盤圖像，所攝取圖像的數字信號或視頻信號，由儀表圖像采集、壓縮、存儲系統(tǒng)進行采集、壓縮、存儲，然后將存儲的所有圖像傳送給儀表讀書識別系統(tǒng)集中進行讀書的自動識別，得出并記錄儀表的計量值。

3．1指針位置的識別

指針式儀表主要有電壓表、電流表、氣壓表和溫度表等，指針及指針圖像的處理過程如圖2所示。

圖 2指針及圖像的處理過程

指針的位置識別方法一是采用告警區(qū)域指針查找法，即首先設定告警區(qū)域，然后對目標圖像進行坐標變換，查找指針圓心，確定指針的臨界告警斜率，這樣即可在告警區(qū)域內查找有無指針，若發(fā)現有指針即發(fā)出告警，否則繼續(xù)監(jiān)控不告警；二是在確定指針圓心后對指針進行識別，然后計算指針的角度，用計算出的角度與設定的告警角度進行比較，確定是否發(fā)出告警。

3．2采集系統(tǒng)的硬件設計

采集系統(tǒng)通過CCD攝像頭光學傳感器獲得指針指示表的視頻圖像，其為標準的電視信號PAL格式，然后通過A/D轉換將標準視頻圖像數字化，采用Philips公司的解碼芯片SAA7113。SAA7113是可編程的數字圖像處理芯片,它不僅可以完成圖像數字化,而且可以實現行場同步信號的自動檢測和分離,這樣就可以省去同步分離電路的設計。將數字化后的視頻數據的一幀或多幀存入雙口RAM中去，然后使用FPGA對送過來的圖像數據進行預處理，同時FPGA還將產生系統(tǒng)程序和數據存儲器寫和讀的時序邏輯信號以及給DSP處理器產生中斷。FPGA預處理之后將數據送往核心DSP處理器進行壓縮處理和數字識別。DSP將壓縮后的數據送往靜態(tài)SRAM，同時將指示表的識別結果送往主控制器ARM芯片?？刂破鰽RM主要完成的工作有：開始時對A/D芯片SAA7113進行初始化，控制DSP和FPGA的工作，輸出識別數據，同時把SRAM中存儲的壓縮原始指示表圖像輸出到顯示部分，以供人工檢查。系統(tǒng)輸出的部分可以在嵌入式系統(tǒng)上，也可以在PC機上，傳輸的途徑可以通過USB、Internet或者無線傳輸，這樣整個系統(tǒng)可以進行擴展進而組成大的監(jiān)控抄表系統(tǒng)，整個系統(tǒng)的硬件如圖3所示。

圖3采集系統(tǒng)的硬件圖

隨著電子技術的飛速發(fā)展，各種功能強、功耗低的嵌入式微處理器不斷涌現?；诖祟愇⑻幚砥鞯那度胧较到y(tǒng)由于實用性強、便攜方便和功耗低的特點占據了越來越多的市場，其重要性也凸現出來。嵌入式系統(tǒng)在多媒體技術上的應用是其應用的一個重要方面，基于嵌入式系統(tǒng)的數字圖像處理和識別又是當前的一個熱點。

目前，國內外研究者通常采用微機對攝入的儀表圖像進行識別和控制，或者使用單片機進行控制，以上系統(tǒng)將圖像傳送到PC上，然后在PC上通過軟件運行各種圖像識別程序，這種方案存在一定的局限性：(1)識別程序缺乏并行性，限制了很多識別效果不錯但時間復雜度較大的算法的實際應用。(2)PC負擔過重，即PC將承擔所有的識別工作和其他的數據讀取、存儲操作。如果識別的結果還要完成網絡傳輸和數據庫操作，系統(tǒng)的運行速度將受到嚴重影響。(3)PC機軟件的防盜版能力差。(4)整個系統(tǒng)的成本無疑代價昂貴。與此同時，也有少數基于嵌入式系統(tǒng)的圖像識別抄表的例子，如采用DSP進行識別的系統(tǒng)，但其識別錯誤率仍有些高，輸出、顯示部分不夠完善，比照結果不方便。

在嵌入式系統(tǒng)中將模式識別技術應用于圖像處理中，采用德州儀器的DSP作為圖像處理和識別的核心，系統(tǒng)再輔以輸入、輸出、控制等其他單元。在圖像識別上對現有的一些算法進行了改造，使之更加適合在嵌入式系統(tǒng)中應用，能夠滿足實時性的要求。如在Hough變化的基礎上提出改進的Hough變化算法，也將結合神經網絡的知識對指針圖像進行識別。整個嵌入式系統(tǒng)既可單獨使用，也可作為節(jié)點與計算機形成主從系統(tǒng)，計算機只是作為結果顯示的界面和必要的人機交互工具。

3．3系統(tǒng)的軟件設計

獲得數字化的圖像數據后，接著在傳統(tǒng)方法上對圖像進行增強運算，平滑濾波，銳化處理、圖像分割、二值化、腐蝕和細化的一系列預處理，最后將數據送往DSP，利用指針位置和指示表讀數的對應關系結合Hough算法得到識別結果，同時DSP按照JPEG200壓縮算法對圖像進行壓縮，以獲得原始基準圖片。最后通過ARM芯片將得到的識別結果送到本地或遠地的顯示部分。

下面是數字圖像識別的具體步驟：

（1）圖像平滑

在通過輸入設備得到指示表的數字圖像后，使用鄰域平均法，對圖像進行平滑。通過平滑濾波可有效抑制圖像采集時隨機噪聲的干擾，提高識別的穩(wěn)定性。為使平滑后圖像沒有太大的模糊，利用較小的模板進行平滑。

（2）圖像二值化

為了提取圖像中我們感興趣的區(qū)域，必須對圖像進行分割，將背景和物體分割開來。最常用的圖像分割方法是把灰度分成不同的等級，然后用設置灰度門限的將圖像二值化，分割出有意義的區(qū)域。

（3） 圖像的細化

為了提高識別的速度，有必要對圖像進行細化處理。對圖像進行細化有助于突出形狀特點和減少冗余的信息量。

（4） 指針讀數的識別

在DSP處理器中采用Hough變換進行圖像識別。Hough變換是一種線描述方法。它可以將笛卡兒坐標空間中的點變換為極坐標空間中的曲線。通過Hough變換找到直線指針的位置，將其讀數計算出來。

4結論

由于本設備是在現有的裝置上的附加設備，不須對現有儀表更換和管線改造，無須不間斷地采集信號，不須持續(xù)供電，信號采集穩(wěn)定可靠，無人工因素，真實可信，成本低，應用簡單。

參考文獻

[1]朱秀昌.數字圖像處理與圖像通信.北京：北京郵電大學出版社，2002.

第8篇：離別的詩句范文

關鍵詞：雷達目標識別；一維距離像；核支持向量；最優(yōu)變換矩陣

中圖分類號：TN95 文獻標識碼：B

文章編號：1004373X(2008)0503103

Radar Target Recognition Using Range Profiles Based on KSVs Optimal Transform Matrix

ZHANG Qin,ZHOU Daiying

(College of Electronic Engineering,University of Electronic Science & Technology of China,Chengdu,610054,China)

Abstract：The paper proposes a novel approach for radar target recognition based on Kernel Support Vectors(KSVs) optimal transform matrix,which constructs a between-class matrix and a within-class scatter matrix by use of KSVs.In addition,the null-space fisher method is exploited to calculate the optimal transform matrix,which is used to extract the discriminant features form the original range profiles.For the test sample,final decision is made in accord with the Euclidean distance.Experimental results on range profiles of three kinds of planes demonstrate the effectiveness of this proposed method.

Keywords：radar target recognition;range profile;kernel support vectors;optimal transform matrix

1 引 言

高分辨雷達接收的目標回波占據多個距離分辨單元，形成目標的一維高分辨距離像，反映了目標散射點在雷達視線上的分布情況，為物理特性相似的復雜目標分類提供了必要的信息來源[1]。但是，一維距離像敏感于目標姿態(tài)角的變化。因此，采用合適的特征提取和分類方法，是正確識別目標的關鍵。

支持向量機(SVM)最早由Vapnik提出，是結構風險最小化(SRM)思想的具體實現，其結構簡單且具有全局最優(yōu)性能[2,3]。故應用SVM可設計高性能的一維距離像分類器。

此外，在模式識別領域得到成功應用的還有零空間(null-space)方法[4]，零空間方法主要是利用類內散布矩陣的零空間特性結合Fisher準則求解最優(yōu)的線性子空間。

本文結合上述方法，提出了一種新的方案：用SVM方法計算不同類別的支持向量集(SVs)，通過SVs估算類間散布矩陣[WTHX]S[WTBX]b及類內散布矩陣[WTHX]S[WTBX]w，再由[WTHX]S[WTBX]b，[WTHX]S[WTBX]w構建的Fisher判別式分析中應用其零空間特性，建立一個最優(yōu)變換矩陣，對每類目標進行特征提取。

2 支持向量集

2.1 兩類目標的支持向量集

對非線性可分的訓練樣本集:

可以通過非線性變換轉化為某個高維空間中的線性問題，即

在高維特征空間中利用SVM方法求支持向量集，方法如下:

SVM分類面函數表示為:

最大化分類間隔等價于如下優(yōu)化問題:

2.2 多類支持向量集

對多類問題，本文選用相對簡單且有效的一對多方法。假設訓練樣本集一共有C個類別，該方法需要構造C個SVM分類器，第i(i=1…C)個分類器將第i類與其余的類別分開。

在構建第i個分類器時，設第i類為正例集合，即yj=1,Φ(xj)∈i，其余類別為反例集合，即yj=－1,Φ(x┆j)i。根據式(5)的定義得到屬于第i類的正例支持向量集，在此定義為SVi。同理，可得到總共C個類別的支持向量集，記為:

3 最優(yōu)變換矩陣

3.1 利用支持向量構造Fisher判別式

設Φ(xij)∈SVi(j=1,2,…,Ni)為第i類目標的第j個支持向量，其中Ni為第i類目標支持向量的個數。計算類間散布矩陣[WTHX]S[WTBX]b和類內散布矩陣[WTHX]S[WTBX]w:

因此，Fisher優(yōu)化準則變成如下形式:

3.2 利用零空間特性求解最優(yōu)變換矩陣

為使式(12)取最大，傳統(tǒng)的方法是通過對[WTHX]K[WTBX]－1w[WTHX]K[WTBX]b進行主成分分析，求解較大特征值對應的特征向量構造變換矩陣，忽略了類內散布矩陣[WTHX]K[WTBX]w的零空間特性。零空間是由特征值為零的特征向量構成的矩陣，使得式(12)的分母為零，此時若分子>0，必然有最好的可分性。研究表明零空間方法求變換矩陣優(yōu)于其他的子空間方法[4]。

下面給出一種有效的零空間方法，并用其求解最優(yōu)變換矩陣。

其中n為支持向量維數，N為支持向量集的樣本個數，C為類別數。由于支持向量的數量通常都比較少，因此n>N，

4 基于最優(yōu)變換矩陣的目標識別

將式(16)中的第i(i=1,…,C)類目標的均值向量mi向最優(yōu)變換矩陣[WTHX]W[WTBX]投影[4]:

設待測樣本作非線性變換后向最優(yōu)變換矩陣投影得到[WTHX]y[WTBX]t，計算歐式距離:

則判定目標屬于第k類。

5 實驗結果

本文采用的實測數據是ISAR雷達對空中3種飛機(安-26,獎狀,雅克-42)所成的距離像。采樣點數為256。試驗數據為3種飛機任取一段的260幅距離像，用隔一取一方法將距離像分為訓練樣本集和測試樣本集。

識別前做如下處理：

歸一化:將每幅距離像用總能量歸一。

距離對準:利用Fourier變換的平移不變性，將一維距離像做Fourier變換即可對齊。

實驗：對訓練和測試數據應用本文方法(SVN)，基于所有訓練樣本的核 Fisher方法(轉換矩陣求解采用零空間方法，KFN)，基于所有訓練樣本的核Fisher方法（轉換矩陣求解用傳統(tǒng)的主成分分析方法，KFP）和基于一對多方法的多類支持向量機方法 (MSVM)進行識別實驗 。結果列于表1中。

從表1可以看出，對于幾種基于核函數的分類識別方法，本文提出的方法(SVN)好于其他三種。SVN利用SVM方法求解屬于不同類別的支持向量，進而對支持向量進行Fisher判別分析，將兩類問題擴展到多類，同時結合了零空間方法求解最優(yōu)變換矩陣，使得識別性能得到改善。

6 結 語

本文通過對核支持向量的Fisher分析，結合零空間方法，獲取最優(yōu)變換矩陣，對雷達目標目標一維距離像進行識別實驗。實驗結果表明：僅利用支持向量集訓練分類器，就能取得與基于全部訓練樣本得到的分類器略好的性能；零空間方法求解變換矩陣優(yōu)于其他子空間方法。因此SVN方法能改善對雷達目標的識別性能。

參考文獻

［1］周代英.雷達目標一維距離像識別研究[D].成都:電子科技大學,2001.

［2］邊肇w,張學工.模式識別[M].2版.北京:清華大學出版社,2000.

［3］Vapnik N.The Nature of Statistical Learning Theory[J].New York: Springer Verlag,1995:1-188.

［4］Liu Wei,Wang Yun-hong.Null Space-based Kernel Fisher Discriminant Analysis for Face Recognition[C].（In）：Proceedings of the 6th International Conference on Automatic Face and Gesture Recognition,Seoul,Korea,2004:369-374.

［5］張寶昌.基于支持向量的kernel判別分析[J].計算機學報,2006,29(12):85-92.

第9篇：離別的詩句范文

關鍵詞：BP神經網絡；電力工程；異常數據識別技術

BP神經網絡是一種多層前饋神經網絡，信號從輸入層到隱含層，再到輸出層得到期望輸出。期望輸出同實際值做比較，若得不到所期望的值，則誤差反向傳播，調節(jié)網絡的權值和閾值。BP神經網絡作為一種引入隱含層神經元的采用多層感知器的神經網絡模型，主要由輸入層、中間層和輸出層3 個部分組成。其中，中間層即隱含層，可以是一層或多層結構。

1 BP神經網絡概述

BP神經網絡是人工神經網絡的分類中的多層前饋型神經網絡。BP神經網絡的主要特征為傳遞信號向前傳播，而誤差反向向后傳播。BP神經網絡在工作時，信息從輸入層通過隱含層到達輸出層。輸出層達不到所期望的信號，將誤差反向傳播，從而根據誤差不斷調整BP神經網絡的閾值和權重，從而使BP神經網絡的輸出值不斷逼近期望值。

2系統(tǒng)設計

該異常數據識別系統(tǒng)利用神經網絡對電力系統(tǒng)異常進行識別，實際上是利用神經網絡可以以任意精度逼近任一非線性函數的特性以及通過學習歷史數據建模的特點。在各種類型的神經網絡中，BP神經網絡具有輸入延遲，適合于電力系統(tǒng)異常數據識別。根據電力系統(tǒng)運行的歷史數據，設定神經網絡的輸入、輸出節(jié)點，以反映系統(tǒng)運行的內在規(guī)律，實現識別數據異常的目的。所以，利用神經網絡對電力系統(tǒng)異常數據進行識別，主要就是要設定神經網絡的輸入、輸出節(jié)點使其能反映電力系統(tǒng)運行規(guī)律。

3訓練樣本

在BP神經網絡模型中，在選擇樣本時，一定要盡可能的表達出系統(tǒng)中全部可能發(fā)生的情況所對應的狀態(tài)，這樣才能表現出來動力參數與實際測量數據一一對應的映射關系。將需要進行反分析的動力參數作為因素，要在每一個因素里面的各種組合中均要做試驗。假設在一組設計試驗中，有n個因素，并且它自身又有l(wèi)1 ，l2 ，......，ln個水平，那么在進行全面試驗時，至少需要做每個水平之積次試驗。當因素及其自身對應的水平數量不太多時，運用這種算法是比較準確的。但是，隨著因素及其對應的水平越來越多，需要做的試驗次數也要幾何級數般增長。因此，在BP神經網絡的學習過程中，如果選擇合適、合理的方法選擇樣本就十分重要。

4 BP網絡模型與訓練算法

BP（BackPropagation，后向傳播）神經網絡全稱又叫作誤差反向傳播（errorBackPropagation）網絡。它是一種采用BP算法訓練的多層前饋神經網絡，每層網絡均包含一個或多個M-P神經單元構成。M-P神經單元結構，xi表示第i個輸入值，wi為該輸入值的權重，θ為該神經元的閾值，y為該神經元輸出值。其中，即神經元將n個維度的輸入值加權相加后與神經元的閾值進行比較，然后將比較值通過激活函數f處理后進行輸出。BP網絡通過不同網絡層間神經元的全連接構成。在網絡訓練學習過程中，BP算法將輸入數據通過輸入層進行輸入，并經過隱藏層計算后由輸出層進行輸出。接著輸出值與標記值進行比較，計算誤差（代價函數）。最后誤差再反向從輸出層向輸入層傳播，反向傳播過程使用梯度下降算法以目標的負梯度方向來對神經網絡上的權重和閾值進行調整。

5神經網絡識別實驗

考察5 種不同類型的神經網絡，表1 列出了Perceptron、BP、PBH、模糊ARTMAP和RBF的均方根誤差與Perceptron的誤分類率等信息。可以看到，Perceptron神經網絡表現不佳，均方根誤差在0.6~0.7 之間；誤分類率在0.1~0.2 之間。Perceptron神經網絡對異常數據的檢測錯誤與誤分類率較高。隨著隱藏神經元數量的增加，ARTMAP與RBF網絡的性能均會提高。在大多數情況下，均優(yōu)于Perceptron。BP與PBH網絡具有相似性能，且兩個神經網絡始終比其他3 種類型的神經網絡表現更優(yōu)。隨著隱藏神經元數量的增加，兩種神經網絡錯誤與誤分類率不會降低。

6狼群算法

狼群算法優(yōu)化BP神經網絡。狼群算法是一種群智能算法，它通過模仿狼群捕獵的行為來處理優(yōu)化問題。在自然界中，狼在食物鏈中處于捕獵者。狼的外形神似狗和豺，動作迅速，嗅覺靈敏，有天生的捕獵能力。狼群算法最早于2007 年提出，后來有學者發(fā)現其中存在的問題，經狼群算法優(yōu)化后提出了新型狼群算法（WCA），最后，2013 年根據自然界中狼群追捕獵物，捕食，以及分配食物的方式提出的基于狼群群體智能的算法（WPA）。該算法詳細的將狼群內的種類分為頭狼、探狼、猛狼三種，并具有圍攻、召喚、奔襲、游走等行為。狼群算法同樣依據自然界中“勝者為王，適者生存”的更新機制。狼群算法的加入，形成了改進的BP神經網絡，防止網絡陷入局部極值點，提高網絡效率。

7遺傳算法

遺傳算法優(yōu)化BP神經網絡。算法主要包括三部分：初始化BP神經網絡結構、遺傳算法優(yōu)化和BP神經網絡識別。其中初始化BP神經網絡結構包括：確定輸入層、隱含層和輸出層節(jié)點個數，以及初始化網絡的權值和閾值等參數。遺傳算法優(yōu)化BP神經網絡是將一個網絡中的所有權值和閾值看作種群中的一個個體，然后通過選擇、交叉和變異的操作得到最優(yōu)的個體，即最優(yōu)權值和閾值，并將該組權值閾值賦給BP神經網絡作為初始的權值和閾值。最后的BP神經網絡識別部分，是利用遺傳算法優(yōu)化的初始權值和閾值來訓練網絡，再利用訓練好的神經網絡進行識別。

結束語

為實現電網工程建設中對異常數據的檢測，建立了分布分層的數據檢測系統(tǒng)。其是一種使用統(tǒng)計預處理與神經網絡分類的異常數據檢測算法。通過對5 種不同的神經網絡進行對比實驗，可得出結論：BP與PBH網絡的性能優(yōu)于Perceptron、模糊ARTMAP和RBF等3 種神經網絡?？紤]到構建成本最終選取BP神經網絡作為系統(tǒng)的神經網絡分類器，在此基礎上還進行了系統(tǒng)測試。結果表明，系統(tǒng)能夠可靠地檢測到異常數據，其流量強度僅為背景強度的5%~10%，證明了該系統(tǒng)的有效性。

參考文獻

[1]李慧，陳愷妍.基于神經網絡的電力計量故障診斷研究[J].計算機與數字工程，2020，48(05):1252-1257.

[2]多俊龍，王大眾，崇生生.在電力通信預警中優(yōu)化的BP神經網絡模型研究[J].東北電力技術，2020，41(02):13-15+62.

[3]羅寧，高華，賀墨琳.基于神經網絡的電力負荷預測方法研究[J].自動化與儀器儀表，2020(01):157-160.