典型文献
基于卷积神经网络的典型雷暴云下地面电场识别研究
文献摘要：
雷暴云产生的闪电危害巨大,雷暴发生时其地面电场的特征可应用于关键系统的雷电预警和雷电防护.笔者依据雷暴云偶极子模型,研究典型雷暴云下地面电场的特征,提出基于卷积神经网络(Convolutional Neural Network,CNN)的雷暴云地面电场识别方法.该方法考虑不同天气情况下地面电场的特征,对大量样本数据进行训练和识别,证明了卷积神经网络用于识别雷暴云下地面电场的可行性,划分了基于卷积神经网络识别结果的雷电预警等级.结果表明:所提方法区分各类别电场样本的整体准确率高于93％,通过对典型雷暴云下地面电场特征的学习,实现了雷暴云电荷中心的地理区域识别.所提方法可为局部区域的雷暴云大气电场识别和雷电预警提供思路.
文献关键词：
雷暴云;大气电场;偶极子模型;卷积神经网络;雷电预警
中图分类号：
作者姓名：
孙中华;傅正财;刘亚坤;陈坚;毕晓蕾;刘娟
作者机构：
上海交通大学电力传输与功率变换控制教育部重点实验室,上海200030;中国石化青岛安全工程研究院化学品安全国家重点实验室,山东 青岛266101
文献出处：
引用格式：
[1]孙中华;傅正财;刘亚坤;陈坚;毕晓蕾;刘娟-.基于卷积神经网络的典型雷暴云下地面电场识别研究)[J].电瓷避雷器,2022(04):155-161,168
A类：
B类：
雷暴云,闪电,关键系统,雷电预警,雷电防护,偶极子模型,Convolutional,Neural,Network,法考,不同天气,天气情况,别雷,预警等级,电荷,地理区域,区域识别,局部区域,云大,大气电场
AB值：
0.226425
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
