Feb, 2022

从遥感数据中自动提取能源系统信息的回顾与分析

PDF
TL;DR本文系统地回顾了过去 20 年中的文献和研究结果，发现对于能源系统的研究来说，远程感应数据和机器学习等自动化方法是从海量数据中提取有效信息的关键。然而，方法标准化以及数据伦理和隐私问题等限制需要逐渐解决。
发现论文，激发创造
  • 通过自动信息抽取监测能源趋势

    本文介绍了一种基于 Web 的语义系统 EneMonIE（通过信息提取监测能源趋势），该系统通过使用从 Web 上获取的不同类型的媒体的自动、持续和有导向性的信息提取，监测最新的能源趋势，并提供各种数字能源数据和媒体的信息处理、展示和信息检索。

    Jan, 2022

  • 利用街景图像、航空图像和地表温度数据估算建筑能效

    通过对广泛可用的遥感数据进行多源融合和深度学习建模，可以较快地并且准确地评估建筑的能源效率，本研究通过对英国近 40,000 座建筑的数据分析和建模，证明了通过街景、航拍图像、建筑平面和卫星表面温度等信息，深度学习建模的方法可以取得令人满意的预测结果，并为未来的进一步工作提供了可能性。

    Jun, 2022

  • 如何可靠地提高遥感光伏系统图像获取的稳健性？

    光伏能源的去碳化是能源系统的关键。由于缺乏集中的数据，遥感技术是监测区域范围内屋顶光伏系统发展的最佳选择。然而，当前技术缺乏可靠性，并对采集条件的变化尤其敏感。为解决这个问题，我们利用小波尺度归属方法（WCAM），该方法将模型的预测分解为空间尺度域。WCAM 使我们能够评估 PV 模型依赖的尺度，并为得出改善采集条件鲁棒性的方法提供了见解，从而增加对深度学习系统的信任，鼓励其在电力系统中安全集成清洁能源的应用。

    Sep, 2023

  • 基于深度特征的遥感与贫困测绘迁移学习

    通过机器学习从高分辨率遥感图像中提取大规模社会经济指标，以辅助政策决策和人道主义救助，特别是在发展中国家等缺乏可靠数据的地区。

    Oct, 2015

  • 基于人工智能的能源运输安全：使用智能感知系统的管道辐射威胁估计

    本论文提出了一种基于分布式光纤感应技术的能源管道径向威胁估计方法，通过利用连续多视角和多域特征融合方法提取综合信号特征构建威胁估计和识别网络，实现了对管道威胁的精细识别和定位过程，从而增强能源运输的安全性。

    Dec, 2023

  • 遥感中的深度学习：综述

    分析了深度学习用于遥感数据分析的挑战、近期进展及如何利用该技术应对包括气候变化和城市化等前所未有的大规模具有影响力的挑战，鼓励遥感科学家将自己的专业知识带入深度学习，并将其作为隐式通用模型。

    Oct, 2017

  • 利用卷积网络和卫星图像在大范围内识别城市环境模式

    利用遥感技术和深度卷积神经网络，分析大规模卫星图像数据中的城市土地利用模式，并提供数据集以供遥感应用的机器学习研究人员使用。

    Apr, 2017

  • 基于语义网的分散家庭能源数据提升方法

    本文介绍了一个基于本体论的方法，用于在分散的家庭能源系统中管理分辨率为设备级别的数据，以便更好地利用来自互联网和 Web 的各种数据，促进能源可持续发展。

    Aug, 2022

  • 利用深度特征实现遥感图像检索：系统性研究

    本篇论文综合研究了遥感图像检索中的特征提取、相似度度量和相关反馈三个核心问题，并提出使用深度学习方法解决特征提取问题，对可能影响深度特征性能的相关因素进行了系统调查，并在公共数据集上获得了显著的检索结果。

    Jul, 2017

  • 商用遥感包中的图像融合技术

    本文提供了多传感器图像融合技术的最新状态，详细评估了商业遥感软件中单张图像或融合图像的质量，并介绍了用于图像融合和分类的程序（ALwassaiProcess）。

    Jul, 2013