iData_基于皮尔逊相关系数法的水树枝与超低频介损的相关性研究_杨帆
基于滑动偏相关法的水文气象序列变异诊断
势；年降水量以 ３．２４ ｍｍ ／ １０ ａ 的速率增大，未来呈持续减小趋势；年均气温以 ０．４２ ℃ ／ １０ ａ 的速率显著升高，未来呈持续升高趋势。
【 水文泥沙】
基于滑动偏相关法的水文气象序列变异诊断
唐小雨１ ，高 凡１ ，孙晓懿２ ，何 兵１
（１．新疆农业大学 水利与土木工程学院，新疆 乌鲁木齐 ８３００５２；
２．黄河水资源保护科学研究院，河南 郑州 ４５０００３）
摘 要：选取塔里木河流域源流区叶尔羌河与和田河 １９６０—２０１５ 年逐月实测径流资料及同步气象观测资料，对研究区水文气象要
中图分类号：Ｐ３３３ 文献标志码：Ａ ｄｏｉ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２０．０５．００３
Ｖａｒｉａｔｉｏｎ Ｄｉａｇｎｏｓｉｓ ｏｆ Ｈｙｄｒｏｌｏｇｉｃａｌ ａｎｄ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｊｏｉｎｔ Ｓｅｑｕｅｎｃｅｓ ｉｎ Ｔａｒｉｍ Ｒｉｖｅｒ
ｃｒｅａｓｅ ｉｎ ｔｈｅ ｆｕｔｕｒｅ； ｔｈｅ ａｎｎｕａｌ ａｖｅｒａｇｅ ｔｅｍｐｅｒａｔｕｒｅ ｉｎｃｒｅａｓｅｓ ｓｉｇｎｉｆｉｃａｎｔｌｙ ａｔ ｔｈｅ ｒａｔｅ ｏｆ ０．２９ ℃ ／ １０ ａ， ａｎｄ ｈａｓ ｎｏｔ ｙｅｔ ｃｏｎｔｉｎｕｅｄ ｔｏ ｉｎ⁃
２． Ｙｅｌｌｏｗ Ｒｉｖｅｒ Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ Ｐｒｏｔｅｃｔｉｏｎ Ｓｃｉｅｎｃｅ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ， Ｚｈｅｎｇｚｈｏｕ ４５０００３， Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ ｏｎ ｔｈｅ ｍｏｎｔｈｌｙ ｒｕｎｏｆｆ ｄａｔａ ａｎｄ ｓｙｎｃｈｒｏｎｏｕｓ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｏｂｓｅｒｖａｔｉｏｎ ｄａｔａ ｏｆ Ｙａｒｋａｎｄ Ｒｉｖｅｒ ａｎｄ Ｈｏｔａｎ Ｒｉｖｅｒ ｉｎ ｔｈｅ ｓｏｕｒｃｅ
水文模型知识学习的命名实体识别方法研究
第２１卷 第６期２０２３年１１月中国水利水电科学研究院学报（中英文）ＪｏｕｒｎａｌｏｆＣｈｉｎａＩｎｓｔｉｔｕｔｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＨｙｄｒｏｐｏｗｅｒＲｅｓｅａｒｃｈＶｏｌ．２１ Ｎｏ．６Ｎｏｖｅｍｂｅｒ，２０２３收稿日期：２０２３－０５－０６；网络首发时间：２０２３－０６－１４网络首发地址：ｈｔｔｐｓ：??ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ?ｕｒｌｉｄ?１０．１７８８．ｔｖ．２０２３０６１３．１０２３．００１基金项目：科技创新２０３０重大项目（２０２１ＺＤ０１１３６０２）；中国工程科技知识中心项目（ＣＫＣＥＳＴ－２０２１－２－１２，ＣＫＣＥＳＴ－２０２２－１－３５）作者简介：赵慧子（１９９７－），硕士生，主要从事水利信息化研究。
Ｅ－ｍａｉｌ：１３３３２３７２９６２＠ｍｓｎ．ｃｎ通信作者：赵红莉（１９７３－），教授级高级工程师，主要从事水利信息化、水资源遥感方向研究。
Ｅ－ｍａｉｌ：ｚｈａｏｈｌ＠ｉｗｈｒ．ｃｏｍ文章编号：２０９７－０９６Ｘ（２０２３）－０６－０５７４－１２水文模型知识学习的命名实体识别方法研究赵慧子１，２，周逸凡１，２，段 浩１，２，赵红莉１，２，张 东３（１．中国水利水电科学研究院，北京 １０００３８；２．水利部数字孪生流域重点实验室，北京 １０００３８；３．大连海事大学，辽宁大连 １１６０２６）摘要：为研究水利领域知识图谱构建中基于文本的知识自动抽取方法，本文以水文模型的名称、模拟要素、应用流域、计算时段、精度、继承－发展关系、研发人、研发单位等知识抽取为例，以８８３篇水文模型领域中文期刊论文为数据源，构建了ＢＥＲＴ－Ｂａｓｅ－Ｃｈｉｎｅｓｅ模型、ＬＡＣ（ＬｅｘｉｃａｌＡｎａｌｙｓｉｓｏｆＣｈｉｎｅｓｅ）工具、模式识别联合的多策略水文模型命名实体识别方法。
本文采用五位序列标注法（ＢＭＯＥＳ）方法对期刊论文进行人工标注等处理，建立知识抽取的输入数据集，用于ＢＥＲＴ模型训练以及多策略识别方法的性能评价。
基于皮尔森相关性加权关联分类规则的软件缺陷预测方法[发明专利]
![基于皮尔森相关性加权关联分类规则的软件缺陷预测方法[发明专利]](https://img.taocdn.com/s3/m/2db9aef2a8114431b80dd898.png)
专利名称：基于皮尔森相关性加权关联分类规则的软件缺陷预测方法
专利类型：发明专利
发明人：王世海,邵元勋,刘斌,严潇波
申请号：CN201911114620.7
申请日：20191114
公开号：CN111090579A
公开日：
20200501
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于皮尔森相关性加权关联分类规则的软件缺陷预测方法，该方法包括根据相应静态代码分析工具，提取待检测软件度量元数据集；基于皮尔森相关性的特征选择方法评价每个度量元与类别之间的相关性，并对相关性进行排序，将排序值较大的前30‑50％作为被选择的度量元；将选择的度量元与相应的类别，代入基于皮尔森相关性加权关联分类规则的软件缺陷预测模型，进行预测并输出预测结果；此方法利用一个有价值的、高性能的和可理解的规则模型，揭示缺陷倾向与特征的关联性，提高软件缺陷预测模型的高性能和可理解性，提高了预测结果的准确性。
申请人：北京航空航天大学
地址：100191 北京市海淀区学院路37号
国籍：CN
代理机构：北京慕达星云知识产权代理事务所(特殊普通合伙)
代理人：曹鹏飞
更多信息请下载全文后查看。
遥感影像判读在洮河国家级自然保护区森林资源二类调查中的应用
杨 帆. 遥感影像判读在洮河国家级自然保护区森林资源二类调查中的应用[J].南方农业，2023，17（24）：111-113.遥感影像判读在洮河国家级自然保护区森林资源 二类调查中的应用杨帆（甘肃洮河国家级自然保护区管护中心，甘肃卓尼 747600）摘 要森林资源二类调查对于生态环境保护和林业的可持续发展至关重要。
遥感影像判读技术因具有全面、高效的特点成为森林资源调查的有力工具。
因此，以甘肃洮河国家级自然保护区为例，运用高分辨率的遥感影像，通过植被指数的提取，系统地研究不同植被类型的植被分类情况、精度评估与验证、植被生态学参数提取结果。
通过这一方法，旨在为森林资源的科学管理和保护提供更准确、全面的数据支持。
关键词遥感影像；影像判读；森林资源；二类调查中图分类号：S771.8 文献标志码：A DOI：10.19415/ki.1673-890x.2023.24.035森林是地球上最重要的生态系统之一，不仅为生物提供了栖息地，还对全球碳循环和气候调节起到关键作用[1]。
为了更好地实现森林资源的可持续管理和生态环境保护，深入了解森林结构、植被类型、生态系统的动态变化显得至关重要[2]。
传统的野外调查工作耗时、费力，而遥感技术能够在较短时间内完成对广大地区的植被监测，为科学家和决策者提供及时的数据支持。
在这个背景下，遥感影像判读技术在森林资源二类调查中崭露头角，为科学研究和管理提供了高效、全面的工具[3-4]。
遥感影像判读技术的应用优势在于其高度自动化及可以进行大范围覆盖的特性[5]。
笔者聚焦甘肃洮河国家级自然保护区，运用遥感影像判读技术，旨在深入了解该地区森林资源的空间分布、植被类型和动态变化。
1 研究区概况甘肃洮河国家级自然保护区位于甘肃省南部（东经102°46′02″～103°44′40″，北纬34°10′07″～34°42′05″），涵盖卓尼县、临潭县、迭部县、碌曲县及合作市的部分地区，总面积为287 760 hm2。
考虑不同天气类型样本的光伏功率日内预测模型
考虑不同天气类型样本的光伏功率日内预测模型付雪姣;吕可欣;吴林林;刘辉;张扬帆;李奕霖;叶林【期刊名称】《分布式能源》【年(卷),期】2024(9)2【摘要】太阳能具有清洁、安全、可再生的优点,光伏发电可减轻资源消耗,助力可持续发展,然而光伏功率易受天气影响,针对不同天气类型下光伏功率的预测也是一个研究难点。
该研究着手于在不同天气类型下应用人工少数类过采样法(synthetic minority over-sampling technique,SMOTE)和机器学习进行光伏功率预测。
首先,通过皮尔逊相关系数法选择出对光伏功率影响最大的气象因子;然后,根据重要程度较大的气象因子计算日照时数,通过给日照时数设定阈值进行划分,将天气分类为晴天、多云或阴天、覆雪,再通过SMOTE技术对各种天气类型下的样本进行扩充;最后,通过多种机器学习算法分别针对不同天气场景以及数据扩充前后构建光伏功率预测模型。
通过案例分析可知,所提算法能对不同天气类型进行划分,并为不同天气类型下光伏功率预测存在的样本不平衡问题提供了一种解决方案,提升了不同天气场景下光伏功率的预测精度。
【总页数】9页(P39-47)【作者】付雪姣;吕可欣;吴林林;刘辉;张扬帆;李奕霖;叶林【作者单位】华北电力科学研究院有限责任公司(国网冀北电网有限公司电力科学研究院);中国农业大学信息与电气工程学院【正文语种】中文【中图分类】TK01;TM73【相关文献】1.面向滚动优化调度的光伏发电功率日内超短期预测2.复杂天气类型划分及影响光伏发电功率程度的量化方法3.考虑天气类型和相似日的IWPA-LSSVM光伏发电功率预测4.考虑天气类型和历史相似日的短期光伏输出功率预测5.不同天气类型下光伏发电功率的气象影响研究因版权原因，仅展示原文概要，查看原文内容请购买。
开题报告
2．国内外研究现状及发展趋势评价
2.1珍稀濒危植物的保护
当今世界面临的人口、粮食、资源、环境、能源等危机，无一不与生物多样性有关。生物多样性保护已经成为全球关注的热点之一。据记载，我国现有3.1万种高等植物，约占世界总数的1O％，是世界上最具植物多样性的国家之一，其中有4 000～5 000种是濒危植物[6]，并且在森林砍伐和片断化、过度放牧与开垦、环境恶化、外来种引入等因素的影响下，物种在野外消失的速度越来越快[7]，因此，加强珍稀濒危植物资源的保存，有效地保证生存和繁衍，是避免我国生物多样性大量丧失的根本措施之一[8]。
2.3植物指标监测
2.3.1植物养分含量及生长状况的测定：
在成熟季节，对普通野生稻进行抽样调查，比较野生稻地上部分和地下部分的物理指标，如根长、株高、颗粒数、颗粒重量等；并按根、茎、叶分部分送样分析植株体中的养分、盐分（如N、P元素）累积状况，定量说明不同处理对普通野生稻的影响。
2.3.2植物的生理指标的测定：
[3]Cui Lijuan.Study on functions ofPoyanglake wetland ecosystem.Journal of Soil and Water Conservation,2004,l 8(2):109-113.
[4]肖素荣，李京东.湿地的生态功能[J].生物学教学,2003(3):7-8.
[13]高立志，张寿洲，周毅等.中国野生稻的现状调查[J].生物多样性，1996,4（3）：160-166.
神经网络在水质预测建模中的应用1高舒
神经网络在水质预测建模中的应用 1高舒发布时间：2021-09-10T08:58:06.862Z 来源：《防护工程》2021年16期作者： 1高舒 2王储 3杨洁[导读] 水质预测作为水环境研究的重要一环，近年来在研究海洋、河流、湖泊及水产养殖业中的应用已十分常见。
水质预测模型从上世纪早期的单介质机理模型发展到现在的多维模拟、多介质模拟、动态模拟等等，模型的可靠性、适用性已经大幅提升。
现阶段随着人工智能算法在水质预测中的应用，预测模型得到了进一步发展，尤其是人工神经网络其强大的自学习能力非常适合做水质预测。
文章从几种常见的神经网络水质预测模型的模型结构、模型特点及建模方法等对神经网络水质预测模型进行对比分析。
1高舒 2王储 3杨洁1延安水文水资源勘测中心 716000； 2延安水文水资源勘测中心 716000；3延安水文水资源勘测中心 716000摘要：水质预测作为水环境研究的重要一环，近年来在研究海洋、河流、湖泊及水产养殖业中的应用已十分常见。
水质预测模型从上世纪早期的单介质机理模型发展到现在的多维模拟、多介质模拟、动态模拟等等，模型的可靠性、适用性已经大幅提升。
现阶段随着人工智能算法在水质预测中的应用，预测模型得到了进一步发展，尤其是人工神经网络其强大的自学习能力非常适合做水质预测。
文章从几种常见的神经网络水质预测模型的模型结构、模型特点及建模方法等对神经网络水质预测模型进行对比分析。
关键词：水质预测、神经网络、隐含层水质预测就是对长期水质监测数据进行分析进而预测水质污染变化趋势，为水环境的规划与管理提供参考，是水环境污染防治及水资源可持续利用的重要一环。
人工仿生及智能计算领域发展迅速，很多领域都建立了以人工智能为核心的预测方法，人工神经网络在水质预测领域的应用十分广泛。
1 传统水质预测模型传统的水质预测研究方法主要包括两类：基于机理的物理预测模型和基于历史数据及实时监测数据的非机理预测方法。
基于Delta算子的SVD-LMS算法
基于Delta算子的SVD-LMS算法
宋雪洁;张端金;王香丽
【期刊名称】《现代电子技术》
【年(卷),期】2006(29)11
【摘要】由于传统的最小均方算法在性能上存在着一些缺陷,比如收敛速度慢等,这都会影响到整个系统的性能,因此研究了一种基于Delta算子描述的改进自适应滤波算法.利用矩阵的SVD(奇异值)分解技术推导出了Delta-LMS算法的迭代步骤,这种算法能够降低设计的滤波器阶数,有效地减少计算量,并提高了收敛速度,改善了对误差的跟踪性能.运用Matlab对Delta-SVD-LMS算法进行仿真并与Delta-LMS 算法进行了比较,结果表明该算法的有效性.
【总页数】3页(P79-80,83)
【作者】宋雪洁;张端金;王香丽
【作者单位】郑州大学,信息工程学院,河南,郑州,450052;郑州大学,信息工程学院,河南,郑州,450052;郑州大学,信息工程学院,河南,郑州,450052
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.基于前向差分Delta算子的LMS自适应滤波算法 [J], 李惠光;张尚斌;王墨琦
2.基于后向差分Delta算子的卡尔曼滤波算法及其仿真 [J], 宋召青;王康
3.基于Delta算子的QR分解LMS算法 [J], 刘侠;张端金;蒋铃鸽;田金鹏
4.基于Delta算子的航天器自主交会鲁棒故障检测滤波器设计 [J], 刘瑞霞;张会焱;杜焕超;徐元博
5.基于观测器的Delta算子切换系统的输出反馈可靠镇定 [J], 刘邦杰;肖民卿;刘聪昳
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期：2013-12-07；修回日期：2014-01-10基金项目：湖北省电力公司2013年科技计划项目(52153213020J)。
Project Supported by Hubei Electric Power Company Science and Technology Program in 2013(52153213020J).第50卷第6期2014年6月Vol.50No.6Jun.2014High Voltage Apparatus基于皮尔逊相关系数法的水树枝与超低频介损的相关性研究杨帆1，冯翔2，阮羚1，陈俊武2，夏荣3，陈昱龙4，金志辉5（1.国网湖北省电力公司电力科学研究院国家电网公司电气设备现场试验技术重点实验室，武汉430077；2.华中科技大学电气与电子工程学院，武汉430074；3.中国电力科学研究院，武汉430074；4.武汉市规划研究院，武汉430074；5.国网武汉供电公司，武汉430074）摘要：水树枝是交联电缆的主要缺陷，相关研究表明，超低频介质损耗因数与交联电缆水树劣化状态具有较强相关性。
笔者通过使用皮尔逊相关系数法，对国际电气电子工程师协会IEEE P4002.9/D9—2010推荐的超低频电压下介损平均值、介损变化率与介损随时间的稳定性3个评价指标，与交联电缆绝缘内部水树枝的密度、长度进行了相关性分析，研究结果对于采用上述指标评估水树枝的生长特性具有较好的理论价值与指导作用。
关键词：皮尔逊相关系数；显著性水平；水树枝；介损中图分类号：TM247文献标志码：A文章编号：1001-1609（2014）06-0021-05Correlation Study of Water Tree and VLF tan δBased on Pearson Correlation CoefficientYANG Fan 1，FENG Xiang 2，RUAN Ling 1，CHEN Junwu 2，XIA Rong 3，CHEN Y ul o ng 4，JIN Z hihui 5（1.Key Laboratory of High -voltage Field -test Technique of SGCC ，Electric Power Research Institute of Hubei Electric PowerCompany ，Wuhan 430077，China ； 2.School of Electrical and Electronic Engineering ，Huazhong University of Science and Technology ，Wuhan 430074，China ；3.China Electric Power Research Institute of SGCC ，Wuhan 430074，China ；4.W uhan P lanning ＆D esign I nstit u te ，Wuhan 430074，China ；5.S tate G rid H ubei E lectric P ower C ompany ，Wuhan 430074，China ）0引言目前，交联聚乙烯(XLPE)电缆已广泛应用于各电压等级城市输配电网中。
然而，交联电缆在漫长的运行过程中，由于本身的制造缺陷和施工过程中造成的机械损伤，加之通道运行环境不佳，会导致绝缘水平的不断降低，严重影响其安全稳定运行。
水树枝是交联电缆绝缘初期劣化的主要形式，而其一旦产生，将会使绝缘介质的损耗增加，绝缘电阻和击穿电压下降，降低交联电缆的绝缘强度[1-4]，更为重要的是，伴随着水树枝的生长，水树枝尖端的电场将愈加集中，水树枝的形态和其中电荷的动态过程将造成局部高场强并最终会导致水树枝尖端产生电树枝，从而造成绝缘击穿导致停运事故的发生[5]。
一般认为，水树老化是造成中压交联电缆绝缘在运行中发生击穿的主要原因[6-10]。
相关研究结果表明，相对于工频，超低频介损检测具有体积小、对电缆损耗较低、灵敏度好以及使用Abstract:As the main defect of the cross -linked polyethylene （XLPE ），water tree has a good correlation to tan δunder very low frequency （VLF ）.This paper studied the correlations between water tree and three indexes of VLF -tan δ:the average values of tan δ，differential tan δ，tan δstability which is suggested by Institute of Electrical and Electronics Engineers IEEE P4002.9/D9—2010by using person correlation coefficient.Accordingly ，it was suggested that these indexes could be used to describe the growth characteristics of water tree of XLPE insulation.Key words:pearson correlation coefficient ；significance level ；water tree ；dielectric loss21··2014年6月第50卷第6期方便等优点[11-15]，且超低频下介质损耗因数与交联电缆的水树枝劣化具有更强的相关性[16-17]，根据IEEE P400.2/D9—2010规程送审稿的指引，推荐采用超低频下的“介损平均值(VLF-TD)”，“介损变化率(VLF-DTD)”以及“介损随时间的稳定性(VLF-TD stability)”作为评价电缆线路绝缘状况的重要指标，并根据评估结果制定“无需检修”、“进一步维修”与“立即检修”3个等级的检修策略[18]。
应该指出，水树枝的形态对于绝缘剩余寿命的影响具有显著差异，个别长水树枝的危害可能高于高密度的短水树枝，然而从国内外研究现状而言，关于超低频介损与水树枝密度与长度等生长特性的关联性研究还未见诸报道。
笔者以武汉某地区在线运行电缆为例，首先对该地区多条电缆进行超低频介质损耗测量，将异常电缆的缺陷部分现场截取后在试验室开展二次检测，同步开展水树枝观察，并对介损测量数据与水树观察结果进行统计分类。
最后，利用皮尔逊相关系数法对水树与介损数据进行相关性分析。
1试验与分析方法1.1超低频介损测量文中采用德国sebaKMT 公司的VLF Sinus34介损测量系统开展测试研究。
该系统采用高压侧采样的测量方式，有效避免了低压侧混杂大量接地电流、耦合电流及杂散电流的干扰，测量精度能够达到十万分之一。
测量时使用0.01~0.1Hz 超低频正弦波电压，对被测电缆在升压过程中，在0.5U 0、1.0U 0、1.5U 03个电压等级下分别测量5个周期的数据，并利用TanDelta5.0的数据分析功能，自动生成“介损平均值”、“介损变化率”以及“介损随时间的稳定性”3个指标，作为后期的分析数据。
1.2皮尔逊相关系数法1.2.1相关系数r 的计算皮尔逊相关系数法是一种准确度量两个变量之间的关系密切程度的统计学的方法[19-21]。
对于两个变量x 和y ，通过试验可以得到若干组数据，记为(x i ，y i )(i =1，2，···，n )，则相关系数的数学表达式为r =Σn i =1(x i-x 軃)(y i-y 軃)Σn i =1(x i-x 軃)2Σn i =1(y i-y 軃)2姨。
(1)式(1)中，x軃、y 軃分别为n 个试验值的均值。
相关系数r 的取值范围在-1和+1之间，即|r |≤1。
|r |越接近1，则表明x 与y 线性相关程度越高。
若r =-1，表明x 与y 之间为完全负线性相关关系，见图1；若r =+1，表明x 与y 之间为完全正线性相关关系，见图2；若r =0，表明两者不存在线性相关关系。
一般情况下，r 的取值在(-1,1)之间，相关程度可分为以下几种情况：当|r |≥0.8时，可视为高度相关；0.5≤|r |＜0.8时，视为中度相关；0.3≤|r |＜0.5时，视为低度相关；当|r |＜0.3时，说明两个变量之间的相关程度极弱，可视为非线性相关。
1.2.2r 的显著性检验相关系数r 是通过样本数据计算而得，其值受到样本抽样的随机性、样本的数量等影响，因此需要考察样本相关系数的可靠性，即进行显著性检验。
首先样本不相关推断的零假设为H 0；其次计算检验的统计量，通常情况下采用t 分布检验，计算式为t ＝|r |n－21－r 2姨～t (n－2)。
(2)最后，根据给定的显著性水平α和自由度d f =n -2，利用t 分布表查出t α/2(n -2)的临界值。
若|t |>t α/2，则拒绝原假设H 0，表明总体两个变量之间存在显著的线性关系。
由于文中主要侧重于相关性的分析，因此并未给定显著性水平α，而是通过式(2)计算得出统计量，并通过查t 分布表得出满足拒绝H 0的α值。
2数据处理与相关性分析2.1数据的统计与处理根据IEEE P400.2/D9—2010的评价导则，现场超低频介损检测发现2条电缆绝缘异常，绝缘内部r =-1xy图1散点图(r =-1)Fig.1Scatter plot (r =-1)r =1xy图2散点图(r =+1)Fig.2Scatter plot (r =+1)22··表2水树观察统计结果(1)Tab.2Statistics of observation of water tree (1)项目领结形水树/cm -30.14~0.25mm 0.26~0.51mm0.52~0.77mmL-11214.3061.900.00L-2809.70283.2066.70L-3788.40288.8029.50L-4510.1014.800.00L-588.8937.130.00L-652.5811.80 2.15合计3463.97697.6398.35表3水树观察统计结果(2)Tab.3Statistics of observation of water tree (2)电缆编号领结形水树/cm -3发散形水树/cm -30.78~1.02mm1.030~1.258mm0.40~0.51mmL-20.030.00L-3 1.500.00L-50.01.13可能存在水树枝缺陷。