数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

具有不定位势Kirchhoff型Schrödinger-Bopp-Podolsky系统解的存在性

研究Kirchhoff型Schrödinger-Bopp-Podolsky系统,考虑位势函数V不定的情况。此时Schrödinger算子-Δ+V具有有限维负空间。利用Morse理论,得到Kirchhoff型Schrödinger-Bopp-Podolsky系统非平凡解的存在性。     

基于Bert股吧舆情分析的特征融合股价走势预测研究

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于 Bert 股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测。 首先,采用Bert 自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果。 以华银电力(600744. SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8. 63%,预测收盘价的回归指标 FMAPE FRMSE 分别下降了 23. 59%、22. 9%,R2 提高了 8. 11%,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段。     

混合稀土Nd2O3和CeO2对氧化镁陶瓷硬度及抗热震性能的影响

采用轻质微米级（0.5 μm）MgO粉末为原料,Nd₂O₃、CeO₂为添加剂,聚乙烯醇为黏结剂,以242 MPa压强干压成型,常压1 550 ℃下烧结并保温2 h制得MgO陶瓷,对所得试样进行硬度、抗热震性能、显微结构及物相的测定。先探究不同添加量的单一稀土对MgO陶瓷的硬度及抗热震性能的影响,得到Nd₂O₃和CeO₂的最佳添加量ω分别为3%、8%。然后探究混合稀土Nd₂O₃和CeO₂对MgO陶瓷的性能影响,结果表明混合稀土添加总量ω为3%,Nd₂O₃与CeO₂的质量比为3∶7时,氧化镁陶瓷具有最好性能,硬度值为68 HRA,抗热震次数高达19次。     

利用早停可微架构搜索的三维点云模型分类

针对现有三维点云分类网络采用人工设计费时费力的问题,提出早停可微架构搜索(early-stopping differentiable architecture search,ES-DARTS)算法。利用从人工设计网络架构中提取到的先验知识,预定义一个包含高效候选操作的搜索空间,可快速搜索出适用于三维模型分类任务的高性能网络模型;通过追踪网络搜索阶段各候选操作的权重变化,找出跳跃连接操作在双重优化过程中发挥不公平竞争作用的临界点并在此处停止搜索,以保证各候选操作之间的稳定性,解决DARTS算法搜索过程中易出现性能崩溃的问题。提出的算法在ModelNet40数据集上达到了93.2%的识别准确率,比当前人工设计的主流网络具有更高的识别准确率。     

基于预训练模型和多视角循环神经网络的电力文本匹配模型

针对传统方法未能考虑词向量的动态性及句子间交互不充分等问题,提出基于BERT预训练模型及多视角循环神经网络的文本匹配模型。通过BERT-whitening方法对BERT输出的句向量进行线性变换优化,并利用多视角循环神经网络将两句子不同位置的BERT动态词向量进行双向交互计算;将句向量与词粒度交互向量进行融合后计算结果。实验结果表明,提出的模型相较于对比模型有明显性能提升,实用性良好。     

竖向荷载作用下悬索桥纵向变位特征与机理

为揭示竖向荷载作用下悬索桥纵向变位特征与机理,以主缆变形理论为基础研究了其竖向荷载下的变位特征,并得出了其竖向及纵向位移解析解;在此基础上,分析了竖向荷载作用下传统悬索桥和设有中央扣悬索桥的纵向变位特征及加劲梁纵向位移,揭示了中央扣纵向约束机制,并分别推导了加劲梁在竖向荷载下的纵向位移计算公式;最后,通过算例分析验证所提位移计算公式计算精度. 结果表明：由于主缆的几何非线性特征,竖向位移与纵向位移相互耦合,在非对称竖向荷载作用下,主缆发生非同步纵向位移,而加劲梁主要以类似“摆锤体”发生刚体的纵向位移;跨中处主缆、加劲梁及中央扣因中央扣的存在形成一个“刚域”区,从而导致加劲梁纵向位移减小;所提计算方法与有限元数值解法在不同竖向荷载工况下吻合良好.     

变压器绕组短路故障多特征融合诊断

绕组匝间短路是变压器最常见的初期故障类型之一.为了提高轻度故障的诊断准确率,考虑绕组短路电流、绕组温度、电流密度和磁通偏移特征,提出了变压器绕组短路故障的多特征融合诊断方法.首先建立了变压器绕组短路的COMSOL空间模型,将仿真结果和理论计算结果进行对比,证明空间模型的正确性.然后,对变压器轻度故障时进行了故障模拟和故障特征分析,提取其电流特征参量、温度特征参量、电流密度偏移率和磁通偏移率作为故障特征.采用BP网络进行故障识别.变压器的工程诊断实例验证了本文方法的有效性.     

基于传动链仿真的发电机智能反演优化设计

提出了一种针对运行在传动链系统中的发电机智能反演优化设计方法,并以一台运行在传动链系统中的15 kW永磁同步发电机为研究对象,针对其运行效率对发电机的设计参数进行优化.首先,在充分考虑变流器侧对整个传动链系统的影响下,建立了面向传动链系统的协同仿真建模平台,验证了传动链的电磁设计参数与协同仿真计算平台的正确性;其次,通过方差分析从发电机的8个设计参数中选定6个敏感参数,并在选定优化变量后提出了一种基于遗传算法优化的拉丁超立方抽样方案,该抽样方案可以兼顾样本空间均匀分布与各变量维度投影的均匀性;然后,通过基于高斯随机过程的智能反演优化设计模型结合基于范围选择的多目标优化算法,获得发电机的效率与最大额定输出转矩的Pareto前沿,并针对优化后的齿槽参数进行绕组设计,结果显示优化后的效率为96.2%,对比其原始设计方案,发电机电磁损耗降低了16.8%,效率提高了0.6%; 最后,通过实验验证了仿真平台的准确性,进一步说明了样本数据与优化设计的有效性.所提设计方法可针对不同规格的大型传动链系统展开优化设计,其优化方法具有一定的普适性,可用于我国海上大型传动链系统的一体化精确仿真计算与流程化优化设计.     

对混合Abel群中一定理证明的改进

本文指出了A.T.库洛什“群论”(上)书中一定理证明的错误,并给出了正确的证明。