An ensemble of LSTM neural networks for high‐frequency stock market classification

We propose an ensemble of long–short‐term memory (LSTM) neural networks for intraday stock predictions, using a large variety of technical analysis indicators as network inputs. The proposed ensemble operates in an online way, weighting the individual models proportionally to their recent performance, which allows us to deal with possible nonstationarities in an innovative way. The performance of the models is measured by area under the curve of the receiver operating characteristic. We evaluate the predictive power of our model on several US large‐cap stocks and benchmark it against lasso and ridge logistic classifiers. The proposed model is found to perform better than the benchmark models or equally weighted ensembles.     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

超长隧道面临的挑战与思考

 随着交通强国战略规划的提出和全面实施，中国的隧道及地下工程建设也迈入一个全新的时代。根据中国目前的隧道建设水平，本文引入了超长隧道的概念，介绍了修建不同超长隧道需要面临的技术挑战，并展望了一些关键技术的发展趋势。     

矿山复杂巷道网络组件式三维建模方法

煤矿复杂巷道(曲线巷道、交汇巷道、变断面巷道)建模是巷道三维建模的难点.现有方法在基于导线测量数据重建复杂巷道网络、尤其是矿山常见的曲线交汇巷道仍存在不足.提出了一种巷道组件式三维建模方法.该方法针对煤矿巷道典型导线测量数据，通过巷道中心线建模、巷道双边线建模、巷道组件三维建模三个步骤，自动构建复杂巷道网络三维模型.实验结果表明，提出的方法鲁棒性好，建模时间随数据量增长呈线性稳定增长.建立的巷道网络三维模型可为智慧矿山建设中的空间、几何、力学等多种分析提供支持.     

基于去噪自编码器的镜像极限学习机设计

针对极限学习机在高维度、含噪声数据集中需要大量隐含层节点来保证分类性能的问题，设计了镜像极限学习机.该算法使用伪逆法确定输入权值，随机生成输出权值和偏置，在对数据进行分类时，它仅需极少的隐含层节点.为了提升镜像极限学习机的分类性能和抗噪性，将它与去噪自编码器相结合.利用去噪自编码器对输入数据进行特征提取，并将提取到的特征作为镜像极限学习机的输入数据，再进行网络训练.在无噪和含噪声的MNIST，Fashion MNIST，Rectangles和Convex数据集中，将基于去噪自编码器的镜像极限学习机与ELM，PCA-ELM，SAA-2和DAE-ELM作对比实验，结果表明，基于去噪自编码器的镜像极限学习机的综合性能最优，用于分类的网络隐含层节点数最少.     

Predicting Initial Formation Temperature for Deep Well Engineering with a New Method

With the progress of science and technology, human beings explore the energy under-ground with thousands of meters. As a thermophysical parameter, initial formation temperature (IFT) plays an essential...     

江汉盐湖盆地油气形成与运聚特征

为厘清陆相盐湖盆地油气形成和运聚特征，以江汉盆地潜江凹陷潜江组为研究对象，通过岩芯分析的古生物、地球化学测试数据等，恢复盐湖古环境，分析盐湖沉积特征，厘定烃源岩发育及其演化特征，探讨油气排烃及运聚特征。研究结果表明，盐湖干湿交替周期变化的古气候，造成了湖盆咸淡交替，形成了碎屑岩、碳酸盐岩、蒸发岩有规律地韵律沉积，沉积岩性为成分复杂的混积岩；盐湖优质烃源岩发育在咸淡转化期，盐湖烃源岩演化相对滞后，发育未熟低熟油演化阶段；特殊的盐湖沉积特征导致了烃源岩排烃效率低，形成了规模巨大的烃源岩油藏；油气主要沿侧向运移，常规砂岩油藏具有顺层、近源、砂控、源控的特点。陆相盐湖盆地的沉积、油气形成与运聚特征与海相或淡水湖盆具有明显差异性，在勘探中应当引起重视。     

基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。     

深井孤岛工作面过探巷技术研究

邢东矿2225工作面为孤岛工作面,承受地压大,回采过程中经过2225探巷,巷道围岩破坏剧烈,尤其是底鼓变形严重,初期采取排木垛、打单体等措施在一定程度上控制了探巷顶板下沉,而工作面临近时在煤帮注化学浆形成锚注加固结构使煤体自身强度及承载能力显著增强,锚注加固结构具有较好的整体性和稳定性,从而实现工作面顺利回采。     

循环作用对马蹄寺石窟群岩体性能的影响

马蹄寺石窟群地处河西走廊中部,气候条件十分恶劣。由于常年受到温度、湿度、酸碱盐等作用的影响,石窟岩体性能出现了不同程度的劣化现象。通过开展室内模拟试验,研究以上多种恶劣环境的循环作用对于岩体抗压强度、波速、质量的影响规律,同时使用X射线衍射仪(X-ray diffraction,XRD)、X射线荧光光谱(X-ray fluorescence,XRF)和扫描电子显微镜(scanning electron microscope,SEM)对循环作用过程中样品的矿物组分、元素含量和微观形貌进行分析研究。研究结果表明,循环作用使样品中的长石类矿物和方解石含量降低,黏土类矿物含量增加,胶结程度下降,孔隙逐渐发展成为横向微裂隙,导致样品的性能出现不同程度的劣化现象。循环作用对岩体性能的影响程度从大到小依次为冻融循环、耐盐循环、耐碱循环、耐酸循环和温湿循环。