人工智能在拾取地震P波初至中的应用 ——以汶川地震余震序列为例

为了准确而迅速地拾取大量地震事件的P波初至, 将深度学习方法引入微地震P波初至到时拾取研究中, 对卷积神经网络的结构进行改造, 以便适应地震波形数据的特点 P波初至拾取的要求。该算法只需要输入10 s窗口的三分量地震波形数据, 就可以自动地判定P波初至时刻, 无需扫描连续波形, 运算时间远远小于长短窗、模板匹配等传统方法。使用该算法训练汶川地震主震后2008年7—8月7467条人工拾取的余震P波初至到时, 将得到的模型对测试集中 1867条数据的计算结果与人工拾取结果对比, 误差小于0.5 s者占比达到98.9%。在低信噪比条件下, 该方法仍能保持较好的拾取能力。     

基于多任务学习的高分辨率遥感影像建筑实例分割

针对基于深度神经网络的高分辨率遥感影像建筑物提取算法中将建筑物提取视为二分类问题(即将遥感影像中的像素点划分为建筑物与非建筑两类)而无法区分建筑物个体的局限性, 将基于Xception module改进的U-Net深度神经网络方法与多任务学习方法相结合进行建筑物实例分割, 在获取建筑物二分类结果的同时, 区分不同建筑物个体, 并选择Inria航空影像数据集对该方法进行验证。结果表明, 在高分辨率遥感影像的建筑物二分类提取方面, 基于Xception module改进的U-Net方法明显优于U-Net方法, 提取精度升高1.4%; 结合多任务学习的深度神经网络方法不仅能够实现建筑物的实例分割, 而且可将二分类建筑物的提取精度提升约0.5%。     

采用时间序列突变点检测的滚动轴承性能退化评价方法

以滚动轴承为研究对象,根据性能退化曲线的现实意义定义了对性能退化特征提取具有指导意义的评价方法,该方法由初始退化点、初始敏感性、失效突变性和趋势一致性4个指标构成,并根据性能退化曲线的物理特性设计了性能退化特征评价的定量化指标;利用时间序列线性化突变点检测的方法给出了评价指标的计算过程,为性能退化特征的选取提供了更为直观的依据。使用国际通用的Swiss数据集进行验证,实验结果表明该评价方法可以全面评价各个性能退化特征对性能退化过程的表征效果。为了更好地保持原始高维数据的空间位置关系,提出了基于邻域参数自适应选取的局部线性嵌入(LLE)算法,通过自适应局部权值向量来保存高维空间数据的局部线性结构,将多个局部线性进行叠加来不断地逼近全局的非线性,有效提高直接使用高维数据反映原始状态性能的可靠性和稳定性。使用滚动轴承加速寿命试验数据,对比邻域参数自适应LLE算法和常规LLE算法所提取的性能退化特征,验证了邻域参数自适应LLE算法可以保留更多原始高维数据的信息。     

基于MCKD与CEEMDAN的声信号故障特征提取方法

在双转子轴承状态监测与故障诊断中,信号传递路径复杂,很难通过加速度传感器直接获得信号,而声音信号有非接触式测量的优势,包含大量特征信息.为了能够准确、有效地通过声音信号实现滚动轴承故障诊断,检测出轴承故障,提出了基于自适应噪声完备集合经验模态分解(CEEMDAN)和最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法.首先运用最大相关峭度解卷积方法增强轴承故障声音信号中的冲击,然后对处理后的信号进行CEEMDAN处理,计算每个经验模态分量的峭度值,根据峭度值选取最优分量并求Hilbert包络谱,以准确提取故障特征频率.文中采用该方法基于声音信号实现滚动轴承故障诊断,为提取最优分量提供了理想筛选标准,一定程度上降低了故障诊断的复杂程度,具有良好的自适应性.     

吕梁地区近周营组蚀变火山岩 U-Pb-Hf同位素特征及其地质意义

选择吕梁群中原岔上群北部地层的蚀变火山岩进行锆石U-Pb年代学和Hf同位素研究。锆石U-Pb测试获得两组年龄结果, 较年轻的谐和年龄为1813±6 Ma (n=7), 较老的²⁰⁷Pb/²⁰⁶Pb加权平均年龄为2516±31 Ma(n=2), 前者为火山岩喷发时代, 后者代表捕获锆石年龄。年轻锆石的ε_Hf(t)值为-10.8~-2.3, T_DM1值为2308~2655 Ma; 捕获锆石的ε_Hf(t)值为+10.0~+13.1。年龄约为2.5 Ga锆石的ε_Hf(t)值高于亏损地幔演化线, 考虑到UPb同位素和Hf同位素测点位置不完全相同, 说明所获得的Hf同位素组成为无地质意义的混合数值; 年龄约为1.8 Ga锆石的Hf同位素特征反映其可能源于富集地幔或受地壳物质混染的亏损地幔。结合前人的研究成果, 推断岩浆作用事件发生在约1.81 Ga 的碰撞后阶段。     

一种深度自编码器面部表情识别新方法

为解决面部表情特征维度高的问题,该文提出了一种基于深度学习自编码器的表情识别新方法,该方法利用深度自编码器在多层隐层上进行特征选择,能够在较低维度上表示高维度的面部特征.首先采用定向梯度直方图从面部表情的选定区域提取特征,然后在多个层面上使用深度自编码器,得到最优编码特征,降低特征维度,最后使用支持向量机模型对降维特征进行分类.实验表明,与其他现有特征选择和降维技术相比,该文方法提取的特征优于其他特征,并能够有效实现面部表情识别.     

生态河岸带用于农村污水处理厂尾水深度净化的试验研究

利用自然土、腐殖土、生物陶粒和斜发沸石这4种常见填料,根据其不同配比设计出3种生态河岸带装置(R1、R2和R3),并全部种植黑麦草,探究不同填料种类及配比的河岸带处理单元对农村污水处理厂尾水的净化能力,以期为该工艺应用于工程实践提供科学依据.结果表明:以自然土和陶粒分层填充的河岸带R1对污染物(不包括NH~+_4-N)的去除率显著优于R2和R3,且出水水质更稳定,其对TN、NH~+_4-N、TP和COD_(Cr)的平均去除率能够分别达到23.0%、49.5%、36.3%和25.6%;3组生态河岸带中的黑麦草对尾水中N、P去除的贡献率最高可达23.5%和22.6%,其对尾水的净化作用值得肯定;含有斜发沸石的R2对水中NH~+_4-N的平均去除率最高(58.2%);生态河岸带的填料生物膜中去除有机物的菌属为优势菌(如鞘氨醇单胞菌属),而脱氮除磷相关菌属的占比则较小(脱氮与除磷相关菌属的占比均不足2%),说明生态河岸带对尾水中有机物的去除主要依靠其填料中的微生物净化作用,对N、P的去除则主要依靠填料吸附和植物吸收作用.后续研究可以根据污染物类型强化河岸带的相关功能,并尝试将斜发沸石加入R1的现有填料配置中,从而进一步强化生态河岸带对农村生活污水厂尾水的深度净化效果.     

一种新的基于脑电信号相似性分析的癫痫性发作自动检测方法

癫痫是最常见的神经系统疾病之一。脑电图是大脑电活动的记录,已成为检测癫痫发作的一种有效工具。如何通过数据分析以挖掘癫痫脑电的本质特征,是实现癫痫性发作自动检测的关键。提出了一种新的脑电信号相似性的分析方法,进而在这一方法的基础上定义了待测脑电与模版脑电之间的最大余弦相似度为癫痫脑电特征,并将其应用于癫痫性发作的自动检测。采用BONN和CHB-MIT两个公开数据库来验证该文所提方法的性能。和已有方法相比,该文所提自动检测方法将检测准确率从97. 53%提高至99. 85%。该文所提出的脑电信号相似性分析方法可以成功应用于癫痫性发作的自动检测。     

知识追踪综述

在教育领域中,科学地、有针对性地对学生的知识状态进行有效追踪具有十分重要的意义.根据学生的历史学习轨迹,可以对学生与习题的交互过程进行建模.在此基础上,能够自动地对学生各个阶段的知识状态进行追踪,进而预测学生表现,实现个性化导学和自适应学习.首先,对知识追踪及其应用背景进行介绍,总结知识追踪所涉及的教育学与数据挖掘理论;其次,总结基于概率图、矩阵分解、深度学习的知识追踪研究现状,并根据方法的不同特点进行更为细致的分类;最后对目前的知识追踪技术进行分析比较,并对未来的研究方向进行展望.