基于多尺度投入-产出表的中国对外贸易产业结构调整多目标优化

出口贸易引发的资源流失风险是当今研究的热点. 本文动态地分析了出口贸易引起的资源流出变动及其影响因素, 并对2018-2022年中国地区出口贸易进行优化调整. 首先, 本文利用行业间投入-产出表和资源消耗数据计算中国各行业的直接和完全资源消耗系数; 其次, 利用结构分解模型挖掘出口导向的隐含资源流出量变动的主要原因; 随即, 将45个行业进行聚类分析, 探讨未来各行业的节约资源潜力和调整路径; 最后基于情景分析和多目标优化理论, 从出口贸易结构, 贸易额和技术发展视角对中国未来出口贸易进行模拟分析. 实证分析结果表明: (1) 直接消耗强度, 技术进步, 出口总量和出口结构等4个影响因素中, 出口额对资源流失风险的贡献率最大. 直接能源消耗强度有助于降低因出口导致的能源流出, 而完全消耗水资源强度的降低大大减少了资源流失风险, 符合现实； (2) 以2017 年为基准年, 利用多目标优化模型求解2018-2022年出口结构和出口量, 结果表明优化结果有利于降低资源流出量. 通过调整未来各行业资源消耗强度, 优化结果发现技术提升带来的资源节约优势逐渐增强, 本文认为, 为技术改善的资金(人员)投入的边际产出呈现逐渐增强效应.     

基于刀具磨损状态识别的加工参数多目标优化

在数控铣削过程中,刀具磨损对机床主轴能耗影响很大,同时与刀具加工能力直接相关,需适时调整加工参数以适应不同磨损状态,保证多目标综合最优.针对此问题,基于刀具磨损状态识别,根据不同磨损时期给出相应的加工参数优化策略.首先,以刀具寿命周期内的主轴功率为基础,采用粒子群优化算法(particle swarm optimization,PSO)建立考虑刀具磨损的能耗模型,平均误差低于5%,并基于与刀具磨损的强相关性,以主轴功率作为单一指标识别刀具磨损状态.进一步,为获取影响加工成本的动态性指标——刀具剩余使用寿命(remaining useful life,RUL)及相应的主轴功率,利用人工神经网络(artificial neural network,ANN)建立刀具磨损退化模型,通过描述主轴功率随时间的变化来隐含退化过程,该模型拟合度达0.992.最终,综合考虑能耗、刀具及时间成本,设计多目标优化函数,并通过遗传算法(genetic algorithm,GA)搜索函数最小值,给出不同磨损时期的最优加工参数及优化策略.此加工参数多目标优化融入了主轴功率与刀具RUL等动态指标,可依据主轴功率在线...     

自旋为1的系统的量子非经典性度量

相干态最初在1960年由Klauder和Sudarshan提出.基于此,许多经典性和非经典性的度量被提出. 1971年Radcliffe提出了原子相干态,但基于原子相干态的非经典性度量研究仍然较少.本文利用原子自旋相干态的特征提出一种度量非经典性的方法,并讨论了这种度量的若干性质,例如转动算符作用下的不变性和纯态的非经典性.我们给出了一些计算例子,例如猫态、NOON态和混合态.这种度量只在自旋为1的系统上讨论.这些结果对探索量子非经典性的度量和量子资源理论有一定的意义,也对实验室利用非经典性度量起到积极作用.     

基于三阶泰勒展开逼近目标函数的无约束最优化算法

针对基于二阶泰勒展开逼近目标函数精度低的牛顿法优化问题,研究基于三阶泰勒展开逼近目标函数的最优化算法意义明确,算法归结为多元二次方程组的求解,应用非线性方程组的牛顿法求解,在目标函数中加入二次函数辅助项,提出两个改进的最优化算法,改进的算法1可保证牛顿法的雅可比矩阵非奇异,改进的算法2可保证牛顿法的雅可比矩阵正定,所提出的无约束最优化算法可推广到高阶泰勒展开情形,数值分析例验证了所提出的最优化算法的有效性.     

基于超网络的舆论演化动态模型

针对舆论演化过程中的复杂动力学问题,提出了超网络视觉下的舆论演化动态模型,该模型包括节点的添加、重新连接链路、超边的添加以及节点的老化4个过程,其中节点代表关键词,超边代表关键词所构成的话题。其次,利用非均匀网络的演化机制,分别对该动态演化模型的超度、节点自身关注度与节点间影响力两个因素的超度进行了详细的理论分析,分析结果表明节点超度完全符合幂律分布。最后,通过Matlab仿真模拟,分析了不同参数对节点超度分布变化的影响,并进一步验证了结果是遵循幂律分布的。     

非酒精性脂肪肝与心血管疾病相关性的研究

非酒精性脂肪肝是慢性肝功能障碍最常见的原因，是一个严重的全球性健康问题。非酒精性脂肪肝已被证明与胰岛素抵抗、肥胖和代谢综合征相关，而这些因素又与心血管疾病密不可分。大量研究表明，非酒精性脂肪肝患者发生心血管疾病的风险增加，心血管疾病是其主要的死亡原因。越来越多的证据提示非酒精性脂肪肝不仅是心血管疾病的一个易感因素，而且可能参与了心血管疾病的发病机制。     

基于改进Lagrange乘子法的交通信号配时优化研究

为提高交叉口的机动车通行效率及环境效益,采用改进罚参数来构造一种新的Lagrange乘子法对交叉路口的交通信号进行优化配时。通过权重系数建立车辆延误与尾气排放的数学模型,利用改进Lagrange乘子法进行优化,将其结果与两种典型智能算法的优化结果进行对比,并利用VISSIM(Verkehr in Stadten Simulation)微观交通可视化仿真软件进行验证。实验结果表明,该方法优化的信号配时使车辆延误降低19.89%,尾气排放量降低2.379%,可见大比例优化了交叉口的车辆延误,同时可以降低尾气排放量。     

基于双通道多特征融合的电力负荷智能感知方法

负荷识别是分析用户用电行为的主要工具之一.提高负荷识别的精度对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于双通道多特征融合的电力负荷智能感知方法.首先,从电器设备的基本属性出发,分析了电流、谐波、功率等数值特征以及电压-电流(V-I)轨迹图像特征对负荷识别的影响;其次,考虑了特征之间的互补性,分别采用主成分分析-神经网络(principal component analysis-back propagation,PCA-BP)算法和卷积神经网络算法将数值特征和图像特征以不同通道在高维空间进行深度融合;最后,采用Softmax分类算法对融合后的高级特征和设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果显示,所提出方法的负荷识别准确率高达94.55％.该结果充分说明了将多种特征进行高维空间融合,可以更全面、立体地反映设备的本质属性,提高算法的识别精度.     

自动驾驶汽车车底边框的优化算法

为了对通过YOLO框架所提取出的汽车底边框进行优化,首先对于道路上的每一辆汽车底部部分像素块建立改进后的高斯混合模型,通过该模型来刻画道路灰度值以及车底阴影灰度值的正态分布规律,然后通过对每辆检测到的汽车进行自上而下的扫描算法以确定汽车边框的实际高度,最后通过进行路测实验来说明算法的可行性与准确性.