基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征。针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的两个方向LSTM分别刻画PM2.5浓度变化趋势性和周期性,然后采用线性回归杂合神经网络来捕捉PM2.5浓度变化的随机性。基于沈阳地区11个监测站2016至2017年空气质量和气象条件数据,本文将DLENN模型分别与自回归移动平均ARIMA模型、支持向量机SVM模型、随机森林RF模型和梯度提升树GBDT集成学习方法进行对比实验,结果表明DLENN预测模型稳定优于其他方法,其预测误差RMSE相对于ARIMA、SVM和集成模型分别下降了9.23%、3.83%、5.49%.     

一种3D空间中的两级力导引可视化算法

可视化是研究复杂网络的重要方法,目前2D平面可视化研究十分成熟,而3D可视化研究相对较少.为解决目前3D可视化布局结果不能真实展示复杂网络结构特征的问题,提出了一种两级力导引3D可视化算法.该算法基于复杂网络的特征分析,通过对网络聚类得到多个子网络及建立抽象网络,然后分两步依次对抽象网络和子网络进行力导引布局,从而得到最终布局.真实数据的实验分析表明,该算法的可视化布局结果能够真实展示复杂网络结构特征,同时具有较低的时间复杂度和较好美观度、清晰度.     

基于HF-RBF的初始地应力场预测研究与应用

用水压致裂法(HF)测量地应力时存在实测数据数量少、不连续、精度低的问题.为此,建立基于HF-RBF的初始地应力场预测方法,首先构建埋深和水平主应力之间的学习样本,然后利用径向基函数(RBF)神经网络对学习样本进行训练,建立埋深与水平主应力之间的非线性映射,最后利用检验样本对初始地应力场预测效果进行检验.在黑龙江某矿山利用2个勘探钻孔开展了水压致裂法测量地应力试验,应用HF-RBF方法获得了该矿区水平主应力分布规律,训练样本最大预测误差为28.6%,检验样本水平最小、最大主应力预测误差都在10%以内,满足工程设计要求.表明了在矿山钻孔勘探期间,HF-RBF法能较好地预测矿区初始地应力场.     

非计算机专业"C语言"教改方案的探讨与实践

C语言程序设计作为高等院校理工科的一门必修课程,其理论性和实践性较强,受到较高的重视.在该文中,首先分析非计算机专业C语言的传统教学,存在着课堂教学没有把握C语言本身的特点、没有充分调动学生学习的主动性、实践教学环节重视不够、考核单一等问题.针对这些问题,提出相应的教改方案,即采用网络资源平台结合上机实验课程的一种驱动式教学模式.最后根据实际的教学实践,从期末考试及格率、上机操作技能等5个方面对该教学方式进行比较和探讨.     

基于ANN模型和HPSO算法的数控机床可靠性分布模型研究

针对数控机床可靠性研究过程中,由于可靠性数据较难收集导致可靠性分布模型不唯一的问题,采用ANN模型对收集到的少量可靠性数据进行扩充,扩充后的数据采用K-S检验法进行分析以确定可靠性数据模型,同时在求解确定可靠性分布模型参数过程中,将混合粒子群优化(hybrid particle swarm optimization,HPSO)算法引入极大似然估计中,解决其在小样本数据下求解某些复杂分布模型时易陷于局部最优解和求解效率低的问题.实例分析结果表明:采用混合粒子群算法求解可以在求解效率和收敛性性能上达到较好的平衡,比较所有的求解模型结果,经过ANN模型扩充后的2重3参数威布尔分布的相对均方差最小,其值为0.0425,说明利用该方法求解数控机床的可靠性分布模型是可行的,而且能够获得较精确的结果.     

基于网络层析成像技术的道路交通流预测算法

为了更有效地预测城市路网交通流量,本文提出了一种城市道路交通预测模型.该模型基于网络层析成像(Network Tomography, NT)技术建立生成树,采用期望最大 (Expectation Maximization, EM) 算法得到路网子网车流概率分布,再结合路网子网中流量守恒原则,对待预测路段流量进行推测.实验结果表明,该模型优于现常用的人工智能模型,对城市交通流量预测更为有效,且提高了预测精度.     

基于Drools的告警根因系统的研究

在针对网络设备的告警根因分析系统中,由于网络设备的变化或新告警的产生,都会带来根因分析算法的变动,所以在程序中通过代码对根因告警进行分析的传统开发方案并不适用于网络设备告警系统的开发。提出了一种基于Drools的系统开发方案。该方案将规则(根因分析算法)和根因分析程序分开,由设备维护人员维护规则。当网络设备的结构发生变化或产生新告警时,系统不再需要修改根因分析程序,减轻了后期维护工作。在真实场景进行实验,实验结果验证了该开发方案的有效性与合理性。     

融合信任机制和HBMO算法的WSN能耗均衡分簇方法

针对无线传感器网络(WSN)中的能耗和安全问题,提出一种融合蜜蜂交配优化(HBMO)算法和轻量级信任机制的WSN分簇方法(LWT-HBM).首先,将WSN分成若干个小区,通过HBMO算法选择各自最优的簇头;然后,构建分簇结构,根据簇头和基站的距离设置簇的大小.在簇头能量消耗殆尽前,会利用HBMO选择替代簇头,以此均衡网络能源.在选择簇头的同时,融入轻量级信任机制,根据直接信任和间接信任值来评估节点的可信任度,避免恶意节点被选择为簇头.同时给出了一种精确能耗模型用来计算系统的整体能耗.通过实验将此方法与LEACH和TBCMA方法进行比较,结果表明LWT-HBM方法具有更低的能耗,有效的延长了网络寿命.     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

城市轨道交通网络化运营条件下车辆基地的资源共享研究

随着国内城市轨道交通建设的快速发展与网络化运营的需求,车辆基地的资源共享研究受到日益广泛的关注与重视.该文旨在从线网车辆运用及维修角度对整个线网车辆基地进行分析研究,探讨相关各专业各种资源的共享、合理取舍和确定各车辆基地的规模.