ECOC多分类算法在慕课数据挖掘中的应用

收集并整合多所高校学生的慕课学习行为数据，设计基于数据复杂度的纠错输出编码（ECOC）多分类算法。该算法利用数据复杂度降低多类之间的分类难度，从而提高算法的预测准确度。实验结果表明，在不同高校的慕课数据集的测试中，所设计基于数据复杂度的ECOC分类算法比传统的ECOC算法具有更高的分类准确度和鲁棒性，实现了学生学习成绩多等级的有效预测，为个性化教学奠定了基础。     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。     

枯草芽孢杆菌XF-1的碳水化合物活性酶类(CAZymes)蛋白预测与遗传关系分析

枯草芽孢杆菌XF-1对多种植物病原菌具有较好的抑制作用,是农业生产上非常重要的生防菌之一.碳水化合物活性酶类蛋白(CAZymes)作为植物病原真菌、细菌中重要的蛋白,在其生长和发育过程中发挥着重要作用.基于前期获得的枯草芽孢杆菌XF-1中104个分泌蛋白基本序列信息,利用CAT预测程序对该菌中的CAZymes蛋白进行预测分析,明确其含有CAZymes蛋白的数量是58个,上述蛋白可以分为主要类别和复合类别两大类,前者包括26个GHs、21个CBMs以及2个CEs、3个PLs、2个GTs;后者则包括4个复合蛋白类型GH/CBM.该研究有效地实现了枯草芽孢杆菌XF-1中CAZymes的预测,为进一步开展其功能研究打下坚实的理论基础.     

基于遗传算法优化神经网络的拼焊板压边力预测

通过数值模拟与神经网络技术对拼焊板盒形件拉深成形过程中的压边力预测问题进行研究.运用数值模拟分析压边力加载形式对拼焊板盒形件成形性能的影响，找到一种较优的变压边力加载方式.建立适用于拼焊板盒形件拉深成形压边力预测的BP神经网络模型.采用遗传算法对神经网络模型进行优化，在基因选择过程中加入精英保留策略，最终通过基于遗传算法优化的神经网络模型获取了理想的压边力曲线，用以预测随拉深行程变化的压边力数值，为实现智能化冲压奠定了技术基础.     

榆神矿区曹家滩井田首采工作面涌水量预测

陕北侏罗纪煤田榆神矿区内煤炭资源丰富,但区内矿井普遍受到顶板水害影响。为了准确预测榆神矿区内矿井工作面涌水量,以曹家滩井田122106首采工作面为例,首先分析其导水裂隙带发育高度,判断其2~(-2)号煤回采后上覆含水层的波及情况,而后确定工作面顶板的主要充水含水层,再采用5种方法进行涌水量预测,最后进行对比分析确定涌水量预测值。结果表明:采用裂采比27倍作为导水裂隙带发育高度计算参考,工作面2~(-2)号煤回采高度6 m,导水裂隙带发育高度为162 m,波及上覆主要含水层为侏罗系延安组含水层和直罗组含水层,部分区域波及的风化基岩含水层。采用的5种方法计算工作面正常涌水量分别为404、570、617、464、589 m~3/h;最大涌水量取正常涌水量的1.2倍系数进行计算。通过对比分析各方法的适用条件,确定比拟法的计算值最能够接近矿井生产实际,即曹家滩井田122106首采工作面正常涌水量为464 m~3/h,最大涌水量为557 m~3/h。     

高速列车外流场气动噪声的特性研究

针对高速列车外流场气动噪声完成了在线实验测试研究，对列车模型进行了简化并确定了合理性；进行了列车模型湍流流场模拟，完成了列车远场气动噪声的预测研究.研究表明，合理缩短列车不会改变车身表面声功率分布规律；高速列车气动噪声属于宽频带噪声；在频率范围(0～ 5000Hz)内气动噪声仿真与实验结果吻合较好，说明仿真方法准确度高；列车转向架处湍流最为剧烈，其次为车头鼻锥处；车身表面的气流最为平缓，进一步说明缩短列车模型的合理性.所提出的仿真方法能够为高速列车的结构优化设计提供依据，并能验证高速列车气动噪声控制方法的有效性.     

基于改进果蝇算法和长短期记忆神经网络的油田产量预测模型

产量预测是油田生产动态开发研究的重要内容之一。油田的长期生产积累了大量数据,但是波动幅度很大,直接应用长短期记忆神经网络预测油田的生产指标,会出现神经网络泛化性很差的问题。因此,首先利用双层长短期记忆神经网络(long-short term memory,LSTM)和随机式失活对神经网络架构进行调整,建立了深度学习神经网络模型;并提出了一种新的果蝇聚集方法,通过改进的果蝇优化算法对所建立的神经网络模型进行优化,避免其陷入局部最优解,搜寻解空间的最优解;最后,油田实例验证表明,优化后的深度学习网络的网络泛化能力和预测精度有了较大提高,对于油田波动性较大的数据也能较好地拟合。所建立油田产量预测模型可应用于矿场开发实际。     

基于灰色网络组合优化的年增油量预测

老井措施增油成为油田稳产、降低油田区块开发成本的必然选择。针对多项式回归预测的局限性、灰色理论不能反映影响因素特征、神经网络需求数据多且数据敏感性差等特征，通过建立最优控制模型，实现GM（1，1）灰色理论与神经网络的高精度组合预测。以某油田区块2011-2018年的措施增油为例，对影响措施增油量的因素进行识别，建立了最优控制灰色神经网络模型对老井措施年增油量进行预测，相比多项式回归预测、GM（1，1）预测及BP神经网络预测方法，新模型模拟效果更好，预测精度更高。新方法对2018年措施年增油量的预测精度达97.34%。基于最优控制的灰色神经网络模型可以作为一种人工智能组合最优化模型预测措施年增油量，为准确预测措施增油效果，指导油田开发决策提供了新的思路。     

Accelerated Test of Silicone Rubbers Exposing to PEMFC environment

The durability of sealing material is one of the major challenges to the overall lifetime of proton exchange membrane fuel cell (PEMFC). In order to study the failure mode and aging mechanism of fuel cell seals, this paper focuses on the most widely used commercial silicone rubber, and an ex-situ accelerated aging method was employed by simulating the circumstance of PEMFC, including higher temperature and clamping force, lower pH value and F⁻ with higher concentration. The main factors that affect the performance of the seal were obtained through the test of their morphologies and mechanical properties. The failure mode of the aging mechanism of the rubbers were analyzed through scanning electron microscopy (SEM), energy dispersive spectrometer (EDS), attenuated-total-reflection infrared spectroscopy (ATR-IR), mass loss, compression set (CS), etc. It was found that temperature played an important role in the deterioration of seal performance, and the change of the parameters of the compression set with time conformed the dynamic empirical formula, which provides the experimental basis for the lifetime prediction of the seals.