多波地震油气储层的自组织神经网络学习与预测

如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。     

计算重构光谱分析仪研究进展

光谱测量广泛应用于科学研究及工业生产中，而传统光谱仪因体积庞大难以满足众多应用需求。近年来，快速发展的计算重构光谱分析仪因其具有紧凑小巧、高分辨率和大测量带宽等优势而成为研究热点。光波经过计算重构光谱分析仪后所产生的光斑图案与波长存在一一对应关系，因此采取合适的解调算法可以从生成的光斑图案中重构入射光谱信息。目前计算重构光谱仪已能实现am量级光谱分辨率以及数百nm的测量带宽。本综述介绍了目前各类型计算重构光谱分析仪的工作原理以及性能指标，探讨了不同类型计算重构光谱分析仪的优缺点，分析了进一步提升性能指标的方法，展示了一些基于计算重构光谱分析仪的应用，以及展望了其未来发展前景。     

基于概率图模型的危险驾驶罪刑期预测

针对司法实践中对于可解释性及预测性能的需求, 本文提出了一种基于概率图模型的量刑智能辅助方法. 该方法以量刑要素为基石建立含有隐节点的概率图模型, 由极大似然准则估计刑期分布的参数, 进而计算分布的数学期望得到预测值. 关于危险驾驶罪的实验结果表明, 概率图模型的预测准确率优于基于决策树和神经网络等的模型, 且具有良好的可解释性.     

氟掺杂氧化锡薄膜电活性缺陷密度的太赫兹谱探测

从理论上分析了电场应力前后氟掺杂氧化锡（FTO）薄膜的能带结构和传导机理，提取了应力前后FTO薄膜的太赫兹电导率。采用Drude模型对应力前的FTO薄膜太赫兹（THz）电导进行了仿真；采用了Hopping模型对应力后的THz电导进行了仿真，实验与仿真结果一致。结果表明，应力后FTO的电导率提高了3个数量级，源于电场作用下的粒子内作用电导和粒子间作用（陷阱辅助隧穿）电导。通过适合的电导仿真模型，可以清楚地区分出陷阱辅助隧穿电导，从而提取FTO薄膜的陷阱密度。研究结果为利用太赫兹光谱提取半导体薄膜缺陷密度提供了一种便捷的新方法。     

多无人机协同探测快速目标的控制方法设计

针对无人机(unmannd aerial vehicle, UAV)对快速运动目标的协同探测问题, 设计了一种多UAV协同探测控制算法。首先假设每架UAV都携带相同的探测载荷, 根据载荷特性设计了针对快速运动目标的UAV协同探测队形。然后引入固定时间控制一致性协议到UAV载荷角度控制中, 控制载荷持续照射目标; 引入有限时间一致性协议到UAV编队控制中, 用以形成协同探测队形, 并通过二跳网络加快队形的收敛。通过将UAV队形控制与UAV载荷的角度控制相结合, 从而实现UAV对快速运动目标探测时间的最大化, 极大的延长了高速运动目标被发现的时间。最终通过理论分析和仿真实验证明了该控制算法的有效性。     

合作创新的领导权博弈与利益协调研究

研究了合作创新的权力结构对知识创造及创新绩效的作用机理.考虑上下游企业合作创新的知识共享、创造及利益分配过程,界定权力均衡(LS)、上游企业领导(UL)、下游企业领导(DL)等领导权博弈模型并进行创新效率分析.研究发现:权力结构影响合作创新效率,LS模式下企业的知识产出与供应链利润优于UL、DL模式;企业的知识溢出既可提高合作伙伴的知识产出与创新利润,也存在知识外溢损失风险,UL、DL模式下领导者(跟随者)知识溢出与其创新利润正(负)相关,LS模式下企业的知识溢出与其创新利润呈"倒U型"关系;创新贡献率是引起合作利益冲突的主要原因,使用Nash协商模型检验了通过协商机制解决利益协调问题的有效性,比较发现LS模式的利益协调效果优于UL、DL模式.最后,讨论了研究的管理启示.     

基于子图特征的科学家合作网络链路预测

提出了多种基于子图结构特征的新特征,构建了基于节点重要性、基于节点共同邻居、基于边共同邻居、基于邻居子图和基于边子图五类特征,并将这五类特征中的多种特征分别作为特征输入,运用机器学习的方法,实现科学家合作网未来合作关系的预测。研究中发现,基于边子图特征的链路预测准确率最好。此外,研究中运用基于模型的特征排序和最大信息系数特征选择方法分析类内特征的影响力以及相互关系,通过机器学习算法的分类模型进行链路预测。该方法能够有效地揭示网络类内特征在预测中的重要性和相关性,有利于发现影响力大的特征和冗余特征。     

同城即时配送问题基于多预测场景的在线调度

同城即时配送是随现代电子商务而产生的新问题,该问题呈现出极强的动态性与求解时间的紧迫性,并具有商户与顾客一对多的关系、车辆需要多次往返商户取货、货物取送有时效要求等诸多新特征,无法依赖现有研究而求解.针对这一问题,建立了基于多预测场景的在线优化调度方法,将带有预测订单的多个场景整合到路线规划过程,通过每个场景的方案计算,以及多场景方案的整合,得到了车辆赖以运行的集成方案,提高了调度方案面对未来不确定需求的适应性;所建立的调度系统在新订单进入时立即响应,在系统闲置时则采用大邻域搜索技术不断优化未完成的任务方案.最后,在具有200～300个日订单的大连市某同城即时配送公司的真实数据上,验证了在线调度方法的有效性和可行性.     

基于功率谱熵特征提取的脑电波大脑年龄预测

 大脑会随着年龄的增加而出现功能衰退，通过决策实验获取年轻人和中老年人的脑电信号，可以定量分析大脑随年龄增长而出现的变化。提出了一种基于熵的脑电波刻画方法，并利用机器学习的方法能够比较准确地预测人的大脑年龄。研究表明，脑电波功率谱熵（PSE）具有良好的时域分辨能力和更准确的区分效果，年轻人在做决策时的脑电波功率谱熵的分布是大于中老年人的，即年轻人所产生的脑电波信息量更大。此外，支持向量机（SVM）的分类效果优于随机森林（RF）方法，最高平均精度达88.02%，比随机森林高出2.66%。通过基尼指数对特征重要性排序，还发现决策过程中左眼电区域、大脑的颞和中央区域的决策反应差异很大，分类器更容易在这些特征区域做出更好的分类。     

基于退化特征相似性的航空发动机寿命预测

针对航空发动机结构复杂、性能退化参数众多、寿命预测精度低等问题,提出了一种基于退化特征相似性的寿命预测方法。首先通过基于Relief算法的退化特征筛选、基于主成分分析(principal component analysis,PCA)的特征提取和基于核函数的特征平滑,提取低维正交多变量退化特征;然后进行特征的相似性匹配,寻找与当前样本特征片段最相似的一组历史样本中的特征片段集合,将这些片段对应的RUL信息融合并采用密度加权方法得到当前样本的寿命预测估计值;最后通〖JP2〗过美国国家航空航天局(national aeronautics and space administration,NASA)提供的航空涡轮扇发动机仿真数据集验证了该方法的有效性,其寿命预测性能高于现有几种代表性方法。