基于矩阵的关联规则增量更新及其改进算法

为了解决大数据环境下如何高效地挖掘关联规则并进行增量更新,在原有的fast updating pruning(FUP)算法基础上,首先提出一种基于矩阵的关联规则增量更新方法(MFUP),该方法将数据集转化成布尔矩阵,减少对数据集的扫描次数以及数据集的存储量;然后将MFUP与Hadoop分布式计算框架结合,提出一种分布式环境下的新算法Cloud MFUP(CMFUP);最后通过设计实验进行对比分析。结果表明,在挖掘相同数据量的关联规则并进行增量更新时,MFUP算法相比FUP算法执行时间更少,且随着数据集的增加,其增速更慢;对比CMFUP与MRFUP算法表明,随着分布式环境下数据集的增加,前者较后者执行时间更短增速更慢。     

基于投影正交化的状态空间模型降维研究

提出一种改进型状态空间系统设定,当状态变量的滞后项存在时,可以不改变变量的维度直接估计,且传统的卡尔曼滤波方法依旧有效。改进了一般状态空间模型需要增加状态变量维度才能进行估计的设定,极大地降低了计算的复杂度,扩展了模型的应用范围。此外,使用Durbin and Koopman（D-K）抽样方法对卡尔曼平滑算子进行重新估计。随后使用仿真实验,对比传统状态空间模型和改进型模型的参数估计结果与计算时长,发现改进型系统下估计结果与传统型的差距甚微,但是计算时长大幅降低且精度提升。而D-K抽样法的效率,相比传统卡尔曼平滑法也有着显著的提升。仿真结果证实了降维方法的有效性。      

基于主成分分析的交叉环境DEA模型的应用

定义一般环境交叉互评指数,并针对现有交叉数据包络分析（DEA）模型计算指数时未能体现整体数据信息的缺点,结合主成分分析（principal component analysis,PCA）提出一种改进型交叉互评指数方法,使得每一个决策单元的评价向量依据其对评价矩阵中变异量的贡献度而赋予不同的权重;并筛除一些影响较小的信息,从而达到降维的目的,改善了交叉环境模型的评估效率。最后基于真实的能源投入与产出数据,对比传统交叉评价方法及改进型方法在计算能源效率结果上的异同。     

浅谈公路工程工中的石方爆破

随着青海省公路基础建设的发展,公路穿越的地质条件越来越复杂,涉及到的挖石方地段特别多,在这些路段爆破技术的使用就显得特别的重要.石方爆破在公路施工中制约着整个项目的工期,一般为公路施工项目的重点、难点工程.在石方爆破的施工中,本文可供参考.     

基于AHP的贝叶斯网络故障诊断方法研究

针对基于专家知识的故障诊断方法依赖经验的局限,提出一种基于层次分析法（AHP）的贝叶斯网络化工过程故障诊断方法。通过基于关联函数的AHP得到所有变量的权值,对22个变量节点的权值进行排序并将该排序作为K2算法的学习输入建立贝叶斯网络模型,同时结合复杂网络分析指标进行化工过程的故障诊断。通过TE过程故障诊断实例证明本文方法不仅避免了K2算法专家知识的主观因素影响,同时能很好地进行故障定位,找到故障源。     

基于模糊自适应PI控制和模型预测控制的MMC-HVDC控制方法

模块化多电平换流器的高压直流输电(modular multilevel converter-high voltage direct current, MMC-HVDC)系统包含外环控制器和内环控制器,是柔性直流输电系统的重要组成部分。传统的外环比例-积分(proportional-integral, PI)控制器的参数固定,没有自适应能力,稳定性和抗干扰性能较差;同时传统的内环控制器是在dq旋转坐标系下的解耦控制系统,其结构复杂,容易出现超调。因此,提出一种基于模糊自适应PI控制和模型预测控制(model predictive control, MPC)的MMC-HVDC控制方法,以简化系统结构,增强动态响应性能,进而使用准比例谐振(proportional resonance, PR)环流抑制控制器来替换传统环流抑制控制器,消除静差值。在Power Systems Computer Aided Design(PSCAD)仿真平台搭建MMC-HVDC系统模型,分别对比了改进前后内外环控制器的性能和环流抑制控制器的环流抑制效果,结果验证了所提方法的有效性和实用性。     

以人为本,确保公路工程施工质量

本文根据青海省的特点,通过数年的公路施工经验,以人为本,提高工程项目全体劳动力的质量意识,加强施工人员的教育及培训,并具备忧患意识,善待民工,确保工程质量.     

浅谈沥青混凝土路面面层施工

沥青混凝土路面具有良好的耐久性和稳定性、耐磨、抗滑、平整和不透水性,较少的裂缝,较轻的车辙,较强的抗冻胀能力及经久耐用,能显著延长路面寿命、降低噪声、提高行车舒适性和安全性.在青海省交通基础建设中被广泛采用,本文对其施工方法进行了叙述,为今后的施工提供参考.     

基于心率变异性特征和PCA-SVR的PAD维度情感预测分析

对于PAD （pleasure：愉悦度；arousal：唤醒度；dominance：优势度）维度情感预测和分析中的数值预测问题，结合心率变异性（heart rate variability，HRV）特点，提出了基于主成分分析（principal component analysis，PCA）和支持向量回归（support vector regression，SVR）的PAD维度情感预测模型（PCA-SVR）。通过柔性离子传感器以音乐和视频的诱导方式采集了12名志愿者在放松和焦虑两种情感状态下的心率和心率间期数据，利用PAD量表进行标注，通过均值和方差计算等统计方法、Welch功率谱、Poincaré散点图等分别提取HRV的时域、频域和非线性特征，然后利用PCA模型对HRV特征降维，最后利用降维后的HRV特征作为SVR模型的输入特征进行训练和预测。实验结果表明，结合HRV特征的PCA-SVR模型在PAD的3个维度上均有良好的预测效果，其平均一致性相关系数达到了0.51。同时对比了SVR、极限学习机（extreme learning machine，ELM）和基于PCA的ELM这3种预测方法，结果显示所提方法相对于以上3种方法在一致性相关系数上分别提升了0.14、0.10和0.04，表明该方法能够细致地划分情感，结合可穿戴设备，在情感识别和分析方面有一定补充作用，为在日常生活中针对情感的识别和预测带来了可能。     

数据和知识融合驱动的智能过程系统工程研究进展

智能过程系统工程教育部工程研究中心建设十余年来,开展了一系列卓有成效的基于数据和知识融合驱动的智能化过程系统工程（PSE）科学研究、技术创新和工程应用。本文重点介绍过程工业节能减排降耗和安全运行相关的关键技术——建模与优化、报警管理与故障诊断以及能效分析与评价三大应用的研究进展,最后结合大数据、云计算、工业4.0、智能制造、人工智能等技术展望了PSE的未来发展方向。