基于时间窗的SVDBN近似推理算法研究

变结构动态贝叶斯网络(SVDBN)在处理非稳态过程的不确定问题具有其独特的优越性。为克服SVDBN推理算法不能实现在线推理的缺陷,在引入SVDBN的时间窗和时间窗宽度概念基础上,阐述了基于时间窗的SVDBN在线近似推理机制,提出了2种在线近似推理算法,即基于时间窗的变结构离散动态贝叶斯网络(SVDDBN)递推推理算法和基于时间窗的SVDDBN快速推理算法。通过仿真实验验证了这2种算法的有效性,并从复杂度、适用范围及更新时间等方面进行了比较。     

基于混合改进鸟群算法的贝叶斯网络结构学习

针对贝叶斯网络结构学习中寻优效率低下、易陷入局部最优的缺陷,提出了一种基于混合改进鸟群算法的贝叶斯网络结构学习算法.首先,通过互信息约束算法迭代初始网络;其次,改进鸟群算法,在经典鸟群算法中加入自适应惯性权重,随着迭代次数的增加动态调整搜索空间、改变收敛速度;最后,将改进的鸟群算法作为搜索策略,进行贝叶斯网络结构寻优.实验结果表明:改进的算法在寻优过程中不仅有较好的准确率和较快的收敛速度,而且具有良好的全局寻优能力.     

小数据集下基于DRKDE-ICSO 的BN结构学习

为了解决在小数据集条件下进行数据拓展时产生数据高度相似的问题,提出了基于降维核密度估计的小数据集拓展方法,从而得到较为准确的拓展数据。另外,针对鸡群优化算法求解效率低下和收敛性不足的问题,提出改进的鸡群优化算法进行结构学习:在雄鸡的位置更新公式中引入莱维飞行,使鸡群算法具有更强的跳跃能力;采用指数递减的动态调节惯性权重,以加速局部搜索和提高收敛速度;通过引入最优个体引导策略,增加找到较优位置的概率。实验结果表明,所提算法在小数据集条件下,BIC评分、准确率及汉明距离等指标均优于MCMC算法、BPSO 算法、CSO 算法、ADLCSO-I算法和SA-ICSO 算法。     

极旱荒漠区超氯盐渍土固化的试验研究

极旱荒漠区分布有大量盐渍土,对交通干线的建设造成极大危害.以超氯盐渍土作为研究对象,水玻璃作为固化剂,分别对其强度、吸湿性以及耐候性进行了分析.结果表明:水玻璃的浓度越高,固化超氯盐渍土的显微结构越为紧密,相应的其抗压、抗折强度逐渐升高.当浓度为16%水玻璃溶液在盐渍土中的掺量是18%时,固化试块的抗压强度就可在1 MPa以上.然而,由于Si-O-Al键遇水断裂,导致其防水性能较差,吸湿后抗压、抗折强度有所降低,但干燥失水后,强度又可恢复.自然环境放置30 d后,固化超氯盐渍土的质量虽有损失,但其抗压、抗折强度增加明显,耐候性能优异.     

YZ-7复合外加剂及其在设备灌浆中的应用

研制了由高效减水剂、早强剂、膨胀剂、阻锈剂等组成的ＹＺ-７复合外加剂,并将其与４２５Ｒ普通水泥和中砂配制成灌浆材料。应用结果表明,这种灌浆料具有高强、早强、微膨胀、流动性大的特点,对钢材无腐蚀,施工方便,成本低,能较好地满足现场施工的要求。     

广义隐马尔可夫模型的快速前向后向算法

动态贝叶斯网络是解决非线性动态系统不确定性推理问题的一个重要工具。通过对改进前向后向算法计算方式的改变,提出了一种快速前向后向算法。不仅从理论上推导了快速前向算法、快速后向算法,并且将这两种算法结合推导出快速前向后向算法。由复杂度分析可知,提出算法的复杂度较低,仿真实验验证了快速推理算法的正确性和推理的高效性。     

东北典型农产区流域地下水水质评价与污染源识别

在辨识传统灰色关联度法的权重计算局限性基础上,提出了一套基于超标赋权法和熵权法组合权重的地下水水质综合评价方法,将改进后的灰色关联度法应用到东北典型农产区——拉林河流域,对该流域地下水水质进行了评价,并利用正定因子分解法(PMF)识别了影响拉林河流域地下水水质的潜在来源.结果表明:1)与综合指数法、模糊数学法、传统灰色关联度法等传统评价方法相比,改进后的灰色关联度法评价结果更加接近真实水质状况;2)拉林河流域地下水水质超标严重,Ⅴ类占66.7%,仅有33.3%的水质监测点符合饮用标准,超标因子主要为铁、锰、氨氮、硝酸盐等;3)PMF识别结果表明农业源和自然源是影响拉林河流域地下水水质的主要来源,其中自然源贡献占比约61.5%,受水文地质及农药化肥施用影响的农业混合源占比约38.5%.     

基于动态贝叶斯网络的交通灯自主智能决策

现有交通灯大都采用定时控制,容易造成时间上的浪费甚至是交通堵塞,通过引入动态贝叶斯网络DBN ,分析影响交通灯时间的因素,建立具有星型结构的交通灯自主智能决策模型。该模型能够依据十字路口车辆的动态信息,实时决策交通灯的时间,并通过仿真验证了该模型能够自主决策出最佳的交通灯时间,实现了交通管理的智能化。     

基于Bayesian-MCMC方法的水体污染识别反问题

针对具有不适定性的环境水力学反问题,基于贝叶斯推理和二维水质模型建立水体污染识别反演模型,运用马尔科夫链蒙特卡罗法抽样获得污染源源强、污染源位置和污染泄漏时间等模型参数的后验概率分布和统计结果.实例研究结果表明,基于马尔科夫链蒙特卡罗抽样算法的贝叶斯推理可以较好地用来实现水体污染识别,具有识别精度高,误差小的特点,其可靠性和稳定性高于混合遗传模式搜索优化算法.     

基于双向同时无碰撞检测目标偏置RRT算法的路径规划方法

针对传统RRT算法在复杂环境中对不必要区域的搜索和路径规划的时间代价过高等问题,提出了一种双向同时无碰撞检测目标偏置快速扩展随机树算法——TNCG RRT*。该算法将B RRT*中的双向搜索策略和BIT*中的启发式搜索融合作为文中的基础算法,引入神经网络的批量抓取数量决定一次采样的节点数目从而影响采样速度;然后,将正向树和反向树的扩展同时进行以加快路径搜索速度,通过对目标偏向策略中扩展顶点队列的改进和对采样区域的不断更新明确扩展方向,缩小随机树生长的范围;最后,利用3次B样条曲线使生成的路径趋于平滑。与B RRT算法和BIT*算法进行对比实验,实验结果表明:TNCG RRT*算法在路径生成时间上缩短4.5%,剪枝数增加80%,路径代价（即路径长度）缩短9%,证明了TNCG RRT*算法的有效性。