基于码头闸口数据的集卡周转时间短时预测方法

为给车辆调度优化以及集卡预约系统设计提供重要参考,利用所采集的深圳市某港口的码头闸口数据,建立一种基于数据挖掘的集卡周转时间短时预测方法.首先,通过对码头闸口数据进行分析,获取车辆到达时间分布、任务类型、作业方式等集卡作业特征以及集卡在码头内的周转时间;在此基础上,利用循环神经网络并结合训练集数据,建立集卡作业特征与其周转时间之间的映射关系.其次,为减少随机波动对周转时间预测效果的影响,利用小波分解算法对循环神经网络拟合结果的残差进行高频噪声分离,并通过自回归模型拟合过滤后的低频序列.最后,将拟合后的循环神经网络与自回归模型进行结合,建立一种支持集卡周转时间短时预测的组合模型,并利用测试集数据进行有效性验证.结果 表明,相比单一的循环神经网络,该组合模型可以大幅提升预测精度.     

离子交换法制备磷掺杂三氧化钨及光催化降解亚甲基蓝性能

以钨酸钠和磷酸氢二钠为前驱物和磷源,经水热煅烧后,利用离子交换的方法,成功合成了一种高效、稳定的磷掺杂三氧化钨(P-WO3)的光催化剂,利用SEM,TEM,XRD,FT-IR分析其形貌结构以及组成,并以P-WO3为催化剂,在可见光下降解处理亚甲基蓝.结果表明,在可见光的照射下,亚甲基蓝质量浓度为10mg/L,溶液pH为9,催化剂用量为30mg,在120min内对亚甲基蓝的降解率可达89.2％,接近于空白WO3的3倍,且P-WO3也表现出较好的稳定性.     

科技创新、科技产业与科技金融时空耦合分析

选取我国30个省市2008～2017年的面板数据,利用科技创新、科技产业和科技金融三系统耦合协调度模型进行测算,针对各省市三系统耦合协调度进行空间相关性检验.结果显示,我国科技创新、科技产业与科技金融整体处于中度耦合协调水平,且时间上呈现出周期波动的特征,空间上呈现出"东高西低"的态势;长三角地区始终位于H-H区域,而西北地区位于L-L区域.得出如下建议,科技金融应形成支持科技发展的长效机制;地方政府应推出因地制宜的科技金融政策;中央政府应对低度耦合发展集聚的区域给予相应的优惠补贴和鼓励措施.     

高校图情档族群的科研竞争力测评 ——基于结构化指数方法的研究

以高校图情档族群为观察对象,基于个体研究者视角,构建了结构化指数测评方法,从全国、省市和高校等3个维度,展开了科研竞争力结构优势度测评.结构化指数方法能够扫描并揭示高校图情档族群的科研竞争力结构优势度,可揭示科研竞争力优势群体的数量及分布特征,可进行族群科研竞争力优势度对比测评,具有易操作性和数据敏感性,后续研究可从测评因子、测评维度、竞争力转换路径和机制等方面进行拓展.     

基于Unity3D 的电机拖动仿真系统

为解决电机拖动实验的仿真现实问题，基于虚拟仿真的思想，利用Unity3D 技术，实现了基于Unity3D 的电机拖动仿真系统。通过实验证明，该系统可准确模拟各种电器设备在不同的连接部署情况下电动机的反应情况。用户能通过该系统达到对电机拖动实验的学习、模拟等初步体验，系统可完成不受时空限制的一些实验，有助于提高科学研究效率、准确率以及实验的安全性，降低了实验成本。     

互联互通蓝图下人工智能与中国经济转型升级研究

基于互联互通蓝图下我国人工智能的发展现状以及我国经济转型升级的现状,研究了人工智能技术与经济之间的正作用——促进生产、提供新经济增长动力、增加高水平就业岗位并改善工作环境、解决社会治理问题、促进国际友好往来,也分析了二者的负作用关系——减少了传统岗位、增大投资风险、冲击传统管理方式、增大中等收入陷阱的可能、带来法律规章制度的漏洞。提出区域治理保持与时俱进、建立技术基金会、注重人才培养与人员培训、企业承担其角色、重视文化与科技的关联的政策建议。     

动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

基于特征碘离子的非靶向筛查鉴定河北省地下水中碘化消毒副产物

联合高分辨质谱和碘化消毒副产物(I-DBPs)的特征质谱性质, 建立一套完整的非靶向分析方法。以河北省17口监测井为研究对象, 筛查地下水样品中I-DBPs的种类、数量及分布。共筛选出含有同分异构体的I-DBPs疑似离子2408种, 其中不同质荷比的数量为839, 远高于以往研究报道的I-DBPs数量。疑似I-DBPs离子中, 对碘离子响应强度排前十位的离子进行结构鉴定, 其中响应强度排前两位的两种离子被鉴定为酚类I-DBPs, 其发育毒性比对应的脂肪族I-DBPs高数十至数百倍。进一步的分析结果表明, 酚类I-DBPs是样品中主要的I-DBPs 类型之一。最后, 通过主成分分析, 讨论2408种疑似I-DBPs的分布特征。根据主成分分数, 筛选出明显偏离其他采样点的3个采样点。根据装载因子, 通过高斯混合模型对疑似I-DBPs进行聚类, 得到4类离子, 其中3类离子分别属于3个离群采样点的特征污染物。这些结果表明, I-DBPs的分布在河北省内的不同地区具有明显的差异性和复杂性。