基于改进Elman神经网络的烟气轮机运行状态趋势预测

为提高烟气轮机状态趋势预测的精度,提出一种改进Elman神经网络的趋势预测方法。首先,引入以四分位数和四分位距为基础的箱线图方法判别异常值,并对缺失的数据进行插补,为状态趋势预测提供可靠的全数据序列;其次,根据设备运行状态数据序列具有的时间依存性,计算数据序列不同时延的相关程度,以相关系数最大值点对应的时延为最优预测步长;最后构建三层最优预测步长Elman神经网络对烟气轮机运行状态全数序列进行趋势预测实例分析。研究结果表明,箱线图法能够简捷快速、直观明了地判别异常值;邻近点中位数插补方法更贴近原始数据分布规律,为最优插补方法;相较其他预测步长的Elman神经网络预测方法,最优预测步长的预测误差最小、预测精度最高;同时,Elman神经网络最优预测步长方法的预测误差较BP、RBF神经网络更小、预测精度更高。改进Elman神经网络趋势预测方法能够为烟气轮机的状态趋势预测提供一种有效的预测方法,该方法还可应用于其他关键设备的趋势预测中。     

基于小波变换和优化预测器的瓦斯浓度预测

为了准确预测煤矿瓦斯浓度,提出一种基于小波变换和优化预测器的预测方法.用瓦斯浓度序列分解到小波函数空间(或尺度函数空间)上的能量作为尺度能量,依据尺度能量与满足预测精度的最大误差能量的比值关系,确定小波最佳分解级数.通过小波分解降低瓦斯浓度序列的复杂度,引入延时映射,将小波分解后各个分量转化为具有历史特征的新样本分别进行预测,所得到结果进行叠加为最终预测结果.提出基于预测残差方差比检验的最佳延时单元数确定方法,以预测残差的F检验值作为适应值,采用粒子群算法优化预测器的参数.结果表明:单一的BP人工神经网络(BP_ANN)或支持向量机(SVM)所建立的预测方法对某些瓦斯浓度突变数据的预测有过拟合现象,其预测结果的平均误差大于23%,小波变换后的组合预测方法对于瓦斯浓度突变数据具有较好的跟踪能力和反应速度,采用预测模型的最佳参数后,预测器性能显著提高,平均误差小于10%,表明所建议的方法是可行和有效的.     

基于径向基函数的海杂波时间序列预测方法

介绍基于混沌理论的海杂波分析方法,依据加拿大McMaster大学IPIX雷达实测海杂波数据,按照TAKENS的嵌入定理,设计了混沌预测器.预测器采用径向基函数神经网络重建海杂波的混沌动力系统,即建立海杂波的精确预测模型.实验表明,基于径向基函数的混沌时间序列预测器精度完全能够实现单步预测功能.学习误差为0.0232,预测误差为0.0277.     

基于DK聚类模型的多工况速度预测器

车辆速度预测能为新能源汽车的能量管理策略提供重要的信息，但要准确地预测车速存在诸多困难。为克服交通状况、车辆类型和驾驶员意图等确定或随机因素对车速预测造成干扰的问题，提出了一种基于DK(DTW-based K-means)聚类模型的多工况速度预测器，该预测器通过DK模型对车速序列进行工况划分，并结合一维卷积神经网络和长短期记忆神经网络预测各工况下的未来车速。基于所提出的预测器，讨论了不同的输入序列长度及聚簇数对该预测器的影响，并比较了该预测器与其他常用模型的性能。结果表明，该预测器具有较好的多工况适应性，预测精度比其他模型更高。     

变步长BLSTM集成学习股票预测

提出采用变步长双向长短期记忆网络(BLSTM)集成学习方法学习历史数据中股票价格变动的规律.针对股票涨跌变化的预测改进均方误差(MSE)损失函数,采用简易的模拟交易盈利评价指标以更好地度量预测模型在金融市场中的期望表现.通过前10～50步长的数据训练BLSTM,预测下1min各股票的涨跌变化.实验结果验证了不同数据预处理下,改进损失函数的有效性及变步长集成方法相对于单一网络的有效性.     

输入非线性系统的多步长搜索梯度迭代算法

采用多步长搜索梯度迭代算法对输入非线性系统参数进行辨识.相对于传统梯度迭代算法,该方法无须计算矩阵特征值以确定步长取值范围,而是借助粒子群算法思想,在每次迭代过程中随机产生多个步长,通过比较每个步长对应的代价函数大小,找出所有步长中的最优值.运用该方法对具有丢失数据的非线性系统进行辨识,仿真结果表明,与传统梯度迭代算法相比,该算法的辨识精度较高、收敛速度较快.     

Shell排序时间复杂度实验研究

为探索具有最优渐近时间复杂度的步长序列及其选择方法,以不同步长序列对一些规模较大的待排序列进行试验,研究了Shell排序的时间复杂度与步长序列的关系。     

自动驾驶车辆的变步长路径跟踪控制

为提高自动驾驶车辆路径跟踪控制的稳定性并保证实时性,设计变步长模型预测控制器.通过变步长对预测时域进行分级,引入道路曲率及侧偏角约束,采用CVXGEN进行优化求解.通过Carsim和Matlab/Simulink联合仿真,对文中方法进行验证.结果表明:变步长模型预测控制器既能保证较好的跟踪效果,又能确保车辆行驶的稳定性.     

电站烟囱混凝土硫酸腐蚀的数值模拟

研究了电站烟囱C30混凝土在80℃、质量分数为15%硫酸溶液浸泡条件下的腐蚀规律,根据Fick扩散方程和反应速率方程,提出一个简化的移动边界腐蚀模型.采用定时间步长和变坐标步长的差分求解方法,对移动边界腐蚀模型进行求解,并采用相应的人工腐蚀实验来对模型进行验证.计算结果表明,随着时间的推移,在固定的时间步长内移动界面的位移变缓,腐蚀深度随时间的延续而增加,符合腐蚀的变化规律.计算结果与实验数据有较好的吻合性,该模型可以用于混凝土在硫酸腐蚀下腐蚀速度的预测,指导实际的工程设计.     

基于曲面重构的飞机三维结冰数值模拟计算

在飞机结冰数值模拟中,采用多时间步长法可以准确模拟实际结冰情况。首先给出了三维结冰数值模拟方法,通过求解N-S方程计算空气流场、采用欧拉法计算水滴轨迹、求解质量和能量守恒方程计算结冰增长。对结冰后的结果数据进行重组,建立新的拓扑关系,采用非均匀双三次B样条曲面重构算法重构冰形曲面,得到几何模型,实现飞机三维结冰的多时间步长数值模拟。比较了单时间步长和多时间步长的计算结果;并与冰风洞试验数据及LEWICE预测数据进行对比,分析了不同时间步长对结冰外形的影响,得到了表面水收集系数随着时间的变化规律。结果表明,随着时间步长的不断缩小,水收集系数在机翼上表面不断增加,影响冰形的增长。时间步长越小,计算结果越接近试验数据,验证了曲面重构算法的正确性,说明多时间步长在结冰数值模拟方法中的优越性。     

用于储量渗透率预测的高效梯度提升决策模型

渗透率预测本质上属于拟合问题,因此可用拟合模型进行解决。机器学习模型是解决拟合问题的利器,其中LightGBM (light gradient boosting machine)表现出色,为此选用该模型进行预测。然而,LightGBM预测性能受自变量的数量和性质影响较大,同时较多超参数的使用使其预测状态难以最优,为此采用MIV (mean impact value)算法和CD (coordinate descent)算法对模型进行改进。为验证提出模型的预测性能,以姬塬油田西部长8段致密砂岩储层为例进行研究。设计了三个实验分别对提出模型进行性能分析。根据实验结果发现MIV和CD的使用能提高LightGBM的预测性能,同时提出模型在预测上较常规混合机器学习模型表现更为高效。实验结果证明提出模型可在纯数据驱动下高效地预测渗透率,较经典物理模型更具有适用性和推广性。     

基于扰动跟踪的Smith预估器

在讨论了Smith预估器优缺点的基础上,提出了一种修正的Smith预估器．该预估器引入闭环反馈控制,结构简单,且能跟踪扰动．对含有积分环节的对象,进行了仿真．仿真结果表明,模型匹配时具有同Smith预估器同样的效果：当模型不完全匹配时通过校正,使得系统的工作更加稳定．     

基于监测数据的特征小波构造及应用

提出了以监测数据为基础构造特征小波提取数据趋势的新方法，研究了第二代小波变换的预测器、更新器与等效滤波器之间的关系，以及根据等效滤波器设计预测器和更新器系数的原理。为了构造基于监测数据的特征小波，在设计预测器和更新器时，综合监测数据样本的信息，以预测器消失矩作为约束条件，以预测误差作为目标函数，使所构造的小渡能够反映监测数据的局部特征。采用设计预测器和更新器对监测数据分解、闽值处理和重构，得到监测数据的趋势。该方法在某炼油厂机组的峰峰值趋势分析中准确地描述了峰峰值变化趋势。     

基于域泛化的工业设备无监督异常声音检测算法

在工业场景中,因为设备异常现象的罕见性和高度多样化,以及机器的操作条件或环境噪声在训练和测试阶段的不同,会改变训练和测试数据之间的声学特性。为解决上述问题,提出一种基于联合深度学习和变分贝叶斯高斯混合模型的无监督异常声音检测算法。通过两种神经网络联合训练进行信息提取,并利用变分贝叶斯高斯混合模型对其所获得的嵌入进行聚类分析;引入一种新的混合示例数据增强方法,用多种方式相结合的替代方法来生成示例,以对齐不同域之间的分布;应用了一种改进的子集群AdaCos损失函数,以排除潜在的异常值。实验结果表明,该方法在三种工业机器类型的数据集上目标域的平均曲线下面积达到了79.03%,平均F₁分数达到了67.23%;对比基线模型,谐波平均值提升约20%,在工业设备无监督异常声音检测中表现良好。     

基于模糊混合预测的静态图像无损压缩

提出了一种基于自适应模糊混合预测的静态图像无损压缩方法．在预测准备阶段，根据一个预定的阈值计算出一组自适应线性预测器。用完全自组织简化自适应共振神经网络对得到的预测器进行训练；在预测图像过程中，训练预测器在模糊逻辑的意义上互相结合起来实现最终预测过程；在误差编码阶段，该方法使用了基于上下文的条件算术编码．实验表明，该方法的诸多特点使得它能在计算复杂性和预测效率间达到平衡，表现出优良的压缩性能．     

煤矿复杂多源数据的混合相似性度量方法

随着煤矿产业自动化、电子化和信息化的发展,目前已有的数据描述方式不能有效刻画煤矿中多源、多维、动态的海量数据信息.针对该问题,首先将源于哲学范畴中的本体引入煤矿生产领域,以矿区监测位置本体作为语义模型与数值描述相结合,形成树状层次结构来描述煤矿复杂多源数据;然后,通过基于语义和数值的混合相似性度量方法计算煤矿数据的相似度;最后通过实验验证了本文所述方法的可行性和有效性.     

煤矿复杂多源数据的混合相似性度量方法

随着煤矿产业自动化、电子化和信息化的发展，目前已有的数据描述方式不能有效刻画煤矿中多源、多维、动态的海量数据信息．针对该问题，首先将源于哲学范畴中的本体引入煤矿生产领域，以矿区监测位置本体作为语义模型与数值描述相结合，形成树状层次结构来描述煤矿复杂多源数据；然后，通过基于语义和数值的混合相似性度量方法计算煤矿数据的相似度；最后通过实验验证了本文所述方法的可行性和有效性．     

High Accuracy Gene Signature for Chemosensitivity Prediction in Breast Cancer

Neoadjuvant chemotherapy for breast cancer patients with large tumor size is a necessary treatment.After this treatment patients who achieve a pathologic Complete Response(p CR) usually have a favorable prognosis than those without. Therefore, p CR is now considered as the best prognosticator for patients with neoadjuvant chemotherapy. However, not all patients can benefit from this treatment. As a result, we need to find a way to predict what kind of patients can induce p CR. Various gene signatures of chemosensitivity in breast cancer have been identified, from which such predictors can be built. Nevertheless, many of them have their prediction accuracy around 80%. As such, identifying gene signatures that could be employed to build high accuracy predictors is a prerequisite for their clinical tests and applications. Furthermore, to elucidate the importance of each individual gene in a signature is another pressing need before such signature could be tested in clinical settings. In this study, Genetic Algorithm(GA) and Sparse Logistic Regression(SLR) along with t-test were employed to identify one signature. It had 28 probe sets selected by GA from the top 65 probe sets that were highly overexpressed between p CR and Residual Disease(RD) and was used to build an SLR predictor of p CR(SLR-28). This predictor tested on a training set(n = 81) and validation set(n = 52) had very precise predictions measured by accuracy,specificity, sensitivity, positive predictive value, and negative predictive value with their corresponding P value all zero. Furthermore, this predictor discovered 12 important genes in the 28 probe set signature. Our findings also demonstrated that the most discriminative genes measured by SLR as a group selected by GA were not necessarily those with the smallest P values by t-test as individual genes, highlighting the ability of GA to capture the interacting genes in p CR prediction as multivariate techniques. Our gene signature produced superior performance over a signature found in one previous study with prediction accuracy 92% vs 76%, demonstrating the potential of GA and SLR in identifying robust gene signatures in chemo response prediction in breast cancer.     

逻辑型的二维自适应DPCM图象编码

提出一种逻辑型的自适应ＤＰＣＭ预测器．用周围象素亮度差的平均值作参考，将邻近象素亮度的差值表示为二进制码，再用逻辑运算单元选择适当的预测器，从而有效地提高了图象编码的速率．     

基于卷积神经网络的手绘草图识别

针对目前手绘草图识别难度大,识别准确率低且主要以手工提取特征为主,提出一种新的卷积神经网络结构DCSN( Deeper-CNN-Sketch-Net) 进行手绘图像识别。DCSN 模型是根据手绘草图的特点进行设计,如在首层采用了更大的卷积核获取草图的结构信息和更小的步长尽可能多保留特征信息,通过增加网络层数加深网络深度等。为进一步提高识别准确率,针对手绘草图的特点提出了两种新的数据增强方法,小图形缩减策略和尾部移除策略增加数据集的多样性,并利用扩充的数据集训练DCSN 网络。经实验验证,所提出的模型在目前最大的手绘图像数据集上可以取得70． 5% 的识别准确率,超过了目前存在的几种主流的手绘草图识别方法。