VP型宽频带倾斜仪故障信号的BBA-SOM智能诊断

针对现有VP型倾斜仪故障诊断主要依靠人工经验和诊断流程较为复杂的问题,提出以互补集合经验模态分解(complete ensemble empirical mode decomposition, CEEMD)多尺度近似熵和二进制蝙蝠算法(binary bat algorithm, BBA)优化SOM神经网络参数的VP型倾斜仪故障诊断新方。首先,将归一化后的仪器故障信号进行CEEMD分解,对6阶本征模态函数(intrinsic mode function, IMF)求取多尺度近似熵值;然后将网络输入法按比例分为训练集和测试集,以训练集的识别率为适应度函数,应用二进制蝙蝠算法(binary bat algorithm, BBA)优化SOM神经网络的竞争层维数和网络训练次数;最后应用上述得到的BBA-SOM网络模型对倾斜仪故障特征数据进行辨识。实验表明：CEEMD多尺度近似熵判据对倾斜仪故障特征的区分效果符合预期;相对于朴素贝叶斯、AdaBoost集成学习与LDA等学习模型,BBA-SOM模型可以准确进行故障诊断;该方法对实现VP型倾斜仪故障的自动诊断有重要现实意义。     

神经网络参数对地震类型识别的影响

由于震源识别模型判据选取不当或关键参数设置不合理,现有地震辨识模型的性能受到一定制约。为了改善地震类型识别效果,优化反向传播(back propagation, BP)神经网络参数设置,提出了一种经验模态分解(empirical mode decomposition, EMD)多尺度近似熵(multi-scale approximate entropy)判据,并讨论训练函数、激活函数、隐藏层神经元数目与学习速率等网络参数对地震辨识的影响。首先,针对多组天然地震事件及人工爆破事件波形进行关键信息提取与归一化,利用EMD算法提取6个本征模态函数(intrinsic mode function, IMF)和1个剩余分量(residual),然后分别计算近似熵得到EMD多尺度近似熵向量;再次,设计一系列BP神经网络调参实验,研究BP神经网络参数对地震类型识别的影响。结果表明,训练函数、激活函数、隐藏层数目等参数对地震辨识产生了明显的影响,辨识效果较好的参数组合为：训练函数采用共轭梯度法,输出层激励函数为purelin函数,隐层激励函数为logsig函数,隐层节点数和学习率分别设置为10和0.0...     

知情同意在生物样本数据库中面临的问题与同意模式之争——对选择同意类型权利的考察

生物样本数据库研究难以满足传统知情同意在开展前就告知研究具体目的要求。为了解决该问题,出现了多种不同的同意模式,并发生了"何种同意模式更好?"这一"生物样本数据库同意模式之争"。当下的争论主要发生在宽泛同意-同意治理模式与元同意(meta consent)模式之间。元同意向参与者提供依据自身偏好选择不同同意类型的权利。批评者认为该权利不存在,且赋予参与者依据个人偏好选择的权利会导致滑坡。本文论证参与者有选择同意类型的权利,设置这一权利可以保护参与者的正当偏好,不会导致滑坡。该权利可以从隐私权,以及公民参与科学研究的权利中演绎出。元同意能够以道德物化的形式实现对该权利的保护,但该权利也可以通过诉诸可靠治理实现。因而参与者有选择同意类型的权利,并不意味着元同意模式比宽泛同意-同意治理模式好。可靠的治理要求作为道德行动者的科研人员不完全依靠元同意模式。     

化解知情同意模式之争:从公平原则分析

当代就何种知情同意模式适用于公共层面的生物医学研究的争论中,不同模式的支持者都会援引尊重自主性原则批评彼此并辩护自身.文章表明产生这一悖反的根源在于"尊重自主性"有双重内涵.一是尊重"理性人"的 自主性,二是尊重不同个人依据自己的取向进行选择的 自主性.尊重"理性人"的 自主性要求个人在科研人员每一次使用 自己的样本或...     

基于CEEMDAN多尺度模糊熵和SSA-BP神经网络的VP型垂直摆倾斜仪故障辨识

针对现有倾斜仪故障记录的甄别与分类主要依靠人工经验,诊断过程繁琐及诊断精度不高的问题,充分利用信号分解技术的特征升维与机器学习模型的快速自动分类等优势,提出一种结合完备集成经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）多尺度模糊熵和麻雀搜索算法（SSA）优化BP神经网络的VP型宽频带垂直摆倾斜仪故障自动诊断方法。该方法首先将故障数据归一化,利用CEEMD分解信号得到本征模态函数（IMF）的多尺度模糊熵,然后基于麻雀搜索算法（SSA）优化BP神经网络的权值与阈值,得到最佳权值和阈值,最后应用SSA-BPNN模型对倾斜仪故障特征数据进行辨识。实验表明:CEEMD多尺度模糊熵判据具有良好的倾斜仪故障特征区分效果;SSA-BP神经网络模型在准确率和召回率上,相比BP模型分别提高4.758 1、6.321 6个百分点,辨识过程更稳健,弥补了VP型倾斜仪在故障智能识别领域的空白。     

基因组学时代的知情同意：远离自主，走向信任？

随着基因组学的发展应用，基于自主的现有知情同意模式面临的困难使得基于信任的知情同意模式开始兴起，然而这会引发如下担忧：在基因组学时代个人自主的地位是否受到威胁？为了回应这一问题，必须把握基于信任的知情同意模式的内涵并且区分“信任”的三种含义。在基于平等的信任的知情同意模式下，自主是建立平等的信任关系的前提；在基于正确信任的知情同意模式下，自主是确保正确信任的手段。然而，这两种模式都面临着理论或现实方面的困难，唯有第三种模式——基于对机构的信任的知情同意模式可以同时促进个人与个人之间以及个人与机构之间的信任关系和个人的自主，因此，该模式有望成为基因组学时代知情同意问题的理想解决方案。     

基于ZedGraph和牛顿-拉夫逊法的矿山微震源定位与可视化平台设计

针对目前国内微震监测相关软件较多依赖进口,自主研发较少的现状,设计了一款基于ZedGraph和牛顿-拉夫逊法的矿山微震源定位与可视化平台.该平台主要由微震源定位解算模块和震源可视化模块构成,其中微震源定位解算模块应用牛顿-拉夫逊法和四四组合定位法原理,微震源反演数学模型采用经典的到时差模型;震源可视化模块基于ZedGraph图表类库结合C#语言实现了3种不同形态的震源显示.实验结果表明,该平台使用较方便,定位结果精度与微震源可视化效果符合预期目标,开发成本较低,对于我国国产微震监测系统的自主开发有一定参考价值.