大规模MIMO系统基于多分辨率深度学习网络的CSI反馈研究

快变信道环境下,采用频分双工模式下的大规模MIMO系统,用户通过反馈链路将信道状态信息(Channel State Information,CSI)发送给基站,为适应信道快速变化保证系统性能,要求降低反馈时延及减少反馈开销.提出一种基于深度学习的多分辨率信道状态信息网络(Multi-resolution Channel...     

基于长短期记忆神经网络的城市交通速度预测

交通速度预测在智能交通系统中起着重要的作用,准确、快速的交通速度预测有利于及时掌握城市道路交通状况,能够有效实行交通诱导。针对交通速度具有极强的周期性,在工作日和非工作日之间存在较大差异,导致预测精度不高的问题,分别选取公开的工作日和非工作日交通速度数据,构建基于长短期记忆神经网络的城市交通速度预测模型。实验验证采用广州市20条路段的交通数据,结果表明,区分工作日和非工作日的平均绝对百分比误差、平均绝对误差和均方根误差的平均值比不区分均要小,说明区分工作日和非工作日可以有效地提高交通速度的预测精度。     

基于离散余弦变换与最优嵌入强度预测的鲁棒图像水印算法

为了解决当前图像水印方案难以兼顾系统的抗几何攻击能力与视觉隐秘性的问题,提出了基于离散余弦变换与最优嵌入强度预测的鲁棒图像水印算法.把宿主目标划分为若干个8×8的非重叠子块;引入离散余弦变换DCT(Discrete Cosine Transform)处理每个子块,输出相应的低频与高频子带;从低频子带中选择一个系数作为参...     

考虑可靠性和状态估计精度的配电网优化配置研究

主动配电网中的自动化配电终端直接影响到状态估计精度和电网可靠性.通过配电网中量测配置的特点分析结果,采用灵敏度矩阵得到量测估计方差,确定其方差指标,评价指标的贡献系数并按大小排序,根据次序安装新量测设备.结合状态估计方差指标和配电终端投资指标,加权计算得出目标函数,以配电网合格条件为限制,迭代求解最优配置.通过改进配电...     

基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型

为进一步提高住宅价格预测精度,进而为有关部门提供相关数据参考,帮助其及时准确地制定相关政策,提出了基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型。该模型首先使用Pearson系数对影响房价的相关因素进行特征筛选,舍弃与住宅价格关联性不强的因素;然后使用萤火虫算法对BP神经网络进行优化,建立基于萤火虫算法优化的BP神经网络预测模型;最后以上海市统计局最新发布的相关数据进行实验验证。实验结果表明,所提模型优于其他5种模型,能够实现住宅价格的有效预测。     

基于裂纹扩展的涡轮叶片热障涂层寿命预测模型

热障涂层在高温热循环的服役环境中会出现性能退化,最终剥离失效.本文以等离子喷涂的YSZ涂层为研究对象,基于亚临界裂纹扩展模型,引入临界能量释放率指数模型,结合改进的热生长氧化层增厚模型,推导了涂层循环失效预测模型.通过和公开的实验数据对比,验证了本文方法的准确性.之后将该模型应用于国内某型燃气轮机涡轮导叶热障涂层的寿命预测.结果表明,随着热生长氧化层的增厚,当达到临界厚度时在陶瓷层和黏结层界面会出现应力反转.陶瓷层和黏结层界面出现的拉伸应力会诱导附近微小裂纹扩展.此时热生长氧化层进一步增厚,将会加速裂纹的扩展速度,直至裂纹贯通,界面出现剥离失效.涂层寿命与服役温度呈指数递减规律,在一定范围内提高陶瓷层和黏结层界面粗糙度可以延长涂层服役寿命.本文模型对预测等离子喷涂的YSZ涂层寿命具有很好的应用价值.     

基于深度强化学习的机械装备剩余使用寿命预测方法

随着机械装备发展的日益大型化和复杂化,其使用安全性和可靠性也越来越受到重视.剩余使用寿命(remaining useful life, RUL)预测技术,通过分析设备的运行数据,预测设备还能正常运行的时间,利用该技术可有效提升设备运行的安全性和可靠性,同时可为设备的后续维修决策提供关键依据.本文提出一种基于深度强化学习(deep reinforcement learning, DRL)的RUL预测方法,首先通过自编码器(autoencoder, AE)对机械装备的原始信号进行特征提取,利用提取到的特征构成强化学习的状态变量,通过设置合适的动作空间和奖励函数训练强化学习模型,使其能依据样本间的时序相关性对装备的RUL进行准确预测.与其他方法相比,强化学习方法的时序交互决策逻辑可以自然地保留样本间的时序依赖关系,降低了RUL预测的波动性.最后利用涡轮发动机数据集CMPASS对提出的方法进行实验验证,所提出的方法在RMSE和Score两项指标上均优于目前多种RUL预测方法,且所提出方法对于接近退化末期的装备预测效果有明显提升.     

ECOC多分类算法在慕课数据挖掘中的应用

收集并整合多所高校学生的慕课学习行为数据,设计基于数据复杂度的纠错输出编码(ECOC)多分类算法.该算法利用数据复杂度降低多类之间的分类难度,从而提高算法的预测准确度.实验结果表明,在不同高校的慕课数据集的测试中,所设计基于数据复杂度的ECOC分类算法比传统的ECOC算法具有更高的分类准确度和鲁棒性,实现了学生学习成绩...     

运用AHP-FUZZY法判定岩质边坡稳定性

在综合分析岩质边坡稳定性评价因素的基础上,对岩质边坡稳定性影响因素进行系统分类,提出一种岩质边坡稳定性预测评价的方法,即系统决策和模糊数学相结合的层次分析-模糊综合评价法(AHP-FUZZ-Y).该方法考虑了影响岩质边坡稳定性的多种因素,并对各种因素的重要性进行分析,给出不同的影响程度权值,从而避免单一判据和主观臆断所带来的局限性.     

八车道高速公路可变信息标志前置距离对驾驶行为的影响

基于驾驶模拟实验,设置3.0、2.5、1.5、0.7 km 4种前置距离的可变信息标志（variable message sign,VMS）,收集32名驾驶员视认4种前置距离的VMS后换道驶出高速公路过程中的方向盘、速度和位置数据,并观察各驾驶员在换道过程中的方向盘操控行为、换道行为、减速行为。结果表明：VMS视认过程属于多任务驾驶行为,驾驶员需在短时间内完成VMS视认、路径决策、车辆减速与换道;当VMS前置距离不足时,驾驶员需快速、大幅转动方向盘,进行连续换道、急换道;为顺利驶入减速车道,部分驾驶员采取减速换道措施,增加了事故风险;当VMS前置距离过长时,驾驶员对VMS的短期记忆效应使得驾驶负荷提高。