基于高性能射线跟踪的高铁车站场景5G-R网络优化技术

针对目前反复路测及人工调试方式难以实现准确高效的铁路无线网络优化要求的弊端,面向5G-Railway(5G-R)频段,在高铁车站这一典型通信场景下,通过三维场景建模和射线跟踪技术,以提升无线网络优化效率和精度为目标,研究了不同反射、散射阶数与接收功率的关系,提出了面向车站场景的反/散射阶数功率增长模型和基于散射体空间分布及多径能量特征的无线网络基站参数优化算法.研究结果表明：本文提出的模型能够支撑射线跟踪传播机理的选择,保障网络覆盖预测结果的准确性;优化算法将车站场景的网络达标覆盖率较优化前提升了8.92%,验证了算法的可行性.研究成果可为完善我国智能铁路技术提供参考.     

胶凝原油临界损伤屈服应力计算模型研究

含蜡原油管道停输再启动压力与原油结构强度密切相关。为了理论上描述胶凝原油屈服应力,以胶凝原油微元强度服从Weibull分布为基础,结合统计力学理论及重正化群模型,建立了胶凝原油临界损伤屈服应力计算模型,并利用胜利及苏丹原油在胶凝点附近不同温度条件下的屈服应力对所建立模型进行可靠性验证。结果表明：在胶凝点附近温度条件下,随着测试温度的降低原油屈服应变呈下降的趋势;在测试范围内随着油温的升高,胶凝原油屈服应力越来越小,油温与屈服应力整体呈现幂律关系;相同温度条件下,随着剪切速率的增加,胶凝原油屈服应力逐渐增大;利用所建立的胶凝原油临界损伤屈服应力计算模型对不同温度条件下胜利原油屈服应力进行拟合,该模型能较好地描述原油屈服应力,计算结果可为含蜡原油管道停输再启动提供参考。     

基于EMD-PF-GRNN的短期风电功率预测研究

针对短期风电功率预测,将风电输出功率作为时间序列信号,由于其所具有波动性、非平稳性的特点,提出一种基于经验模态分解(EMD)、粒子滤波(PF)和广义回归神经网络(GRNN)的组合预测模型。首先,利用EMD对风电功率序列进行分解,获得各个相对平稳的模态分量;然后,将分解得到高离散度的数据采用PF进行分析处理,低离散度的数据采用GRNN进行分析处理,其中,通过粒子群算法(PSO),根据各低离散度数据自身特点优化GRNN的平滑因数,以进一步提高其预测性能和精度;最后,通过线性叠加各分量的预测结果得到最终风电功率的预测值。结果表明,与PSO-GRNN和单一GRNN结构相比,EMD-PF-GRNN预测模型的预测误差降低了6%左右,预测精度更高,可以更好的预测风电功率。     

基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit, GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。     

基于MPC的无人机航迹跟踪控制器设计

针对固定翼无人机航迹跟踪问题,采用基于状态扩展的双反馈模型预测控制理论对控制器进行设计。首先推导基于侧向偏差的无人机侧向航迹跟踪模型,采用动态逆方法对模型进行线性化处理,在此基础上设计基于状态扩展的双反馈模型预测控制器,并采用量子粒子群优化(quantum particle swarm optimization, QPSO)算法对控制器参数进行优化,考虑无人机飞行过程中受到的未知干扰,引入扩张状态观测器(extended states observer, ESO)对干扰进行观测,进一步提高系统的鲁棒性,并结合实际工程应用对系统进行数学仿真。仿真结果表明,基于状态扩展双反馈模型预测控制的无人机侧向航迹跟踪控制器,能够在系统存在模型不确定性与受到动态干扰时对期望航迹进行准确、稳定的跟踪。     

城市振动污染图的概念、途径与示例

提出了基于群智感知的“城市振动污染图”概念,用于定量化、可视化城市环境振动污染的范围及程度。创建了线上数据采集应用,通过志愿者的智能携带设备获得环境振动数据并形成云端数据库,经数据清洗后,分别在全国、城市和区域3个不同尺度上进行了示例。示例结果验证了“城市振动污染图”的可行性及其对于智慧城市运维的支撑能力。     

基于群决策方法的外包服务商选择研究

资源外包是现代企业提高竞争力的一项重要战略决策.而外包服务商的选择是其中的一项重要环节.本文通过对外包理论的分析,建立了一套外包服务商的选择指标体系,通过群决策和熵权分析的方法对企业选择外包服务商进行了定量化的分析.为企业决策者提供了一个易于操作的方法.     

混沌粒子群优化算法及其在平面选址问题上的应用

通过引入混沌来影响粒子速度的更新,构造出一种混沌粒子群优化算法.其主要思想是用混沌迭代引导个体进一步优化,从而避免群体陷入局部最优,而且收敛速度得到加快.通过对三个测试函数以及平面选址问题的求解,验证该算法具有非常好的性能.     

遥感图像配准中的群智汇聚方法

遥感图像配准是遥感图像处理的一个重要的环节,在智能化遥感信息处理领域具有重要的研究意义和应用价值.本文主要对群智能在遥感图像配准中的应用进行了综述,并对进化算法和深度学习在遥感图像中的应用进行了介绍.首先介绍了遥感图像配准中常用的原理和优点.然后,对群智能算法在遥感图像配准中的应用进行了详细的介绍和总结,紧接着对进化算法在遥感图像配准中的应用进行详细介绍,其次对深度学习在遥感图像配准中的应用进行归纳,并且就遥感图像配准目前存在的难点以及深度学习在解决这些难点时所存在的优势进行了详细的讨论.最后,针对遥感图像配准中存在的关键问题进行了讨论与展望.