基于不同被动传感器中国区域冰云特性的对比评估

为了对比中国区域不同被动传感器冰云资料差异及原因,评估并找出与冰云实际特征更加接近的被动产品,使用2013年1月～2015年12月中分辨率成像光谱仪(MODIS)、大气红外探测仪(AIRS)、大气红外/先进微波探测(AIRS/AMSUA)被动传感器三级产品,以雷达/激光雷达探测(DARDAR)资料为参照,对比分析了冰云发生概率、光学厚度及有效粒子半径的水平分布特征、小尺度数值大小、3年年季变化情况。结果表明:中国区域冰云发生概率总体水平分布MODIS更接近于DARDAR资料,但中国南部、西南、东北、华中等不同小尺度区域的数值分析AIRS和AIRS/AMSU-A相近,效果均比MODIS更佳;冰云光学厚度AIRS/AMSU-A对数值大小的反演和全中国整体变化规律均与DARDAR资料相近;中国及周边区域冰云有效粒子半径的大范围总体水平分布AIRS被动传感器更接近DARDAR资料,对于不同尺度的数值研究,中高纬度小区域宜选择MODIS,低纬度AIRS更接近DARDAR资料;无论冰云发生概率、光学厚度还是冰粒半径,MODIS被动传感器均能更为准确地描述3年年季变化。     

基于Stacking集成学习的网络安全态势预测方法

针对现有的网络安全态势预测模型预测精确度低且泛化能力差等问题,提出一种基于Stacking模型融合的态势预测方法。该方法中,借助Stacking算法将TCN网络、WaveNet、GRU、LSTM进行集成挖掘态势数据之间的相关性;之后利用逻辑回归进行预测得到最终态势值;利用粒子群优化算法进行参数寻优,提升模型性能。基于2个数据集进行验证,实验表明,所提预测方法具有较小的均方误差和平均绝对误差,收敛速度较快,拟合度均可达0.999,可以很好解决预测精确度低的问题,提升了模型的泛化能力。     

凿岩粉尘粒度分布的分形结构

本文应用分形几何理论研究了矿山凿岩时岩粉粒度分布的分形特征。研究发现岩粉粒度分布具有良好的分形结构。岩粉粒度大小的分布具有良好的分形结构。岩粉粒度大小的分布可用分维值定量地描述。建立岩粉的分维值与凿岩参数的关系很有必要，它能为控制岩粉粒度和凿岩参数优化提供有效的依据。     

一种改进的粒子群算法求解背包问题

针对传统的离散粒子群优化算法后期容易陷入局部收敛这一缺点,提出了一种新的离散粒子群算法,使用了新的运动方程来更新粒子的位置,并将贪心算法的思想引入粒子群优化算法中,在粒子的位置初始化的过程中,把采用贪心策略所得出的结果作为一个粒子的初始位置.用改进的算法求解背包问题,通过与其他文献中仿真实例的计算和结果比较,表明该算法在全局寻优能力和收敛性上都优于传统的粒子群算法.     

聚（ε-己内酯）／纳米CaCO3复合材料结构与性能的研究

用熔融共混法制备了聚己内酯(PCL)／纳米CaCO3复合材料，考察了纳米CaCO3对PCL结晶性能和CaCO3含量对PCL／CaCO3复合材料力学及形状记忆性能的影响。DSC结果显示纳米CaCO3对PCL的成核结晶有一定的促进作用，辐照交联使PCL的结晶熔融温度和开始结晶温度提高5℃以上；DMA结果显示复合材料的模量随纳米CaCO3含量增加而增大，但高于40％后基本无变化。纳米CaCO3含量在5％～15％范围内能明显提高PCL的拉伸强度、弯曲强度和杨氏模量；辐照交联也起到增强各组分复合材料力学性能的作用，其变化的规律与交联前一致。复合材料经辐照交联后具有形状记忆特性，随着纳米CaCO3含量的增加，形变后的材料在熔融温度下开始回复所需时间缩短，回复速率加快，所有组成的样品在所测试的实验条件下最终回复率达97％以上。扫描电子显微镜观察表明纳米CaCO3粒子在PCL基质中无明显团聚现象。     

GPS/BDS粒子群优化算法紧组合定位方法及精度分析

全球卫星导航系统紧组合定位中,系统间偏差(inter-system bias,ISB)需要多历元后处理的估计方式,并与接收机重启等因素有关.针对该问题,文章将求解ISB参数问题转化为求解系统间小数偏差(frac-tional inter-system bias,F-ISB)参数问题,利用粒子群优化(particle s...     

新的粒子群优化算法

粒子群优化(PSO:Partic le Swarm Optim ization)算法是一种有效的全局优化技术。对于PSO算法,很容易陷入局部极值。针对上述缺点,提出了两点改进:对基本PSO算法的速度更新公式中的全局极值给出新的定义,以使粒子群体保持多样性;适当地缩放适应值,与随机规则共同决定某个粒子作为速度公式中的全局极值。改进的两点用于PSO算法后期,形成新的PSO算法(NPSO:New PSO)。NPSO能有效地改善算法,具有摆脱局部极值的能力。在给定的条件下,选用3个函数进行了测试。实验结果显示,在获得平均适应值方面,该算法比PSO算法提高1.62%~16.5%,明显优于基本的PSO算法。     

基于粒子群算法的微电网动态经济调度

微电网的动态经济调度不仅要考虑一个调度周期内经济费用最低,还需考虑多时段设备运行之间的协调配合,使其更加符合系统的实际运行要求.建立了含有风力发电机、光伏阵列、柴油机及燃料电池等多种分布式电源且能够实现热电联产的微电网系统,研究了当微电网系统处于并网运行状态时,以微电网的运行费用和污染物处理费用的综合效益最大(总费用最低)作为目标函数,并计及可再生能源波动、负荷预测误差以及机组故障停运等不确定性因素影响的动态经济调度模型,模型采用改进的粒子群算法进行求解.通过算例讨论了微电网并网运行情况下不同的控制策略、优化目标及可靠性指标对动态经济调度的影响,为结合可再生能源的微电网动态经济调度以及提升微电网并网运行的可靠性研究提供了一种参考.     

基于PSO—SVR的电力负荷预测

电力系统负荷预测精度直接决定了预测模型的质量.为了降低预测模型输出结果的预测误差,提出了粒子群算法优化支持向量机回归这一智能预测方法.通过对环境温度、节假日、工作日、日期的采集与分析作为模型的输入,以日平均负荷作为模型的输出.最后,通过仿真,对引入粒子群算法的支持向量机回归模型的预测结果进行对比分析.结果表明:优化后的智能模型取得了更为理想的预测结果.     

一种新的求解优化问题的混合粒子群算法

将粒子群优化算法与一种自适应局部搜索算法相结合,提出了一种新的混合粒子群优化算法,使粒子群算法寻优过程中的全局搜索能力和局部搜索能力良好平衡;采用了典型函数和模糊神经网络优化问题对算法性能进行测试,并与其它方法进行比较.实验结果表明,这种混合粒子群优化算法能获得质量更好的解,具有较高的收敛性,特别是在高维复杂函数优化上具有很强的竞争力,其性能大大优于单一的优化方法.