基于两级神经网络的发酵过程多变量前馈解耦控制

针对具有时变、非线性、不确定性的多变量耦合生物发酵过程,提出了一种基于两级神经网络的多变量前馈解耦方法.一级神经网络利用可获得的过程信息拟和耦合通道的过程特性,实现耦合作用对被控量影响的估计;二级神经网络用来拟和控制通道的逆特性.通过两级网络的串联,消除系统间的耦合.实验结果表明,提出的解耦控制方法能适应生物发酵过程模型的不确定性和参数时变性,克服了前馈解耦方法依赖于过程模型和对模型参数的变化表现敏感的缺点.     

基于过程神经网络的短期负荷预测

针对目前常用方法在解决负荷预测问题时,结果往往难以达到工程要求精度的现状,利用过程神经网络输入为时间函数以及预测精度高的特点,建立了基于过程神经网络的电力系统短期负荷预测模型;给出了模型的结构,基于函数正交基展开的离散数据拟合方法以及模型的学习算法.针对东北某地区电网的日负荷数据,进行了模型训练和负荷预测正确性的研究.结果表明,所建立的预测模型对负荷的预测准确率高,优于BP神经网络负荷预测模型的预测结果.     

冷轧带钢表面质量评价模型构造方法

冷轧带钢表面质量评价是一个与多种影响因素相关的十分复杂的问题,其中表面缺陷种类繁多,其成因复杂,与之相关的数量、等级、位置、分布特性等不同程度地影响着表面质量.将带钢表面质量抽象成多因素、多层次和多方案情况下的系统,从而将质量评价问题转化成了分析决策问题.通过各层次对质量影响因素权值的确定,提供了一个比较完善的表面质量评价指标体系.该方法保证了带钢表面质量评价的科学性与精确性,给出了应用实例,验证了该方法的实用性和有效性.     

诱导延时和数据包丢失的广义网络控制系统的建模及其控制

针对广义网络控制系统的延时和数据包丢失问题,在诱导延时时间小于和大于采样周期T、单包传输和多包传输数据包丢失情况下,建立广义网络控制系统的模型并进行相关控制器设计.最后探讨了使网络控制系统稳定所允许的最大延时界限,为实际控制工程中广义网络控制对象的研究提供了理论依据.     

基于事前分析方法的工作流过程模型的验证

工作流执行过程中经常会出现非正常终止的情况,对此,将事前分析方法应用于工作流过程模型的验证中,即在工作流过程实例化前进行模型的有效性分析和结构正确性验证。该方法对传统的有向网络图进行扩展并以此来描述工作流过程,确定模型的有效性;进一步将扩展有向网络图转换成工作流网模型,应用Petri网技术分析该模型的冲突结构,以确保工作流过程的逻辑合理性。     

Mn2+、Ce3+共掺杂Zn2SiO4材料的溶胶-凝胶法制备及光学性能研究

采用溶胶-凝胶、化学掺杂方法制备了Mn2 、Ce3 离子掺杂Zn2SiO4材料;用X射线衍射仪、透射电子显微镜、吸收光谱仪以及荧光光谱仪对其结构、形貌和光致发光性能进行测试分析;结果表明,900℃热处理基本形成Zn2SiO4晶体,一次颗粒尺寸大约为200 nm左右;在空气中1 100℃和H2气氛中900℃热处理后,样品中存在2个发光峰:Mn2 产生的522 nm强绿光发射,Ce3 离子产生的398 nm弱紫光发射。     

Observations of water-flea Daphnia magna and avian fecalia in rock pools: is traditional natural history reporting still relevant for science?

Unexpected observation of freshwater invertebrate Daphnia magna in temporary rock pools on a small island off the Norwegian Atlantic coast confirms colonising ability, mediated through avian dispersal. Robust diapausal eggs of D. magna pass the gut of migrating geese and subsequently hatch in environments where such waterfowl forage and rest along migrating routes. The incubation experiment demonstrates that decomposing fecalia of geese constitute sufficient feed to support developing populations of D. magna in experimental oligotrophic conditions. The findings also show that D. magna is highly adapted for colonisation of temporary pools north of the Arctic Polar Circle, with excellent tolerance to low temperatures. Discussion part I relates the findings to published evidence on avian transport of invertebrate propagules, such as correlations between migration patterns of waterfowl and geographical patterns of aquatic invertebrate diversity. Discussion part II reflects on academic cultures, epistemological aspects of natural history reporting, the presence of a whale cadaver as an ecological indicator and the relevance of simple observation as a starting point for further discourse.     

Brent原油期货市场波动结构突变点预测

针对Brent原油期货市场可能存在结构突变点（结构断点）,引入了隐马尔科夫模型(Hidden Markov Models,HMM)对其进行波动状态预测,但是由于HMM模型测度下的波动状态中可能存在伪结构突变点,再使用迭代累积平方和(Iterated Cumulative Sums of Squares,ICSS)模型对Brent原油期货市场波动结构突变点进行诊断,并修正其波动状态,为了检验ICSS-HMM-EGARCH模型对Brent原油期货市场结构突变点预测的准确性,基于修正后的波动状态再次使用HMM-EGARCH模型对Brent原油期货市场进行波动率预测。最后,采用成功率(Success Rate,SR) 和基于平均误差函数(Root Mean Squared Errors,RMSE)的Diebold-Mariano(D-M)模型分别对预测波动状态和预测波动率的准确性进行检验。实证结果表明：Brent原油期货市场中存在波动结构突变点;HMM模型测度下的波动状态中存在伪结构突变点,而ICSS-HMM-EGARCH模型能够修正波动状态中的伪结构突变点;基于修正后的波动状态后HMM-EGARCH模型能够对Brent原油期货市场进行更加准确地波动率预测,因而ICSS-HMM-EGARCH模型能够准确地预测Brent原油期货市场波动结构突变点。     

基于机器学习的裂纹识别研究现状及发展趋势

裂纹识别一直是机器视觉领域的重要研究内容,尤其是与之相关的自动检测算法在近年来备受关注.深度学习作为机器学习的一个分支,其在裂纹识别方面已显现出强大的功能和灵活性.本文对基于机器学习的裂纹识别技术的发展情况、研究现状以及典型方法进行详细介绍:首先介绍了多种机器学习方法在裂纹识别领域的应用,并从特征提取算法和应用对象等方...     

具有变利率的离散时间保险风险模型的破产问题

文章在将常值利率推广到变利率的情况下,进一步研究变利率的离散时间保险风险模型,得到了描述破产严重程度的破产前一时刻的剩余分布与破产持续时间分布的递推公式。