认知无线电中一种新的基于MED的频谱感知算法

提出了一种新的基于最大特征值检测的频谱感知算法,并利用最新的大维随机矩阵理论的结果来获取新的理论判决门限.该门限能够使检测器产生更加可靠的感知性能,获得更高的检测概率.仿真结果验证了新算法的有效性.     

支持大规模地震探测数据快速可视化的云端数据缓存技术

首先, 基于云计算应用模式, 提出一种能有效利用云存储架构的双层缓存技术. 通过在客户端和服务器端建立分布式缓存, 能有效避免用户频繁访问远端数据, 为用户构建轻量级的客户端, 解决了目前地学数据可视化软件大量占用用户本地存储容量的问题. 同时服务器端也避免了多次访问云存储文件系统, 减少了大量的数据检索与加载时间. 其次, 提出一种ARLS(association rule last successor)访问预测算法, 根据用户的历史访问记录, 利用关联规则挖掘用户的访问模式, 对其访问行为进行预测, 进而提前加载数据, 提高缓存命中率, 解决了用户在可视化过程中不断移动兴趣区域, 频繁更换渲染数据的问题, 能有效应对用户具有多种访问模式的情况, 提高了预测准确率. 实验结果表明, 该云存储架构显著减少了本地资源消耗, 访问预测算法的准确率在最差情形下可达47.59%, 平均准确率达91.3%, 分布式缓存的平均缓存命中率达95.61%, 可有效支持云端大规模地震数据的快速可视化.     

页岩气藏压裂水平井物质平衡模型的建立

针对页岩气藏压裂水平井中裂缝、基质、游离气和解吸气等对产气量贡献比例定量计算的难点问题,开展了动态渗流分区的物质平衡模型的建立与分析研究,研究中采用了不同渗流区域内压力降传播速度及平均地层压力的计算方法,进行了动态渗流分区设计,给出了压裂液返排后储层受渗吸作用的含水饱和度计算方法,建立了由12项构成的综合物质平衡方程。通过模型的实例应用与分析,获得了气井生产的7个渗流阶段,揭示了不同生产时间的供气结构比例变化规律,认识到基质储层的游离气是气井长期生产的主要供给气来源,其次是解吸气。模型的建立简化了多尺度渗流方程的描述和复杂求解过程,为理论分析和现场应用提供了一种新的方法,也为深入理解和研究页岩气藏渗流特征提供了依据。     

基于深度极限学习机的柴油机尾气排放预测

准确预测拖拉机等柴油机械实际工况污染物排放在排放清单建立和区域污染物排放控制方面具有重要意义。基于拖拉机不同运行状态下发动机转速、油耗、燃烧比、CO、HC、NOX和PM等实测数据作为数据源,建立深度极限学习机(Deep Extreme Learning Machine,DELM）的预测模型,并对拖拉机怠速、行走和旋耕等基本工况下的污染物排放进行预测。为进一步评估DELM预测模型的适应性,将其与支持向量机(support vector machine, SVM)和前馈神经网络(Back propagation neural network, BPNN)模型进行对比分析。结果表明,1）DELM模型在预测排放时间序列方面具有一定优势,其预测拖拉机在怠速、行走和旋耕3种状态下的NOX、HC、CO和PM排放均方根误差均值分别为5.269×10-5、5.195×10-5、5.135×10-5和2.795×10-5。2）DELM模型与SVM和BP对比发现,DELM模型在鲁棒性以及适应性方面的优势显著。3）DELM方法的较高的准确度和泛化性,为基于发动机状态数据预测移动源尾气排放提供思路和方法。     

衡水湖湖面蒸发模拟在水位预测中的应用

精确的预测湖面蒸发是衡水湖水位预测的关键性问题。2018?2020年开展现场实验,采用水量平衡法测定了衡水湖水面蒸发过程,基于能量平衡和蒸发动力学过程,考虑了湖面植物覆盖区及水面区蒸发面阻力和空气动力学阻力对蒸发过程的影响机理,建立了衡水湖水面蒸发动力学模型。基于Sobol全局性敏感分析方法分析了气象因子、空气动力学因子和湖面因素对湖面蒸发的敏感性。结果表明：所提出的模型具有较高的计算精度,参数率定期和验证期湖面蒸发量的纳什效率系数（NSE）分别为0.744和0.687,模型中辐射项和空气动力学项对衡水湖湖面蒸发的贡献率分别为45.6%～76.8%、23.2%～54.4%。模型有效的反映了植物覆盖区和水面区的阻力对蒸发过程的影响。影响湖面蒸发的因子中,气象因子的一阶敏感性指数均值为0.118,显著的高于阻力（空气动力学阻力和水面阻力）的一阶敏感指数均值（0.028）,辐射、大气温度与其他因素之间交互影响的敏感性最为显著,所提出的衡水湖蒸发量计算方法满足衡水湖水位预警和生态预报的精度要求,具有较高的精度。     

精细化气象因子对短期电力负荷预测的影响研究

为分析电力负荷变化特征与气象要素的关系,定量解析气象因子对电力负荷预测的主要贡献,该文以华中电网某地区为研究对象,预报因子选用电力负荷和精细化气象数据,依据逐步回归和BP神经网络模型建立滚动预报模型.通过研究发现：当日负荷除与历史负荷有较好的相关关系外,当日温度与前一日温度对负荷也有较大的影响.气象因子在逐步回归和神经网络预测方法中对负荷预测准确率的提升均有正的贡献,贡献率分别为0.28%～17.87%和0.97%～17.78%.尤其是转折天气条件下,精细化气象因子对短期负荷预测的准确率的提升尤为重要.     

热镀锌钢卷力学性能GBDT预报模型

针对热镀锌钢卷力学性能预报建模条件属性选取难、预报精度不足的问题,研究了热镀锌钢卷力学性能梯度提升树(gradient boosting decision tree,GBDT)预报模型。利用互信息差算法综合评估工艺参数、化学成分和钢卷尺寸参数等条件属性的相对重要性以及属性之间冗余性,进行模型条件属性筛选;采用同分布原理进行样本划分,结合网格搜索法和交叉验证法优化模型参数,建立力学性能GBDT预报模型。将GBDT模型预报结果与随机森林(random forest,RF)、AdaBoost算法和BP神经网络的预报结果进行比较,比较表明GBDT模型优于其他模型,90%的数据样本预测的绝对误差小于14.24 MPa,94.6%的数据样本相对误差在6%范围内,具有更高的预测精度。     

非计划再入院风险预测研究

为改善患者身体健康,降低非计划再入院率,减轻患者负担和社会资源浪费,本研究基于我国某区域卫生信息平台的医疗数据,利用机器学习方法,构建了非计划再入院风险预测模型.不同于已有仅预测了再入院概率的研究,本研究通过将风险预测建模为多分类问题,实现了在时间和可能性两个维度对再入院风险进行预测.通过调整机器学习算法参数设置,构建了基于神经网络、随机森林和支持向量机算法的3大类共10个再入院风险备选预测模型.基于真实数据集的实验结果表明,在备选风险预测模型中,使用多项式核函数的支持向量机模型预测效果最好,预测准确率达到96.65%.本研究成果可以使医疗机构基于患者历史医疗数据,从时间和可能性两个维度更全面、精准地评估患者再入院风险,进而采取必要的干预措施,降低非计划再入院率.      

Accelerated Test of Silicone Rubbers Exposing to PEMFC environment

The durability of sealing material is one of the major challenges to the overall lifetime of proton exchange membrane fuel cell (PEMFC). In order to study the failure mode and aging mechanism of fuel cell seals, this paper focuses on the most widely used commercial silicone rubber, and an ex-situ accelerated aging method was employed by simulating the circumstance of PEMFC, including higher temperature and clamping force, lower pH value and F⁻ with higher concentration. The main factors that affect the performance of the seal were obtained through the test of their morphologies and mechanical properties. The failure mode of the aging mechanism of the rubbers were analyzed through scanning electron microscopy (SEM), energy dispersive spectrometer (EDS), attenuated-total-reflection infrared spectroscopy (ATR-IR), mass loss, compression set (CS), etc. It was found that temperature played an important role in the deterioration of seal performance, and the change of the parameters of the compression set with time conformed the dynamic empirical formula, which provides the experimental basis for the lifetime prediction of the seals.     

一种基于区间灰数几何特征的灰数预测模型

灰色系统预测模型的已有研究主要建立在实数的基础之上,没有考虑灰数信息对预测结果的影响,根据区间灰数序列在二维坐标平面上的几何特征,通过"面积转换"与"坐标转换",将区间灰数序列转换成等信息量的实数序列,然后推导并建立区间灰数的预测模型,通过建立多组随机区间灰数序列的预测模型,与其他灰数预测模型的模拟精度进行了比较.模型...