去除AMR语音编码器前瞻时延的研究

为降低自适应多速率（AMR）语音编码器的时延,提出了一种去除其前瞻时延的方法. 此方法采用协方差算法计算线性预测系数,然后用线性预测系数外推得到新样点. 用新推得的样点取代原来的前瞻样点,从而去除了编码器的前瞻时延. 进一步对重建语音质量分别进行了客观评价和主观评价,并且计算了算法复杂度. 实验结果表明该方法在去除前瞻时延的同时,重建语音质量接近原始AMR的重建语音质量.      

基于4类神经网络的国债利率期限结构预测

以2011年1月至2016年7月的国债月度数据为样本,研究了在利率期限结构预测中,反向传播神经网络（BPNN）、小波神经网络（WNN）、径向基神经网络（RBFNN）和广义回归神经网络（GRNN）4种网络中相关参数的设定对精度的影响,并对预测效果进行实证比较。研究结果表明：广义回归神经网络预测效果较好,反向传播神经网络预测结果波动性较小,小波神经网络和径向基神经网络预测结果波动性较大。     

基于自监督学习的交通数据补全算法

区域高速公路网收费站数量众多,每日产生海量收费数据,但由于设备、网络等因素,部分站点数据传输存在延迟现象,在此情况下已传输的数据往往不能满足实时流量预测的要求。为了实现实时交通数据补全和动态交通流量预测,文中首先提出了一种基于自监督学习的用于高速公路交通流量数据缺失补全的方法,该方法采用了基于注意力机制的时间序列模型（Seq2Seq-Att）;然后使用自监督学习方式对模型进行训练;最后,以广东省高速公路网的80个收费站为例,验证方法的可靠性。结果表明：文中的数据补全方法能够灵活捕捉交通数据中的缺失情况,并根据数据自身的内在关联性,给出合理的补全值;该方法总体优于其他方法,且在不同缺失率下都有较好表现,总体MAPE约为17.7%、WMAPE为12.8%;在高缺失率情况下,该方法相比于其他补全方法有明显的优势。交通量预测结果表明,使用该方法补全的数据进行交通流预测的预测精度接近使用完整数据的情况。     

川西南永探1井区火山岩储层预测方法及应用

四川盆地西南地区火山岩气藏地质条件十分复杂、岩相变化大、物性变化快、储层非均质性强,地震储层预测面临诸多技术挑战。以永探1井区为研究对象,通过井震标定和正演模拟,确定不同岩相的地震响应特征,通过多属性融合,预测岩相平面分布。基于地震岩石物理分析,明确储层敏感参数,应用叠后地震反演技术,进行敏感参数反演,在此基础上根据岩石物理分析结果将弹性参数转换为储层物性参数,开展储层预测。结果表明,该方法能准确地预测出研究区块目的层火山岩优质储层分布,与实际钻井结果吻合程度高,可为该地区下一步火山岩储层精细描述及生产部署提供指导。     

基于Logistic回归模型的红松立木腐朽分级预测

【目的】红松活立木在生长过程中极易受到各种生物的侵袭,其中木腐菌造成的腐朽是最为广泛和严重的危害之一,活立木腐朽将会造成木材资源的损失,降低木材的力学性能。为了监测红松活立木的健康状况,减少因腐朽引起的相关损失,须定期检测红松活立木腐朽状况,并采用腐朽分级的方法进行评估。【方法】使用阻抗仪和电阻断层成像技术(ERT)两种无损检测手段对黑龙江省五营国家森林公园内的红松活立木进行检测,并在检测截面使用生长锥钻取木芯。将野外测量数据导入电脑,获取立木的阻力曲线和电阻断层图像,分析处理微针阻力的下降幅度,得到样木的阻力损失;根据立木心材与边材腐朽在ERT图像上呈现的不同特征,首次采用一种基于OpenCV的图像处理技术识别腐朽样木电阻断层图像缺陷部分,实现了心材和边材缺陷面积的定量表征;采用烘干法测定质量损失率,根据每株样木的质量损失率将所有样木分为5个腐朽等级。将多分类有序因变量的Logistic回归分析引入到立木腐朽程度分级问题中,以阻力损失、心材缺陷面积比和边材缺陷面积比为自变量,腐朽等级为因变量,建立腐朽分级预测模型。检验模型的有效性、拟合优度及预测能力。【结果】Logistic回归模型性能良好,五营国家森林公园30株红松样木的综合预测准确率为86.67%,各等级预测准确率分布不均,高等级腐朽的预测准确率相对较高。【结论】运用提取心材与边材腐朽的方法处理ERT图像,有效地提高了利用ERT图像识别腐朽的准确率。建立Logistic回归模型可以较准确地预测出立木腐朽的等级,较之烘干法测定腐朽程度,其腐朽评估效率有了明显提高,且对立木损伤更小。     

BP_Adaboost算法的改进及在首轮融资时总票房分类预测中的应用

为获得改进的分类算法BP_Adaboost,利用思维进化算法(MEA)和列文伯格-马夸尔特算法(LM)结合改进的BP神经网络作为弱分类器,由改进的弱分类器集成得到MEA-LM-BP_Adaboost算法.提出了基于MEA-LM-BP_Adaboost算法的首轮融资时总票房分类预测方法,该方法包括变量选取及操作化处理、网络参数优化、MEA改进弱分类器、LM算法改进弱分类器、MEA-LM-BP_Adaboost算法的流程设计、待预测电影验证6个部分.选用2013～2018年的245部国产电影作为样本验证该预测方法和模型,测试集分类准确率可达73.3％.最后在模型准确率、稳定性、K折交叉验证3方面进行模型整体性能比较,结果表明本文提出的模型整体性能最好.     

四川盆地南部中下寒武统石膏岩的发现与油气勘探

预测四川盆地覆盖区的中下寒武统优质膏质岩盖层的分布,为油气勘探提供依据。通过石膏露头细测、野外剖面实测与钻录井分析的方法,发现四川盆地南部的雷波县沙坪子西王庙组(-C2x)、火草坪龙王庙组(-C1l)2个中下寒武统石膏露头点,膏质岩层出露6层,厚度21.5m。描述了甘洛县黑马中寒武统大鼻山组(-C2d)石膏露头共5层,厚度18.5m。同时,窝深1井也揭示中下寒武统膏质岩层,在抓抓岩与乐山范店实测剖面上发现了可与石膏露头、钻井类比的膏溶角砾岩。研究表明,雷波-甘洛石膏露头区发育内缓坡相、蒸发岩台地(或塞卜哈)、局限台地相潮间坪亚相与潟湖亚相的石膏岩与膏溶角砾岩沉积,它们与泥晶白云岩或红色泥岩共生;蒸发岩台地堆积紫红色泥质岩与透镜状、结核状、角砾状构造的灰色泥晶含石膏质白云岩;局限台地相发育潮间坪亚相韵律条带、波状构造的石膏质白云岩、含白云质石膏岩与膏溶角砾岩,以及盐湖或潟湖亚相块状纯石膏岩与韵律条带构造的含白云质石膏岩。这些膏质岩的确认与相分析表明四川盆地南部发育一条长60～70km膏质岩带,它对油气勘探具有重要的意义。     

Artificial neural network prediction of mechanical properties of hot rolled low carbon steel strip

Conventionally, direct tensile tests are employed to measure mechanical properties of industrially pro- duced products. In mass production, the cost of sampling and labor is high, which leads to an increase of total pro- duction cost and a decrease of production efficiency. The main purpose of this paper is to develop an intelligent pro- gram based on artificial neural network （ANN） to predict the mechanical properties of a commercial grade hot rolled low carbon steel strip, SPHC. A neural network model was developed by using 7 x 5 x 1 back-propagation （BP） neural network structure to determine the multiple relationships among chemical composition, product pro- cess and mechanical properties. Industrial on-line application of the model indicated that prediction results were in good agreement with measured values. It showed that 99.2 % of the products＇ tensile strength was accurately pre- dicted within an error margin of ~ 10 %, compared to measured values. Based on the model, the effects of chemical composition and hot rolling process on mechanical properties were derived and the relative importance of each in- put parameter was evaluated by sensitivity analysis. All the results demonstrate that the developed ANN models are capable of accurate predictions under real-time industrial conditions. The developed model can be used to sub- stitute mechanical property measurement and therefore reduce cost of production. It can also be used to control and optimize mechanical properties of the investigated steel.     

E4303焊条力学性能模糊神经网络智能预测

为了获得反映焊条原材料成分与其熔敷金属力学性能之间映射关系的预测模型,该文对E4303碳钢焊条进行配方设计和堆焊试验,测定其熔敷金属的抗拉强度、屈服强度、延伸率、冲击功4项力学性能指标.采用自适应模糊神经网络方法建立了直接由焊条原材料成分预测焊条力学性能的模糊神经网络模型.用该模糊神经网络模型对训练样本以外的试验数据进行预测.结果表明,抗拉强度和屈服强度的预测平均相对误差在5%以内,延伸率指标预测平均绝对误差仅为0.021,冲击功指标预测效果与BP网络相比有明显改善,说明该模糊神经网络预测模型能够直接根据焊条原材料成分较准确地预测其熔敷金属的力学性能.     

基于评论主题的个性化评分预测模型

针对现有基于评论分析的推荐算法没有充分考虑个性化的问题, 通过对评论进行主题分析, 挖掘用户的喜好, 分别建立基于用户和物品的个性化评分预测模型。在真实数据集上进行实验验证, 结果表明该模型有效地提高了推荐系统的评分预测性能。