基于加权BP神经网络的场地连续化分类

本文以四类标准场地模糊分类二维隶属函数为基础，以BP神经网络为手段，建立了一种新的标准场地模糊化方法，训练了现行抗震设计规范中4类标准场地的模糊化神经网络，克服了二维隶属函数在转折边界处不平缓和有突变的不足；并以所建立的4个标准场地模糊化神经网络为基础，建立了基于加权综合的场地连续化分类方法，给出了该方法分类结果的空间分布图，实现了场地分类的连续化，使场地分类结果更符合工程实际；工程应用实例表明，基于BP神经网络的场地连续化分类方法，能更合理、更客观地对工程场地进行分类，为更科学地确定地震作用和进行恰当的结构抗震设计提供了可能。     

通用分布式虚拟现实软件开发平台的研究

为了适应分布式虚拟现实应用系统的开发需要,在通用虚拟现实软件开发平台VRMagic的基础上,结合高层体系结构(HLA),研发出通用分布式虚拟现实软件开发平台D-VRMagic.详细介绍了D-VRMagic的网络架构和对象模型的构建过程,并在此基础上提出了管理者设计规范和通用客户端模型.最后以网络五子棋的实现为例,对D-VRMagic进行了验证.结果表明该平台具有较高的开发效率、可扩展性和通用性.     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code,STBC)识别中多种编码类型难区分的问题,提出了一种基于卷积神经网络的STBC盲识别算法.该算法首先将接收信号采用自相关函数的频域预处理,输入到卷积神经网络中对信号特征进行提取,全连接层对特征进行映射,实现对6种STBC类型的识别.仿真实验结果表明,在无信道和...     

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...     

基于复杂网络的多机场航班延误传播分析

为了研究多机场间航班延误的传播机理,将机场作为节点,航线作为边构成复杂网络。通过分析传染病传播过程与机场间航班延误传播过程的相似性,借鉴经典传染病传播模型(SIR)的思想,并考虑不同机场间延误传播的差异,提出机场重要度的概念,构建了多机场航班延误传播模型。对多机场航班延误传播过程的仿真结果表明:在多机场网络中,初始延误机场不同以及机场重要度不同,延误传播效果不同,但延误传播规律保持不变。对网络中重要机场进行相应管控会使发生延误的机场数量峰值下降,且按照介数值确定需进行管控的重要机场,网络中发生延误机场数量峰值下降率最大。可见,该模型可以客观反映多机场间航班延误传播的动态过程和变化规律,并可为延误的预防和恢复提供理论依据。     

考虑地质分层约束的长短期记忆循环神经网络测井曲线重构

延长油田东部裸眼井区早期测井资料普遍只有自然电位（SP）、自然伽马（GR）及梯度电阻率(R2.5)三条曲线,因缺失声波（AC）、地层电阻率（RT）等测井曲线,难以满足精细油藏地质研究需求。东部裸眼井区开发时间长、单井产量低,重新测井缺乏可行性及经济性。采用长短期记忆循环神经网络(Long Short-Term Memory,LSTM)进行缺失测井曲线重构是一种经济有效方法,适用于地层测井序列数据。然而延长油田东部浅层油藏上覆黄土层段测井数据信号干扰大,直接应用模型精度较差。针对此问题,本文采用考虑地质分层约束的LSTM模型进行缺失测井曲线的重构,通过分层数据截取每口井长6层段测井数据作为样本数据,既保留了LSTM模型处理序列数据的优势,同时又避免了上覆黄土层测井数据对模型的干扰。利用裸眼井区完整测井数据进行模型训练优化和验证,讨论了考虑地质分层约束的LSTM测井曲线重构精度,结果表明通过引入地质分层约束,模型重构测井曲线精度更高。应用优化后模型实现裸眼井区50口仅有GR、SP、R2.5三条曲线数据井的AC、RT曲线重构,对50口井的142个射孔段进行二次解释,对比试油解释结论符合率达到89.4%,验证了该方法对测井曲线重构的实用性和有效性。     

基于卷积神经网络的新奇检测技术在结构损伤识别中的应用

针对新奇检测难以同时识别结构损伤时刻和损伤位置的问题,提出在新奇检测中引入卷积神经网络以实现损伤时刻和损伤位置的一次性确定。首先,采用小波包技术处理结构响应得到小波包能量,并将相邻测点对应频带的能量比作为新奇检测模型的特征向量;然后,以结构健康时的特征向量作为训练数据,建立健康模式下的基于卷积神经网络的新奇检测模型;接着,将结构实时输出的特征向量输入到新奇检测模型,所得输出与健康状态的输出进行对比,并将输出和输入的欧氏距离作为新奇指标;最后,根据新奇指标的变化识别结构损伤时刻和损伤位置。数值模拟和实验室试验验证了该方法的有效性。     

基于孤岛划分约束的有源配电网故障恢复策略

为提高供电恢复效果,更好地应对当前有源配电网信息-物理耦合程度不断加深的形势,提出了一种考虑信息流、能量流、业务流多流融合以及智能软开关(soft open point,SOP)作用的孤岛划分算法,基于该算法实现供电恢复策略。首先,为保证负荷的可靠恢复,该策略深入研究信息-物理耦合并建模,对节点信息重要度排序,讨论其对负荷恢复的影响;其次,构建了SOP的稳态模型,分析了SOP的工作原理及控制模式;接着,为了更大程度、更加灵活地恢复负荷,考虑SOP的作用,建立考虑光伏时变性及负荷运行特性的有源配电网孤岛划分模型;最后,算例仿真验证所提策略的有效性。     

基于帕累托最优效率模型的轨道交通沿线公交线路运行效率评价

通过建立公交运行效率评价模型,确定轨道交通沿线待优化线路,为两网融合奠定理论基础。研究首先通过定性定量法筛选出与轨道交通关联度大且有研究意义公交线路,其次以公交线网自身合理性、两网之间协同关系等数据构建评价体系,最后采用帕累托最优交叉效率模型,求解沿线公交线路运行效率。以南昌市1号线为例,筛选出沿线25条公交线路并进行实证分析。结果表明：帕累托最优交叉效率模型的评分更容易被所有的决策单元（Decision-Making Units,DUM s）接受;数据分析得出南昌公交线网自身合理性较好,但在两网协同关系方面,可优化线路走向、调整线路重复系数等加强其协同性。最后基于两者的帕累托交叉效率均值,将25条公交线路划分为4种案例,为公共交通系统的管理者和决策者提供了更实用和有价值的观点。     

融合多尺度CNN与双向LSTM的唐卡问句分类模型

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度CNN与双向LSTM融合的唐卡问句分类模型,本模型将数据的全局特征与局部特征进行融合实现唐卡问句分类任务,全局特征反映数据的本质特点,局部特征关注数据中易被忽视的部分,将二者以拼接的方式融合以丰富句子的特征表示。通过在Thangka数据集与THUCNews数据集上进行实验,结果表明,本模型相较于Bert模型在精确度上略优,在训练时间上缩短了1/20,运算推理时间缩短了1/3。在公开数据集上的实验表明,本模型在文本分类任务上也表现出了较好的适用性和有效性。