针对混合输电线路故障多、定位精度差等问题,提出一种基于改进的自适应噪声完备集合经验模态分解(CEEMDAN)和Teager-Kaiser能量算子相结合的混合三端输电线路故障测距方法.首先对输电线路故障电压信号使用新型相模变换进行解耦,以消除线路间的电磁耦合现象;然后利用改进的CEEMDAN和Teager-Kaiser能量算子对解耦后的故障电压信号进行分解,提取了故障初始行波到达检测点的时间,再根据故障时暂态电压行波零模分量和线模分量的故障特性,提出一种基于零模和线模时间差的故障分支判别方法;最后为解决无法得到行波波速精确值的问题,采用基于零模线模时间差的行波测距方法得到了精确的故障定位数据.基于仿真模型,对比改进CEEMDAN算法和传统CEEMDAN算法,验证所提改进算法的有效性.仿真结果表明,所提算法不受故障类型、过渡电阻、波速、时间不同步的影响,具有较高的测量精度.改进CEEMDAN算法能够有效改善故障信号经传统CEEMDAN算法分解后带来的随机性问题,具有较高的工程应用价值.
针对具有α混合结构的函数型时间序列数据,当响应变量随机缺失时,利用函数型单指标模型进行统计建模,并采用k近邻方法对模型中未知参数和未知函数进行估计,与经典核方法相比,其数据适用性更强,可以提高估计效率;通过数值模拟和厄尔尼诺海平面温度数据,将k近邻方法和经典核方法进行比较,讨论k近邻方法与经典核方法对未知参数和未知函数的估计效果;从模拟结果可以看到:k近邻方法对未知参数和未知函数的估计精度以及随样本增加的改善效果要优于经典核方法,在真实数据分析中,k近邻对真实数据的精度拟合以及趋势拟合都表现优异;这些结果表明:在响应变量随机缺失的时间序列单指标模型中,采用k近邻方法对未知参数和未知函数进行估计,在精度上要优于经典核方法,同时在真实数据分析中,相比经典核方法,k近邻方法能更好地拟合数据.
针对向量自回归模型(VAR)的高维估计问题,结合贝叶斯理论提出了一种融合正态-逆Wishart共轭先验分布的估计方法.在该估计方法中,所提出的模型引入Metropolis-Hastings(MH)算法,从以往数据集中确定先验分布超参数,并通过设定与模型尺寸相关的收缩系数从而进行估计.与传统VAR模型相比,基于贝叶斯理论的估计方法可在保留相关样本信息的同时控制过度拟合,具有较好的稳健性和有效性.此外,在改进的BVAR模型基础上,结合区制转移技术与误差修正模型提出了 MS-BVECM模型,该模型能够有效分析经济周期内各变量之间长期与短期均衡状态变化,当短期内经济变量受到波动而与长期均衡状态发生偏离时,误差修正模型机制会使其逐渐重新回到长期均衡状态,以保证模型的稳健性.最后,以重庆市为例,利用所提模型对其能源消费、产业结构升级和经济增长的动态关系进行了分析与预测并提供了可行建议.
目的 针对秃鹰搜索算法(Bald Eagle Search,BES)在函数优化时存在寻优精度低,易陷入局部最优等问题,提出一种混合策略改进型秃鹰搜索算法(Hybrid Strategy Improved Bald Eagle Search,HSIBES);方法 首先利用Logistic映射策略初始化种群,使种群分布更加均匀,其次在搜索空间阶段引入莱维飞行,控制步长,改善收敛效果并跳出局部最优,最后在搜寻空间食物中使用自适应惯性权重,提高收敛速度与精度,平衡算法的局部与全局搜索能力;结果 将HSIBES算法与其他五种基准算法以及其他学者改进的算法进行对比,通过在9个测试函数上进行仿真实验,并进行Wilcoxon秩和检验验证HSIBES算法的性能,发现HSIBES的结果优于其他对比算法,与其他对比算法之间具有显著性差异;结论 实验结果表明:HSIBES算法的寻优精度,收敛速度以及稳定性都更好,算法的性能更具优越性.
目的 由于传染病的不断复杂化,一类传播过程中出现大量隐性感染人群的疾病逐渐流行,提出一种基于SEIR模型改进后的SEIR-A模型来更加准确地刻画该类疾病的传播机制.方法 在动力学模型方面,主要有以下两点改进:一是假设潜伏期人群和显性感染人群具有一致的传染因子;二是引入具有不同传染性的隐性感染人群A,且增添隐性感染者向显性感染者单向转换的常值因子ω,构建一类具有特殊隐性感染人群的SEIR-A模型.此外,将改进后的SEIR-A模型与时间卷积网络TCN模型线性结合,得到一种动力学模型和深度学习模型相互融合的混合模型.结果 通过真实数据的拟合,结果表明:SEIR-A模型可以模拟传染病的总体趋势,且能够对该疾病中现存隐性感染人群和累计恢复人群做出准确拟合,决定系数R2分别达到0.987 0和0.989 9,证明该模型合理;SEIR-A与TCN的混合模型可以实现对复杂现存显性感染人群的拟合,相较于单一的SEIR-A模型、TCN和LSTM模型,该混合模型的决定系数R2达到了 0.961 1,取得了 5种对比模型中最优的拟合精度.结论 传统动力学和深度学习的结合,可以在体现疾病传播机理的同时有效解决传统模型拟合精度不高的问题,对传染病研究具有现实意义.
目的 利用人工智能算法辅助药物设计,实现拮抗乳腺癌候选药物的分子描述符筛选、ERα回归预测、ADMET分类预测.方法 针对乳腺癌候选药物筛选问题,以化合物对抑制乳腺癌靶标的生物活性及其ADMET性质出发,基于获取的1 974种化合物数据,分别利用稀疏贝叶斯学习与随机森林算法进行两阶段筛选,得到不具备强相关性的前20个对生物活性最具显著性影响的分子描述符;随后以筛选后的数据及其PIC50值为基础建立了QSAR模型,基于灰狼优化的核极限学习机算法对新化合物的生物活性进行了预测,横向对比11种常见机器学习算法,同时利用GBDT算法构建了 ADMET分类模型.结果 GWO-KELM模型具有更高的拟合优度与更低的均方误差,而且药物性质识别的4个模型预测准确率均保持90％以上.结论 所建模型能够有效分析并预测化合物性质,为抗乳腺癌候选药物的研发提供参考.
针对基于流形正则化自表示(MRSR)的无监督特征选择算法直接从原始的样本空间构造相似矩阵可能会导致重构空间中样本的相似性描述得不够准确的问题,提出了基于自适应流形正则化自表示的无监督特征选择(AMRSR)算法.基于自适应流形正则化自表示的无监督特征选择算法在MRSR算法的基础上通过对相似矩阵施加概率最近邻约束将相似矩阵的学习嵌入到优化过程中,在重构空间中自适应地学习样本的相似性,使得在每一次迭代中获取更加精确的样本局部几何流形结构,从而选择具有代表性且保持局部几何流形结构的特征.最后,在四个公开数据集上进行了大量的对比实验,通过将算法的特征选择结果用于K-means聚类并采取两种常见的聚类评价指标:聚类精确度和归一化互信息评价聚类效果.实验结果表明,AMRSR算法与现有的一些算法相比有更高的聚类精确度和归一化互信息,进一步表明该算法特征选择效果更好.
目的 用超声波辅助法优化提取洛神花中花青素的提取工艺,并通过斑马鱼胚胎氧化应激模型进行抗氧化活性研究.方法 正交法进行提取工艺优化,斑马鱼胚胎进行氧化应激干预测试抗氧化水平.结果 洛神花花青素最佳提取工艺条件:提取温度30 ℃、超声功率300 W、料液比1∶40(g/mL)、超声时间90 min,此时得率为2.94 mg/g.体外抗氧化活性表明,5.8 mg/mL洛神花花青素对DPPH自由基清除率、ABTS自由基清除率和羟自由基清除率分别为83.15％、63.32％和74.4％.通过斑马鱼胚胎氧化应激模型进行抗氧化活性研究发现,洛神花花青素能够有效保护由AAPH诱导的斑马鱼胚胎氧化损伤,11.6 μg/mL剂量组的洛神花花青素极显著降低斑马鱼胚胎ROS的产生,抑制脂质过氧化物的生成和降低胚胎细胞死亡率,其作用效果与2.9 µg/mL VC组相近.结论 超声辅助正交优化后的工艺能提高洛神花花青素得率,比单因素最高得率提高37％;良好的体内外抗氧化活性为进一步开发洛神花提供理论基础.
为了解决低光照图像存在的对比度低、噪声大等问题,提出一种基于Retinex理论的卷积神经网络增强模型(Retinex-RANet).它包括分解网络、降噪网络和亮度调整网络3部分:在分解网络中融入残差模块(RB)和跳跃连接,通过跳跃连接将第一个卷积层提取的特征与每一个RB提取的特征融合,以确保图像特征的完整提取,从而得到更准确的反射分量和光照分量;降噪网络以U-Net网络为基础,同时加入了空洞卷积和注意力机制,空洞卷积能提取更多的图像相关信息,注意力机制可以更好地去除反射分量中噪声,还原细节;亮度调整网络由卷积层和Sigmoid层组成,用来提高光照分量的对比度;最后将降噪网络去噪后的反射分量和亮度调整网络增强后的光照分量融合,得到最终的增强结果.实验结果显示:Retinex-RANet在主观视觉上不仅提高了低光图像的亮度,还提高了色彩深度和对比度,在客观评价指标上,相较于R2RNet,PSNR值上升了 4.4％,SSIM值上升了 6.1％.结果表明:Retinex-RANet具有更好的低光图像增强效果.
肠道菌群多数定殖在消化道较远端,与宿主共享许多酶反应,是人体必不可少的组成部分,对健康有重要影响.饮食中膳食纤维、植物营养素和微营养素等为肠道菌群提供营养、调节肠道菌群多样性与丰富度,同时也在预防和治疗某些疾病中起着重要作用.研究表明膳食纤维经肠道菌群高度发酵与膨胀,主要在结肠产生短链脂肪酸,影响宿主新陈代谢和免疫系统,间接塑造肠道菌群,还参与细胞生长、肠道屏障与离子转运,并增加抗菌和宿主防御基因表达等.膳食植物营养素90％～95％经肠道菌群转化成高度生物可利用代谢物,显著改变菌群多样性,对预防高脂饮食代谢综合征有积极作用.维生素与微营养素为肠道菌群提供必需的营养,促进与致病菌竞争,调节免疫反应,改变肠道菌群与胃肠功能.肠道菌群调节各种营养素全身的状态,有益于机体健康.
针对三相交流电输电线路的故障信号分解存在误差,影响故障分类准确率的问题,为了提高故障信号分解的精细程度以及分类准确率,现基于故障电压信号提出一种改进的变分模态分解(VMD)-排列熵(PE)的故障特征提取的分类方法;通过MATLAB/Simulink搭建故障仿真模拟线路,生成故障数据集,为了得到最理想以及分解效果最好的组合,通过鲸鱼算法(WOA)优化对故障电压信号VMD的惩罚参数以及分解的个数进行求最优解组合,增加了各个分量分解的精度,采用同一变量法进行对比实验分析,分别利用VMD以及EMD对故障电压进行分解得到本征模态分量(IMF),结合排列熵(PE)对各个IMF进行计算,得到相应的特征向量,作为分类的依据,带入到高斯优化支持向量机(SVM)的决策树(DT)进行故障分类验证;通过仿真实验证明改进的VMD-PE对故障电压分解更加的具有可分辨性,同时相较于EMD-PE,识别率有很大的提升,极大程度的避免了混沌情况的发生,故障识别的准确率可高达96.7％,可以作为分解以及分类的依据.
在医学图像分割领域中,肺实质的分割对肺结节检测有着至关重要的作用,在考虑到模型参数量的情况下追求更高的精度一直是研究热点之一;为此提出了新的三层密集卷积神经网络DA-UNet,首先用密集卷积模块代替在传统U-Net使用的普通3x3卷积,利用密集卷积特征重用特点,加强了网络的特征提取能力.再者在没有太过影响分割网络精确度的前提下加以修剪,减少了上下采样次数,减少不必要的算力消耗.此外,使用了注意力门(Attention gate),加强了跳跃连接中高底层信息融合效果,并且使用空洞空间金字塔池化(Atrous spatial pyramid pooling),模型加入了不同尺度的特征信息,进一步加强图像中任务相关的区域特征,有效减小噪声干扰,提高网络分割精度.通过实验证明:三次上下采样改进模型的参数量只有传统四次上下采样的75.2％左右,但是分割效果没有太大的影响,用LUNA竞赛肺部影像数据集进行了分割验证,实验结果在测试集上的准确率达到了 0.991,而IoU则为0.961,比起传统U-Net的评价指标IoU提升了 2.9％;在泛化实验的肝脏图像中,DA-UNet的IoU稳定在0.929左右,而U-Net稳定在0.838左右.这些结果证明了改进的U-Net有更佳的分割效果.
结合量子近似优化算法求解约束优化问题是当前的研究热点之一,针对约束优化问题,提出了一种在量子近似优化算法框架中的改进方法;此方法融合了二次无约束二元优化和量子交替拟设这两种方法,同时将在目标算符中添加惩罚项,将不符合解的期望值降低和通过对问题进行求解得出问题的可行解,将混合操作限定在可行解空间内融合在一起;优点在于在求解约束优化问题时,能减小迭代次数,快速并准确地得到问题的最优解;以最小顶点覆盖问题为例,将提出的方法与几种已有的方法做比较,得出方法能减小量子近似优化算法的迭代次数,使得能够高质量和高效率的求解约束优化问题.
针对火电机组锅炉燃烧过程中预测NOx排放过程存在的非线性和时序性特点,提出一种基于核主成分分析(KPCA)和注意力机制(AM)的门控循环神经网络(GRU)氮氧化物预测模型.首先选用KPCA对模型的输入变量进行降维,消除冗余变量;其次,将筛选的变量数据作为GRU的输入,并采用网格搜索优化GRU的超参数;最后,引入AM计算权值,实现区分输入特征功能,提高NOx预测模型精度.通过某330 MW电站锅炉实际数据对AGRU预测模型仿真验证,并将AGRU模型、GRU模型和BP神经网络模型的预测结果进行对比.结果表明:基于AGRU的NO,预测模型的均方根误差和平均绝对误差较BP神经网络和GRU模型均有减少,可精准预测非线性时序燃烧过程的NOx排放.
针对特征价格模型(HPM)在面对房价与特征复杂关系时容易出现预测精度和可解释性不足的情况,提出一种基于子市场效应的贝叶斯概率模型.在改进算法设计时,首先借鉴子市场聚类思想,引入一个潜在变量表示子市场,依据位置邻近性和可替代性建立子市场标准;其次,将子市场标准和特征价格模型作为贝叶斯网络的概率依赖确定各子市场效应的范围,完成子市场划分;最后,依据房屋所属子市场的概率预测房价,且分析子市场的关键影响因素,以提升预测精度和可解释性.将模型与5个现有模型从平均绝对百分比误差、平均绝对误差和均方根误差3个方面对比;根据杭州市2019年之前的房产数据,分别测试非子市场模型与子市场模型的算法性能.实验表明:该贝叶斯模型对房地产价格预测精度优于对比模型,且具有可解释性的优点.
在碳交易背景下,针对企业单一的减排方式,提出了能源费用托管型合作模式的外包减排,并对两种减排方式进行对比分析.构建自主减排与外包减排Stackelberg博弈模型,比较分析交叉价格弹性、碳交易价格及减排投资系数对两种减排方式下企业利润和碳减排量的影响,进一步细化影响选择减排方式的因素,采用算例仿真验证模型的有效性.研究结果表明:无论哪种减排方式,企业碳减排量和利润与交叉价格弹性系数成正向变动关系;碳交易价格增长,会调动制造商减排积极性,产品的碳减排量增加,而对利润产生负效应;减排投资系数的增大,对企业减排起到负向阻碍作用;节能服务公司与制造商自主减排投资系数比影响供应链选择减排方式,当减排投资系数比小于阈值时,企业应选择能源费用托管型合作模式的外包减排,同时决策因素的变动会影响其选择减排方式的时机.
电池的荷电状态和健康状态是衡量电池续航和寿命的重要指标,为解决电池参数的时变性问题,提高电池SOC(State of Charge)估算精度,减少硬件计算量,提出一种多时间尺度在线参数辨识双扩展卡尔曼滤波联合算法.以18650三元锂电池为研究对象,采用基于二阶RC等效电路模型的多时间尺度DEKF算法,针对电池参数的慢变特性和状态的快变特性进行双时间尺度在线参数辨识和SOC估算;通过联邦城市驾驶计划(FUDS)测试验证,得出多时间尺度DEKF算法和传统离线辨识EKF算法对SOC估计的平均绝对误差分别为0.97％和2.46％,均方根误差为1.19％和2.69％,容量估计值对参考值最大误差仅为0.007 72 Ah;实验结果表明:所提出的多时间尺度DEKF算法,具有更好的鲁棒性和SOC估算精度并能实时反应SOH变化趋势.
针对经典霍夫车道线检测方法实用性较差,无法准确区分车道线和路沿与应用道路场景简单等问题,提出了一种基于消失点和颜色过滤器的车道线检测算法,不仅提高车道线检测的准确率,而且能够应用较复杂行车场景;首先,对行车视频连续五帧图像进行预处理,获取行车环境下车道线消失点位置,能够自适应选取行车环境图像的感兴趣区域(Region of Interest,ROI);然后,对ROI图像根据车道线颜色特征进行过滤得到二值图像,获取二值图像中所有连通区域质心和倾斜角等数据,通过结合消失点特征和角度阈值进行限制,筛选记录符合车道线特征连通区域的数据,接着分割较大区域获取更多质心点,识别漏检符合车道线特征的区域质心点;最后,对获取的质心点使用最小二乘法进行拟合并标识车道线;实验结果表明:算法能够在多场景道路上快速准确的检测出车道线,与经典霍夫算法进行仿真比较,算法具有一定的鲁棒性和实时性.
目的 针对磁悬浮球系统非线性不稳定和滞后性的问题,提出一种基于粒子群优化的自适应灰色预测PID(Proportion Integration Differentiation)复合控制策略.方法 通过在PID控制模块的反馈环中引入具有等维新息特征的灰色预测器,对系统误差进行及时反馈修正,以提高控制系统的响应速度和鲁棒性;同时,融合粒子群智能算法对控制器参数迭代优化,以提高控制系统控制精度和抗干扰能力;最后,在MATLAB/Simulink环境下搭建仿真平台进行对比实验.结果 验证基于粒子群优化的自适应灰预测控制系统模型的超调量、峰值时间、调节时间显著改善.结论 证实该策略可以有效抑制系统滞后性,具有良好的稳定性和鲁棒性.
针对高维数据的建模分析问题,提出一种基于弹性网络法和复合分位数回归相结合的稳健估计方法.在该估计方法中,所提出的模型能够有效进行变量选择与系数压缩,并处理数据间的多重共线性与群组效应问题,在大数据时代下具有较广的适应性.同时,与已有的惩罚最小二乘估计和惩罚分位数回归估计相比,该估计方法不仅放宽了对模型误差项的分布要求,而且综合考虑了多个分位点的损失,在面对离群值或呈现尖峰、厚尾分布数据时能够保持更强的稳健性和抗干扰性.在一定条件下,对所构建模型估计的相合性与稀疏性进行了理论分析,结果表明:所提出的模型能够将不相关的变量完全压缩至零,且估计量和真实系数以趋于1的概率相同.此外,在数值模拟方面,设置了 5种误差项分布条件,根据设定的4项指标,通过与其他惩罚函数模型以及损失函数模型进行比较,结果表明新提出的方法具备更好的稳健性与有效性.
