多推荐策略下充电网络鲁棒性分析及关键节点识别

针对电动汽车充电网络可能因局部超载或故障而形成级联失效的问题,提出了一种基于多推荐策略的电动汽车充电网络鲁棒性分析方法。其采用Space-L方法构建充电网络拓扑结构,并引入负载-容量级联失效模型,基于距离、快充桩数量、用户偏好、价格和总评分等推荐策略,评估了不同推荐策略下充电网络的动态响应。仿真结果表明,在特定节点失效比下,不同推荐策略均导致了最大连通子图相对大小的突变,经过识别触发突变的失效节点所对应充电站的经纬度,即可识别充电网络中的关键节点,验证了本文所提方法的正确性。

基于邻域K-shell分布的关键节点识别方法

复杂网络中关键节点的精准识别对于网络结构稳定和信息传播起着至关重要的作用。传统K-shell方法仅通过节点在网络中所处位置对节点的重要性进行评估,导致区分度不高。基于此,综合考虑了节点的全局信息和局部信息对节点重要性的影响,提出一种基于邻域K-shell分布的关键节点识别方法。该方法通过节点邻域Ks值定义节点的熵,从而反映邻居节点的K-shell分布特征。通过11个网络数据集上的仿真实验,验证了所提方法能够更准确地识别并区分复杂网络中的关键节点。

大跨度公铁合建斜拉桥钢混板-桁组合梁关键节点空间受力特性

针对大跨度公铁合建斜拉桥—主跨808 m洪奇沥特大桥新型钢混板-桁组合梁的关键节点—辅助墩顶钢混节点,采用ANSYS软件建立钢桁-混凝土板组合梁部分节段细化的全桥多尺度有限元模型,分析边跨组合梁节点在受力最不利工况下的受力规律及传力特性,并讨论下弦杆等杆件截面等结构参数变化对节点受力、传力的影响规律。结果表明:最不利组合工况下,边跨组合梁辅助墩顶钢混节点处钢结构最不利Mises应力为265.9 MPa,混凝土局部最大名义拉应力为9.2 MPa,导致局部开裂而受力转移至钢结构;在辅助墩顶局部负弯矩影响下,内外节点板处应力总体呈“倒V”形分布,混凝土顶面及底面分别呈“鞍形”及“倒鞍”形分布;节点处下弦杆(含管内混凝土)、竖杆分别传递77.86%和40.15%荷载,为纵向、竖向主要传力构件;混凝土桥面厚度变化对自身应力影响明显,其厚度和下弦杆截面面积对纵向传力比影响大,竖杆截面面积对自身竖向传力影响相对明显;混凝土厚度及下弦杆、斜腹杆、竖杆截面为节点受力、传力的主要影响因素,其系数在0.8~1.1时,组合梁关键节点各构件应力及传力比均较为合理。

关键节点追踪干预对唐筛临界、高风险孕妇实施进一步检测依从性的影响

目的:探讨关键节点追踪干预对唐氏综合征血清学筛查临界、高风险孕妇出生缺陷二级预防措施实施依从性和对产前门诊服务质量满意度的影响。方法:采用便利抽样历史对照的方法,将某医院2020年1月至2020年12月接受检测的173例孕妇设为对照组,将2021年1月至2021年12月接受检测的165例孕妇设为干预组。对照组孕妇接受常规管理方法,干预组接受关键节点追踪干预方法。比较两组孕妇实施产前筛查与诊断技术依从性情况和对产前门诊服务质量满意度情况。结果:两组孕妇检测依从性比较,干预组的临界、高风险孕妇检测实施依从性均高于对照组(χ^(2)=14.449,P<0.001;χ^(2)=4.696,P<0.05);干预组对产前门诊服务质量的满意度高于对照组(χ^(2)=12.736,P<0.05)。结论:关键节点追踪干预可以有效提高唐氏综合征血清学筛查临界、高风险孕妇进一步检测实施依从性和提高孕妇对产前门诊服务质量的满意度。

基于多查询的社交网络关键节点挖掘算法

关键节点挖掘是复杂网络领域的研究重点和热点。针对社交网络中关键嫌疑人挖掘问题,提出基于多查询的社交网络关键节点挖掘算法。该算法将已知嫌疑人作为查询节点,提取其所在的局部拓扑结构,并计算局部拓扑结构中非查询节点的关键程度,从中选择关键程度较高的节点进行推荐。针对现有方法中关键节点计算复杂度高、已知查询节点信息难以有效利用的问题,提出一个两阶段的基于多查询的社交网络关键节点挖掘算法,整合多查询节点的局部拓扑信息和全局节点聚合特征信息,将计算范围从全局缩减到局部,进而对相关节点的关键程度进行量化。具体而言,利用带重启策略的随机游走算法获得多个查询节点的局部拓扑结构;为了得到节点的嵌入向量,基于graphsage模型构建一种无监督的图神经网络模型,该模型结合节点的自身特征和邻居聚合特征来生成嵌入向量,从而为算法框架的相似度计算提供信息输入。基于与查询节点特征的相似性,衡量局部拓扑中节点的关键程度。实验结果显示,所提算法在时间效率和结果有效性方面均优于传统关键节点挖掘算法。

路轨协同下地铁配送网络抗毁性分析与关键节点识别

为研究路轨(道路-轨道)协同城市配送中地铁网络的抗毁性和关键节点,支撑路轨协同下城市配送的组网模式以及配送网络的可靠性提升,首先,以相对网络效率、相对负载熵为抗毁性测度指标,基于改进的耦合映像格子(CML)模型,研究不同攻击模式下的网络抗毁性变化;其次,选取反映网络运输效率的中心性指标和反映网络承载能力的现实性指标,构建网络关键节点综合识别模型;然后,通过分析不同指标权重下的网络抗毁性水平,得到最优权重取值下的关键节点集合;最后,以成都市地铁网络为例进行实证分析,验证该模型的有效性和实用性。研究结果表明:在同等扰动强度下,地铁网络面对随机攻击时抗毁能力更强;当面临外部扰动时,相对网络效率与相对负载熵损失在20%以上的节点占比分别为6.3%与6.8%,其中相对网络效率损失最大可达56.3%,相对负载熵损失最大可达50.2%;同时,考虑现实性指标与中心性指标,平均每个关键节点造成的相对网络效率损失与相对负载熵最大损失分别为8.99%与4.38%,需予以重点关注。

中国校外教育培训制度变迁的关键节点

关键节点对中国校外教育培训制度变迁意义重大。新中国成立以来,校外教育培训制度变迁大致经历了四个关键节点的不同逻辑阶段:1977—1991年遵循合法逻辑的萌芽发展期;1992—2001年遵循市场逻辑的稳定发展期;2002—2020年遵循经济逻辑的高速发展期;2021年至今遵循社会逻辑的转型发展期。不同关键节点下校外教育培训制度变迁的主要逻辑发生了重大变化,但都较好地解决了所在历史时期的主要矛盾和问题。未来中国校外教育培训制度的变迁要坚守社会公共利益取向,提高利益相关主体参与制度变迁过程的程度,满足学生补充型与个性化发展培训需要,不断推进校外教育培训的高质量发展。

基于层级划分和节点特征的关键节点识别方法

关键节点识别已经成为复杂网络领域的一个重要研究范畴,但目前关键节点识别方法存在时间复杂度较高、得到的关键节点集不够准确以及节点中心性指标考虑不够充分等问题。基于此,提出一种基于层级划分和节点特征的关键节点识别框架,在该框架内,为避免选取节点初始覆盖集时效率低下的问题,提出一种基于层级划分的关键节点初始覆盖集选取方法,该方法可在线性时间内计算出初始节点覆盖集,随后通过节点中心性指标向原网络中回添节点,直到解集中的节点数满足预定义阈值数。为解决回添节点过程中易陷于局部最优解的问题,综合考虑网络拓扑结构和节点的多种属性,提出一种节点综合特征的中心性指标。对比5种初始覆盖集选取算法以及5个中心性指标,在真实网络上进行方法的应用和分析,结果表明,所提基于层级划分和节点特征的方法能够在不同类型的网络中更准确有效地识别关键节点,且该方法的鲁棒性更好,性能也优于其他方法。

基于复杂网络的复杂产品系统关键节点辨识

复杂产品系统具有规模大、结构复杂等特点,从系统结构的视角辨识复杂产品系统关键节点,对于“事前”定位潜在风险源具有重要意义。针对目前“事后”追溯风险源难以保证复杂产品系统可靠运行及风险管理前瞻性等问题,考虑复杂产品系统的层级结构和子系统间风险的相互影响,提出了一种可用于“事前”风险管理的关键节点辨识方法。首先依据系统结构建立复杂网络;然后,构造零模型并结合网络统计特征初步划分节点集合,在此基础上引入线性阈值模型分析节点风险传播影响力,并基于风险的动态传播特征选取关键节点;最后,采用新舟700飞机的系统结构进行实证分析。结果表明,提出的方法有效地辨识了复杂产品系统的关键节点。

自然灾害下的山区道路网络关键节点识别与抗毁性分析

为预防自然灾害对山区道路节点结构和性能造成影响,对山区道路网络进行关键节点识别与抗毁性分析。考虑山区道路特性,将道路坡度比和道路等级纳入到关键节点识别因素中,提出考虑山区特性的L空间下山区道路无向加权网络构建方法,改进原有引力模型,考虑度中心值、介数中心值、节点核心位置和特征向量中心值的综合评估法,以网络最大连通度和全局效率作为网络抗毁性的评估指标,采用随机攻击和蓄意攻击两种策略模拟山区道路遭受灾害时的直接和间接影响。为避免灾害造成的级联失效影响,以网络节点破坏规模为评估指标,通过不同初始负载参数下关键阈值变化探究所需的最佳额外负载。选取昆明山区道路为研究对象,研究表明:改进的引力模型在山区网络关键节点评估中具有较高适用性,综合评估法提高了关键节点识别的全面性和准确度,所提出的级联失效模型能够有效界定初始负载参数的合理区间,最大限度地减少了山区网络预防灾害所需的附加负载。

基于GBDT的多时刻航班过站关键节点时间预测模型

为准确预测离港、起飞等航班过站关键节点时间,提高繁忙机场运行效率,本文提出一种基于梯度提升决策树(GBDT,gradient boosting decision tree)的多时刻航班过站关键节点时间预测模型。首先,按产生时刻划分航班信息数据项类别;其次,基于GBDT算法和Spark平台分别构建不同过站时刻的航班过站关键节点时间预测模型;最后,以实时计算方式获取和处理航班数据,实现在多个时刻对航班离港时间和起飞时间进行动态预测。实验结果表明,该模型具有良好的预测表现,并与其他算法进行对比,预测效果最优,±15 min内预测准确率达到95.6%。

基于互动达标理论的关键节点微信直播在门诊结肠镜受检者肠道准备中的应用效果

目的 观察基于互动达标理论的关键节点微信直播在门诊结肠镜受检者肠道准备中的应用效果。方法 选取杭州市第一人民医院2021年8月至2023年8月收治的106例门诊肠镜检查受试者,按随机数字表法将其分为对照组和研究组,每组53例。对照组进行常规健康宣教,观察组实施基于互动达标理论的关键节点微信直播进行健康宣教。比较两组左侧结肠、右侧结肠、横结肠的Boston肠道准备量表(BBPS)评分,肠道准备合格率、盲肠插管率、肠道准备满意度及不良反应。结果 两组右侧结肠、横结肠BBPS评分比较,差异无统计学意义(P>0.05)。研究组左侧结肠BBPS评分、BBPS总分及肠道准备合格率高于对照组(P<0.05)。研究组盲肠插管率、肠道准备满意度高于对照组(P<0.05)。研究组不良反应总发生率低于对照组(P<0.05)。结论 基于互动达标理论的关键节点微信直播能提高结肠镜受检者的肠道准备质量、盲肠插管率、肠道准备满意度,减少不良反应。

机场场面关键节点风险评估方法

为评估机场场面关键节点风险等级,提出了一种场面关键节点风险评估方法。结合复杂网络指标提取场面关键节点构建网络模型,从时间和空间两个角度选取风险评估指标,构建场面关键节点风险评估模型,探究时间和空间因素对于机场场面冲突热点的影响,对冲突热点区域进行风险等级划分,找出关键冲突热点区域。以深圳宝安机场为例,基于AirTop仿真数据对机场关键节点进行风险评估,结果表明,考虑时空分布特征对机场场面进行风险等级划分,可以更有效更准确地识别热点区域,为机场场面运行安全提供参考。

跨社交媒体舆情关键节点识别方法及其实证研究

[目的/意义]结合超网络理论识别跨社交媒体舆情传播中的关键节点,对相关部门监管网络舆情、保障网络信息安全具有实践意义。[方法/过程]研究工作选取特定的网络舆情事件,利用跨社交媒体同一用户算法识别出参与跨社交媒体舆情传播的信息用户。以超网络理论为理论基础,对跨社交媒体舆情传播中的各子网进行建模,融合自然语言处理、主题挖掘、情感分析等方法,挖掘跨社交媒体舆情传播过程中的关键节点。[结果/结论]研究发现,本研究提出的跨社交媒体舆情关键节点识别方法,能够从不同视角识别与解读跨社交媒体舆情传播过程中的关键节点,从而更好地描述跨社交媒体舆情的传播过程与特点,为跨社交媒体舆情传播的研究提供了新的研究方法与思路。

基于K-shell的城际轨道网络关键节点识别研究

针对城际轨道交通网络中关键节点较难识别的问题,对网络节点分析方法进行研究.基于K-shell分层法,结合邻居节点的影响以及动静态网络指标,建立了关键节点识别的Ks^(+)法.该模型综合考虑节点度、节点最短路径等静态物理指标与枢纽客流量、运营强度等动态运营指标,计算节点的综合评价值.通过K-shell分层算法评估节点的全局核心位置,结合邻居节点的影响力评估节点的局部重要性,最终计算节点k_(s)^(+)值以衡量其在网络中的影响力.利用传染病(Susceptible-Infectious-Recvered,SIR)模型与长三角轨道网络数据为实例,检测了算法的有效性.研究结果表明:识别出的关键节点与城市影响力基本一致,如前4个节点均是长三角地区的直辖市节点和省会城市节点;准确识别了网络中的核心节点与非核心节点,并将线路更重要、客流更多的核心节点排在前列;Ks^(+)识别出的关键节点在SIR仿真中传播速率较其他算法快1~3次迭代,客流损失峰值增加7%.

考虑局部特征的无人机集群关键节点识别方法

针对无人机集群关键节点识别方法注重网络全局,忽略节点与其局部特征之间关联性的问题,提出一种考虑局部特征的无人机集群关键节点识别方法。基于复杂网络理论构建无人机集群网络模型;引入拉普拉斯能量评估两跳范围内节点的重要程度,结合信息熵评估特定模体中节点的重要程度,以综合识别关键节点。结果表明:该方法识别的关键节点表现出较好的区分度,验证了其有效性,相比对比方法,在连续失效下抗毁性下降趋势显著,验证了其准确性。

基于TOPSIS的配电网结构优化及关键节点线路识别

为获取较优的配电网拓扑结构并识别网络关键节点和线路,提出一种综合多属性的配电网结构优化和关键节点线路识别方法。首先利用支路交换法获取多个配电网拓扑图,然后基于复杂网络理论构造抗毁性指标,接着采用改进的TOPSIS法找出最优网络,最后构造重要性指标识别关键节点和线路。以IEEE33和PG&E69节点系统为例,对网络做随机攻击,验证优化后的配电网具有更强的抗攻击能力;对配电网采取随机攻击和蓄意攻击,结果表明,在蓄意攻击中,网络的各项指标下降更加显著,证明本方法能够有效识别出关键节点和线路。

基于贝叶斯优化集成学习的WSN关键节点识别

在无线传感器网络中,关键节点检测用于识别和维护网络中对数据传输和网络稳定性最为关键的节点是一个热点问题。通过贝叶斯优化算法优化模型的超参数,提出一种基于集成学习的关键节点识别模型,利用不同网络规模的数据集生成关键节点标签确保超参数最优性,进而提高模型整体性能。在特征提取阶段,设计提取了7个特征,以提高模型识别的准确度。两组仿真实验证明,与其他五种常用关键节点检测算法相比,该模型在网络结构和节点能耗两方面均显示出明显优势。

基于关键节点识别算法的重点人分析

关键节点识别算法是社交网络研究领域的重要分支,但现有研究成果大多对数据的多样性、完整性、可用性等依赖程度高,导致在公安机关重点人分析场景中适用性较低。因此,对静态网络拓扑结构进行量化表示,同时结合局部最优算法和全局最优算法重新定义关系度指标,再基于该指标构建特征矩阵,提出适用于公安部门重点人分析的特征向量中心性(REC)算法。依托公开数据集、2部影视剧人物关系网络、境外社交平台账号网络和国内某诈骗团伙5个数据集,从网络传播能力、抗打击弹性和重点人分析结果一致性3个维度证实所提算法的有效性,相较于其他传统挖掘算法能准确识别社交网络重要节点,具有较为广泛的应用场景。

一种基于相对熵与邻居影响聚类的复杂网络关键节点识别新算法

为解决许多关键节点识别算法在评估网络节点重要性时,忽视节点与其邻居节点间的相互关系,导致对网络鲁棒性和脆弱性的评估结果不准确的问题,提出一种改良的局部加权密度度量方式CPR-WCCN,旨在以较低的计算成本准确识别复杂网络中的关键节点.首先,借助节点间的最短路径长度和数量,定义节点间的通信概率序列.其次,通过结合通信概率和相对熵(Communication Probability and Relative Entropy,CPR),将传统的二元邻接矩阵转化为网络归一化相关矩阵.再次,结合加权聚类系数和邻居节点的影响(Weighted Clustering Coefficients and Neighbor Influence,WCCN),得到改进的考虑邻居影响的局部加权密度.最后,为验证CPRWCCN算法的效果,在故意攻击和随机攻击下进行模拟实验,利用传播模型在4种实际网络上对CPR-WCCN与其他5种算法进行对比分析.实验结果表明:当网络遭受故意攻击,导致前15个关键节点失效时,网络的连通性、效率、最大连接子图以及自然连通性等关键指标较随机攻击出现了更显著的下降;相较于其他5种算法,CPR-WCCN算法表现出最优的整体性能,能够准确且高效地识别出网络中的关键节点.