基于对抗策略类别特定的多样性时间序列shapelets提取

在时间序列分类任务中,通过提取时间序列的shapelets进行分类的方法因分类准确率高且具有良好的可解释性而受到广泛关注。针对现有方法学习到的shapelets是所有类共享,可以区分大多数类但不能准确地区分某一类和其他类,以及使用对抗策略的模型生成的shapelets存在多样性不足等问题,提出了一种基于对抗策略类别特定的多样性时间序列shapelets提取方法。该方法将类别信息嵌入时间序列,采用多生成器模块对抗地生成多个有差别的类别特定shapelets,再通过施加差异约束来提高shapelets的多样性,最后使用shapelet转换得到的特征对时间序列进行分类。在36个时间序列数据集上与5种基于shapelets的算法和11种先进的分类算法进行实验对比,实验结果表明,所提方法分别在36个数据集中的26个和20个数据集上取得了最优结果,且均取得了最高的平均秩,平均分类准确率相比其他方法最少提高了2.4%,最多提高了17.8%。消融性分析以及可视化分析验证了多样性和类别特定的思路在时间序列分类上的有效性。

基于符号表示的可度量shapelets提取的时序分类研究

在时序分类问题中,基于符号表示的shapelets提取方法具有良好的分类精度和分类效率,但对符号进行质量度量的过程,如计算TFIDF分数,耗时较长且计算量大,导致分类效率较低。此外,提取的shapelets候选数量仍然较多,判别力有待提高。针对这些问题,本文提出了一种基于符号表示的可度量shapelets提取方法,该方法包含时间序列数据预处理、确定shapelets候选集和学习shapelets 3个阶段,可以快速得到高质量shapelets。在数据预处理阶段,将时间序列转化为符号聚合近似(SAX)表示以降低原始时间序列的维度。在确定shapelets候选集阶段,利用Bloom过滤器过滤重复的SAX词,并将过滤后的SAX词存储在哈希表中进行质量度量。随后,对SAX词的相似性进行判别,基于相似性和覆盖度等概念确定最终的shapelets候选集。在学习shapelets阶段,采用logistic回归模型学得真正的shapelets用于时序分类。在32个数据集上进行了大量实验,实验结果表明,所提方法的平均分类精度和平均分类效率均排名第二。与现有的基于shapelets的时序分类方法相比,该方法可以在保证精度的同时提高分类效率,并且具有良好的可解释性。

基于u-shapelets聚类的刀具剩余寿命预测方法

针对不同刀具的性能衰退规律呈现出多种趋势,单一固定的全局模型难以对不同性能衰退规律的刀具进行准确剩余寿命预测的问题,提出一种基于u-shapelets聚类与长短时记忆网络(LSTM)模型相结合的刀具剩余寿命预测方法。首先,对刀具加工过程监控信号提取u-shapelets集合,并计算各u-shapelet与时间序列的距离得到距离矩阵;其次,通过基于密度聚类方法对距离矩阵进行聚类,得到聚类结果;最后,根据聚类结果基于各类别数据分别训练长短时记忆网络模型进行刀具剩余寿命的预测。以轮槽铣刀加工过程监控数据进行验证,并与Kmeans聚类、谱聚类、层次聚类、DBSCAN聚类方法进行比较,验证了所提方法的有效性。

基于逻辑shapelets转换的时间序列分类算法

时间序列shapelets是序列之中最具有辨别性的子序列.解决时间序列分类问题的有效途径之一是通过shapelets转换技术,将其发现与分类器的构建相分离,其主要优点是优化了shapelets的选择过程并能够灵活应用不同的分类策略.但此方法也存在不足,仅仅简单地应用这些shapelets而忽略它们之间的逻辑组合关系,有可能降低分类的效果;另外,离线式的发现shapelets的过程是相当耗时的.文中针对后一个问题,采用了一种基于智能缓存的计算重用技术,将发现shapelets的时间复杂度降低了一个数量级.在此基础上,作者提出了一种基于合取或析取的逻辑shapelets转换方法,并通过在多个经典的基准数据集上测试,表明了该方法能够在提升分类准确性的同时保持shapelets所具有的解释力.

一种基于Shapelets的懒惰式时间序列分类算法

近些年,时间序列分类问题研究受到了越来越多的关注.基于shapelets的时间序列分类技术是一种有效的方法.然而,其在提取最优shapelet的过程中要建立包含大量冗余元素的候选shapelets集合,一般所获得的shapelets只在平均意义上具有某种鉴别性;与此同时,普通模型往往忽略了待分类实例所具有的局部特征.为此,我们提出了一种依据待分类实例显著局部特征的懒惰式分类模型.这种模型为每个待分类实例构建各自的数据驱动的懒惰式shapelets分类模型,从而逐步缩小了与其分类相关的时间序列搜索空间,使得所获得的shapelets能够直接反映待分类实例的显著局部特征.实验结果表明该文提出的模型具有较高的准确率和更强的可解释性.

基于改进型shapelets算法的动车组轴箱轴承故障诊断方法研究

现存的两种分别基于信号处理技术和大数据处理技术的滚动轴承故障诊断方法,存在着过度依赖信号处理、模型复杂、可解释性弱等特点。针对传统故障诊断技术的不足,本文将基于shapelets学习算法的时间序列分类方法引入故障诊断领域,通过动车组轮对台架滚振实验建立了动车组轴箱轴承故障的非平衡数据集,并基于Dropout思想对诊断模型进行了改进。实验结果表明,该方法在保证故障诊断精确度的同时,保留了shapelets作为"最具代表性的时间序列子序列"的强可解释性。同时,基于Dropout的模型改进提升了模型的泛化性能,在轴承故障数据的训练集和测试集上都取得了100%的诊断精度,证明了基于shapelets的改进学习算法是一种可行的应用于动车组轴箱轴承故障诊断的方法。

基于多样化top-k shapelets转换的时间序列分类方法

针对基于shapelets转换的时间序列分类方法中候选shapelets存在较大相似性的问题,提出一种基于多样化top-k shapelets转换的分类方法 Div Top KShapelet。该方法采用多样化top-k查询技术,去除相似shapelets,并筛选出最具代表性的k个shapelets集合,最后以最优shapelets集合为特征对数据集进行转换,达到提高分类准确率及时间效率的目的。实验结果表明,Div Top KShapelet分类方法不仅比传统分类方法具有更高的准确率,而且与使用聚类筛选的方法(Cluster Shapelet)和shapelets覆盖的方法(Shapelet Selection)相比,分类准确率最多提高了48.43%和32.61%;同时在所有15个数据集上均有计算效率的提升,最少加速了1.09倍,最高可达到287.8倍。

一种使用shapelets的增量式时间序列分类

根据时间序列数据维度高、实值有序、数据间存在自相关性等特点,对时间序列分类过程进行研究。研究了当前比较流行的时间序列分类方法;从图像处理的角度出发,提出了一种将图片信息转化为时间序列数据的ITTS方法。shapelets作为最能够表示一条时间序列的子序列,随着时间的推移,这个特征序列可能会动态地发生变化。基于这样的思想,提出了一种基于动态发现shapelets的增量式时间序列分类算法IPST。该算法能够较好地动态发现当前最优的k个shapelets,从而提高时间序列分类的准确度。得到的shapelets集合还可以与多个传统的分类器结合,从而获得更佳的分类效果。

基于相似性连接的时间序列Shapelets提取

在时间序列分类问题中,以Shapelets特征为基础的分类算法具有很高的分类准确率和良好的可解释性,因此,高辨别能力Shapelets的提取已成为时间序列研究领域重要的研究热点之一.对于Shapelets提取的研究已取得了很多优秀的成果,但仍存在一些问题,主要是由于通过遍历所有子序列来获取Shapelets的方式非常耗时.尽管可以采取剪枝策略优化该过程,但往往会损失分类准确率.为此,提出一种基于相似性连接的Shapelets提取方法,该方法舍弃逐一判断子序列分类能力的策略,而是以子序列为单位,通过相似性连接的思想构建时序数据间的相似性向量.对于不同类别的时序数据,计算每一对时序数据间的差异向量,进而得到表示时序数据集中不同类别间差异的候选矩阵,然后根据候选矩阵的数值差异,快速筛选出具有高分类能力的Shapelets集合.在真实数据集上的大量实验表明:相比于现有的Shapelets提取方法,这种相似性连接方法所得到的Shapelets在分类任务中不仅具有很好的时间效率,而且能保证高分类准确率.

华北局地大暴雨过程中多个β中尺度对流系统发生发展对比分析

利用常规地面高空观测、多普勒雷达、风廓线、VDRAS(Variational Doppler Radar Analysis System)和NCEP再分析资料,对2018年8月5—6日副热带高压(以下简称副高)控制下华北一次局地大暴雨过程中多个β中尺度对流系统触发和发展机制进行了分析。结果表明:这次大暴雨发生在副高控制下,处于高温、高湿气团中,大气层结极不稳定。暴雨由多个相继发展的中尺度对流系统造成,分别是太行山迎风坡上西南—东北向、华北平原地区保定一带南北向、保定至霸州附近西南—东北向和以雄安新区为中心东西向原地生消的准静止MCS-Ⅰ、MCS-Ⅱ、MCS-Ⅲ和MCS-Ⅳ,均属于β中尺度。在相似的环境中,不同中尺度对流系统触发机制有较大差异,太行山迎风坡上的MCS-Ⅰ是由近地层偏东暖湿气流在迎风坡与山风形成的辐合抬升触发;由辐射差异和前期强降水形成的局地冷池受MCS-Ⅰ影响再次加强后,其出流与环境风形成的两条地面辐合线分别触发了MCS-Ⅱ和MCS-Ⅲ,并组织对流沿辐合线呈带状发展;而超低空偏东风增强叠加冷池出流在地形抬升作用下促使沿山暖湿气团进一步抬升,使得原本消亡的MCS-Ⅰ再次重建。MCS-Ⅳ发展最旺盛、持续时间最长,是大暴雨中心的直接制造者,一方面MCS-Ⅱ与MCS-Ⅲ、MCS-Ⅰ与MCS-Ⅳ的两次合并过程,是MCS-Ⅳ增强、持久的重要原因;另一方面边界层偏东风急流为MCS-Ⅳ的发展提供了水汽和不稳定能量等有利条件,同时推动其左前方中尺度涡旋的发展,导致MCS-Ⅳ所在地的气旋性涡度大大增加,加强了以急流轴为中心的垂直次级环流发展,造成MCS-Ⅳ的发展维持,形成华北平原地区以雄安新区为中心的东西向大暴雨带。

压热改性对黄米淀粉多尺度结构及理化性质的影响

为研究压热改性对黄米淀粉多尺度结构和理化性质的影响,本实验借助高效阴离子交换色谱、X射线衍射以及红外光谱、扫描电镜、差示热量扫描仪、快速粘度仪等分析了黄米淀粉改性前后的多尺度结构(形态结构、晶体结构、分子链结构)及糊化特性。结果表明,经过压热改性后黄米淀粉的总淀粉含量没有差异性变化,而直链淀粉含量由7.46%上升到8.28%;与原淀粉相比,改性后黄米淀粉短链比例升高,而中长链和长链比例显著(P<0.05)下降;淀粉的重均摩尔质量、回转半径多分散指数均显著(P<0.05)上升;而Mn值却显著(P<0.05)下降;压热改性后,黄米淀粉微观结构发生较大改变,由原黄米淀粉的颗粒状变为片状,表面粗糙,存在孔状凹陷;红外和X-射线衍射结果表明,压热后的黄米淀粉与原淀粉相比无新官能团产生,但是晶体结构遭到破坏,黄米淀粉的晶体结构由A型变为非晶体构型。压热改性后黄米淀粉的热稳定性、抗剪切性和冷糊稳定性相较于原黄米淀粉更好,不易回生、老化,且压热后黄米淀粉的孔隙度更小,玻璃化转变温度范围更窄。说明压热改性对黄米淀粉的多尺度结构和糊化特性有很显著的影响,这为黄米的进一步精深加工提供了理论依据。

多尺度熵方法在机械故障诊断中的应用研究进展

机械设备状态监测与故障诊断的关键是故障特征的表征与提取,采用基于熵及相关方法建立的非线性动力学指标能够提取蕴藏在振动信号中的非线性故障特征信息。自熵方法引入以来,通过不断修改和改进来提高熵估计的准确性,多尺度熵进一步拓展了时间序列其他尺度上包含的复杂度信息,其在设备状态监测与故障诊断中得到广泛应用。本文对单一尺度熵及多尺度样本熵、多尺度模糊熵、多尺度排列熵和多尺度散布熵等多尺度熵方法在机械智能故障诊断中的应用进行综述,总结不同方法的特点优势与不足;针对多变量数据处理问题,综述由单变量推广到多变量的多元多尺度熵的应用发展过程。最后结合多尺度熵相关方法在机械智能故障诊断中面临的问题与挑战,对未来发展方向进行展望,即在工业大数据应用、故障机理、可解释性角度构建基于熵的深度学习模型。

基于阵列声波测井的井下多尺度压裂效果评价方法

为有效监测水力压裂效果、提高储层压裂效果评价精度,基于阵列声波测井资料的井下压裂效果评价方法,采用反射斯通利波提取和成像技术定量表征近井筒压裂缝,建立适用于测井观测系统的叠前深度偏移成像算法,以实现远井压裂缝的高精度成像,形成了基于阵列声波测井的井下多尺度压裂效果评价方法,并在中国西部某油田X1水平井成功应用。研究表明,基于阵列声波测井资料评价的压裂缝发育程度与压裂液注入量呈正相关关系,并且压裂缝最为发育层段与地震蚂蚁体属性图中天然裂缝发育位置一致。基于阵列声波测井的井下压裂效果评价方法的提出,对表征井周数十米范围内不同尺度压裂缝的发育情况具有重要意义,对更好地发挥水力压裂技术对能源勘探开发行业的支撑作用具有一定指导意义。

基于多尺度特征深度神经网络的不同产地山楂细粒度图像识别

中药是中医治疗疾病的主要途径,也是我国中医药事业传承与创新发展的物质基础,其真伪优劣也会直接影响中医临床的疗效,因此研究科学合理且高效的中药材质量检测方法符合当前行业热点.山楂作为中国著名的药食两用类药材,在烹饪和治疗中具有保护心血管、降低血压的作用,被广泛应用;但由于自然环境与栽培条件的不同,不同产地的山楂易被混淆从而对品质产生影响.尽管化学、生物鉴定的方法广泛而重要,但专业门槛高,耗时较长;且传统图像处理方法容易受外在环境因素干扰,可靠性差.因此亟待研究快速准确的方法以实现山楂产地的精准鉴别;受CoAtNet与Swin-Transformer网络启发,本文结合MBConv模块中深度可分离卷积网络对局部信息建模的特点与Swin Transformer模块多层次结构可弥补网络非局部性损失的特性,提出一种多尺度特征的混合神经网络模型,通过获取图像不同层级特征,将获取的形状、颜色与纹理等浅层特征作为先验知识与高层级语义信息进行特征融合,研究了一种快速有效的识别方法以实现对不同产地山楂的有效鉴别;此外,本文提出一种新的局部空间注意力机制,通过形成通道注意力模块联合空间注意力模块的新结构,实现对图像细粒度特征的聚焦与学习.实验结果表明,本文所提出的方法有最高的鉴别准确率为89.306%,优于其他基线模型.实践证明,本文的研究提高中药材鉴别的科技水平,拓宽传统中医药的研究思路.

森林植被不同尺度的碳水过程及耦合机制研究进展

[目的]陆地生态系统中的碳循环和水循环是陆地生态系统物质和能量循环的核心,也是连接地圈、生物圈和大气层的纽带。森林植被是陆地生态系统的重要组成部分,是表征陆地碳-水循环的重要变量,在维持生物圈和大气圈的动态平衡中发挥着重要作用。目前,对陆地生态系统中碳-水循环的耦合关系和机制缺乏系统的分析和总结。[方法]从森林植被碳与水过程及其相互作用、植被水分利用和耦合机制的角度,综述了森林植被碳与水循环过程及其相互作用的研究与进展,以及不同空间尺度(叶片到区域/全球尺度)碳-水耦合的定义、方法、进展和展望。[结果]新兴的技术和方法实现了不同尺度碳水过程的高频观测,WUE等耦合指标体系推动了碳水耦合机制的研究和发展。[结论]通过系统阐述植被碳水耦合关系的多尺度整合和碳水耦合机理,为系统认识森林碳水耦合机理和水资源管理提供了理论基础,对未来植被经营管理决策具有重要的科学支撑意义。

地震叠后和叠前混合驱动下的页岩油储层多尺度裂缝预测方法

不同尺度、不同类型的天然裂缝的系统性表征有利于识别优质储层、改进开发效果.建立可靠的多尺度裂缝模型是提高页岩油储层钻遇率的重要依据,其关键在于精细预测小尺度裂缝的空间分布,指导钻井钻进和压裂过程.然而,基于地震属性的传统裂缝预测方法只能各自突出单一尺度的断裂,不同裂缝属性的数学独立性给综合裂缝系统的识别带来严峻挑战.我们提出一套改进的全尺度裂缝系统评估方案,其关键在于通过优化的各向异性蚁群裂缝识别算法确定小尺度裂缝的发育概率,将小尺度裂缝的发育概率与传统蚂蚁追踪产生的大尺度断层的概率进行融合,得到的综合裂缝系统可以实现全尺度裂缝的感知.详细的属性分析过程表明,方位各向异性能够精确描述微观裂缝特征.基于此,我们将各向异性分析得到的裂缝密度和裂缝走向融入蚁群追踪裂缝的各个阶段,在提高裂缝密集区搜索强度的同时,还对小断距裂缝的发育方向实现了精准刻画.针对页岩油藏的应用案例证明,根据改进方案得到的全尺度裂缝系统能够同时表征大尺度断层、小裂缝和裂缝破碎带的分布情况.研究区的成像测井结果进一步验证了小尺度裂缝预测发育方向的准确性及可靠性,能够为页岩油水平井开发部署提供理论指导.

一种时频尺度下的多元短期电力负荷组合预测方法

随机因素的增加导致电力负荷数据成分日渐复杂,使短期负荷预测的难度逐渐增大。针对该问题,提出一种时频尺度下的时间卷积网络与多元线性回归相融合的组合预测模型。利用自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)在时频域上将负荷数据分解为若干个频率特征不同的本征模态分量,在模糊熵准则下聚类为随机项和趋势项。采用皮尔逊系数从诸多影响因素中筛选出与电力负荷高度相关的特征,鉴于小时间尺度分析更易于挖掘局部细节特征,分别构建了随机项与趋势项的细颗粒度特征集。利用具有强非线性处理能力的时间卷积网络(temporal convolutional network,TCN)去预测随机项,利用结构简单及线性拟合效果好的多元线性回归(multiplelinearregression,MLR)去预测趋势项,将二者的预测结果进行叠加重构后获得最终预测值。在新加坡和比利时两组数据集上的实验结果证明:所提模型具有较高的预测精度、较好的泛化性能及鲁棒性。

多尺度聚丙烯纤维混凝土弯曲疲劳寿命试验及数值模拟

为研究多尺度聚丙烯纤维混凝土的弯曲疲劳性能,开展基准混凝土、聚丙烯粗纤维混凝土及多尺度聚丙烯纤维混凝土的静载试验及不同应力水平(0.75、0.80、0.85)下的弯曲疲劳试验,建立弯曲疲劳寿命方程,并结合ABAQUS与FE-SAFE软件建立纤维混凝土梁的三点弯曲疲劳有限元模型。结果表明:聚丙烯纤维的掺入,尤其是多尺度聚丙烯纤维混掺显著增强了混凝土基体的抗折、抗疲劳性能。双对数lgS-lgN疲劳方程能够较好地描述多尺度聚丙烯纤维混凝土的应力水平与疲劳寿命的相关性,使用lgS-lgN疲劳方程计算得到200万次循环荷载作用下多尺度聚丙烯纤维混凝土的疲劳强度最高,为3.91 MPa。三组试件疲劳寿命的数值模型预测值均介于实测疲劳寿命的最大值与最小值之间,并接近于疲劳寿命平均值,该模型为多尺度聚丙烯纤维混凝土的疲劳寿命预测提供了理论依据。

煤孔裂隙多尺度表征及其对渗透率的影响分析——以中国14个大型煤炭基地为例

为探究煤体不同尺度孔裂隙特征及其对渗透率的影响,从我国14个大型煤炭基地分别取样,进行氮气吸附、压汞和CT实验,并将CT扫描后的煤样进行渗流实验。结果表明,各煤样中微孔和过渡孔多为封闭孔,连通性差,不利于渗流的进行。r=10 nm和r=100μm的孔裂隙体积占比相对较大,贡献了煤体大部分孔隙率,S2和S3中的大尺度平行板孔隙为渗流提供了充足的空间。通过划分3种实验表征的优势孔径段,提出了综合表征孔隙率和分形维数的方法,得到各煤样的孔隙率范围为1.62%~11.60%,分形维数范围为2.29~2.78。煤样渗透率在0.0002×10^(-15)~0.6525×10^(-15)m^(2)之间,以中低渗为主。r<50 nm、50 nm≤r≤8.5μm和r>8.5μm的孔隙率分量与渗透率的关系分别为y=0.2741x-0.0781、y=0.0674x+0.0237和y=0.0039x^(2.5986),其中r>8.5μm的孔隙率分量与渗透率的相关性最强。相对于氮气吸附和压汞实验,CT实验更适用于分析孔裂隙结构对水渗的影响。

一种基于多尺度的目标检测锚点构造方法

目标检测是计算机视觉领域的研究热点和基础任务,其中基于锚点(Anchor)的目标检测已在众多领域得到广泛应用。当前锚点选取方法主要面临两个问题:基于特定数据集的先验取值尺寸固定、面对不同场景泛化能力弱。计算锚框的无监督K-means算法,受初始值影响较大,对目标尺寸较单一的数据集聚类产生的锚点差异较小,无法充分体现网络多尺度输出的特点。针对上述问题,本文提出一种基于多尺度的目标检测锚点构造方法(multi-scale-anchor,MSA),将聚类产生的锚点根据数据集本身的特性进行尺度的缩放和拉伸,优化的锚点即保留原数据集的特点也体现了模型多尺度的优势。另外,本方法应用在训练的预处理阶段,不增加模型推理时间。最后,选取单阶段主流算法YOLO(You Only Look Once),在多个不同场景的红外或工业场景数据集上进行丰富的实验。结果表明,多尺度锚点优化方法MSA能显著提高小样本场景的检测精度。