面向智能航道巡检的水面目标检测算法

为解决多场景复杂内河背景下水面目标检测存在环境噪声大、水面目标分布情况繁杂、特征微小模糊等问题,提出一种融合多尺度特征和注意力机制,增强类激活映射的水面目标检测算法,称UltraWS水面目标检测算法。在典型检测网络上设计空间注意力模块与多头策略,融合多尺度特征,提高对微小目标的检测能力。其次,提出UltraLU模块增强类激活映射,减小环境因素与分布因素对检测目标的影响。最后,设计对模型进行Tucker张量分解,实现模型轻量化,增强模型的可解释性与推理速度。实验结果表明,所提出的UltraWS算法提高了对背景噪声的抗干扰能力,更好捕捉微小目标,满足边缘化部署的检测速度和准确率均衡性需求。在WSODD数据集上,算法的mAP值取得了最高的84.5%,相较于其他主流方法存在较大提升。基于提出的算法建立航道安全巡检体系与评估方法,有利于推动内河智慧航运的发展。

基于N-gram剪枝技术的隐患文本自动评估模型

为了自动分析海上钻井平台隐患文本中蕴含的隐患响应程度信息,量化隐患严重程度,提出一种基于N-gram词袋向量的隐患响应等级量化评估模型。首先针对1565条钻井平台的现场隐患记录进行分词与过滤处理;其次再以N-gram作为特征单元重塑词袋维度;然后提出使用逆TF-IDF值来强化特征值;最后,使用朴素贝叶斯构建隐患量化模型。结果表明:使用该方法的隐患量化评估模型具有较高的精确率、召回率及F1值。

新质生产力视域下“发展经济学”课程思政的新实现

新质生产力理论不仅为新发展阶段的高质量发展实践提供了科学指引,也为“发展经济学”的理论创新开辟了道路。将新质生产力理论融入“发展经济学”课程思政,分析其必要性、融入元素,并从教学理念、资源建设、内容深化、方法改进、任务安排等方面提出相应实现路径,有利于教育引导青年学生明德立志、自信自强,努力成长为适应新质生产力发展要求的新型高素质人才。

生物质焦油重整催化剂失活机制及增效策略

焦油催化重整是生物质资源化利用的关键,而在长时间重整作用下,催化剂会因各种原因丧失活性。对天然矿石类、生物炭、镍基和复合催化剂四大类催化体系进行分析,在催化失活表现机制的基础上,提出催化剂性能增效策略。研究表明,镍基是催化剂发挥有效作用必不可少的元素;催化剂积碳、烧结和中毒失活与反应温度密切相关,此外还受催化剂负载量、活性组分之间相互作用能力和毒物覆盖率等因素的影响;通过引入金属系载体和助剂,并优化催化剂为核壳型结构,是降低催化剂失活速率和提升焦油转化率的重要增效策略。在未来研究中,可以利用神经网络、密度泛函理论等技术明晰焦油重整反应路径,优化催化剂制备方法,为提升催化性能提供理论依据和实践价值。

面向边缘端的超市异常行为检测研究

主流的超市防盗系统使用传统的人工查看视频监控的方式,消耗着巨大的人力成本且对网络带宽及数据时效性要求较高。因此提出了一种基于轻量级YOLOv5网络模型的超市人体异常行为检测方法。该方法通过采用Ghost卷积替换标准卷积重构网络,降低模型参数量与计算量以适应边缘端低算力设备,同时增加更利于移动端架构设备应用的解耦全连接注意力机制,捕获更多长距离空间特征信息,提升检测精度。实验结果表明该方法较经典YOLOv5检测方法精确率提升4.6%,计算量下降43%,参数量下降42%,检测速度提升67%,在边缘端设备Sunrise x3上每秒检测帧数可达到17.82。

基于案例和模糊推理的泌尿系统炎症诊断方法研究

近年来,随着生活压力的增大,泌尿系统炎症对人们健康的威胁越来越大,泌尿系统炎症却不像其他疾病一样得到大众的关注和重视。另外,泌尿系统炎症的分类复杂,难以鉴别,很多人羞于启齿,拖延治病时机。因此,本文根据专家诊断思维过程及案例集的部分模糊属性,提出一种将案例推理和模糊推理相互融合的推理机制,以帮助缓解就医尴尬,提高对疾病的重视,并为在线诊疗社区实现疾病智能诊断提供参考。该推理机制中,采用结构化表示和双重相似性算法进行案例推理,而模糊推理则对具有不确定性和模糊性的病情描述进行了建模和处理。最终的推理结果结合了案例推理和模糊推理两方面的信息,并基于模糊输出实现病例库的自动更新,从而不断完善和优化系统的推理能力,使得疾病的诊断正确率比单独的案例推理或模糊推理高出很多。在文章的最后还给出了今后的改进方向,以期逐步优化案例和模糊推理的融合方法。

基于DWT-Informer模型的水量预测研究

为准确呈现水消耗的变化趋势以及预测未来的用水需求,提出一种基于DWT-Informer模型的用水量预测方法。与传统方法相比,该预测方法具有以下优势:(1)对历史用水量数据进行DWT分解,可以更好地捕捉用水量信号的不同频率成分和变化趋势;(2)Informer模型具有更强的时间序列建模能力和预测能力,可以更准确地预测未来日用水量;(3)采用多头注意力机制构建输入与输出的全局关系,有利于提升参数水平。通过实际日用水量数据进行算例分析,分析结果表明,相较于其他常用预测方法,该文提出的方法在MAE、RMSE、MAPE等指标上均表现优异。

基于电成像测井的多维度岩性识别方法

传统微电阻率成像(电成像)测井岩性识别主要依靠人工辨识,识别结果往往受经验和主观因素影响,同时还存在岩性表征困难等问题。为此,提出了一种基于电成像图像形状和颜色相结合的多维度岩性识别方法。利用Filtersim算法对电成像空白条带进行补全,并对补全后的数据进行K-means++聚类算法像素聚类,实现对裂缝、溶洞等弱噪声信息的标记,避免给颜色聚类引入噪声。借鉴异常检测思想,利用损失异常对强噪声样本进行筛选。根据电成像的纹理结构和电阻率响应特性,分别把电成像数据集解耦为形状集和颜色集,在此基础上提出一种形状和颜色相结合的电成像岩性识别模型;针对不同地质构造(块状、层状、纹层状)的电成像形状特征,引入标签精炼方法解决硬标签问题,建立Resnet-50网络模型实现形状特征的自动识别;针对不同电阻率响应(泥岩、灰质泥岩、砂质泥岩)的电成像颜色特征,利用K-means++聚类算法筛选出数据集总体分布的聚类中心,实现电成像颜色的快速分类。结合形状特征分类和颜色特征分类结果,识别出电成像岩性种类。应用新方法对济阳坳陷页岩油储层电成像图像进行岩性识别实验,结果表明:岩性识别准确率达83.5%,具有较高的识别精度。提出的基于电成像测井的多维度岩性识别方法,可为测井解释中的岩性识别提供良好的算法支撑。

改进算术优化算法求解考虑机器老化效应和工件释放时间的作业车间调度问题

研究考虑机器具有老化效应和工件带有释放时间约束的作业车间调度问题(job shop-scheduling problem,JSP)。建立以最小化最大完工时间为目标的调度优化模型,并设计1种改进的算术优化算法(improved arithmetic optimization algorithm,IAOA)对该问题进行求解。算法首先通过排序值转换规则将IAOA连续解空间映射到JSP的离散空间,并对JSP进行编码,然后使用插入式贪婪解码算法进行解码。提出了非线性数学优化加速函数和6种邻域搜索策略对标准算术优化算法(arithmetic optimization algorithm,AOA)进行改进。通过在33个JSP数据集上进行测试并与AOA、灰狼优化算法和算术三角函数优化算法进行对比分析,结果表明提出的IAOA具有较好的优化效果以及收敛能力,且该算法克服了AOA求解精度低、收敛速度慢的缺陷。