基于注意力机制的CNN-ILSTM地铁站PM_(2.5)预测建模

为提高PM_(2.5)的预测精度,提出一种基于卷积神经网络(CNN)、改进长短期记忆网络(ILSTM)和注意力机制(attention)组合的预测模型。ILSTM删除LSTM中的输出门,改进其输入门和遗忘门,并引入转换信息模块(CIM),以防止学习过程中的过饱和。该模型将一维卷积神经网络的特征提取和改进长短期记忆网络学习序列依赖性的能力相结合,得到过去不同时间特征状态对未来PM_(2.5)浓度的影响,可以有效模拟PM_(2.5)在时间和空间上的依赖性,并通过注意力机制自动权衡过去的特征状态,进一步提升PM_(2.5)预测的准确度。实验结果表明:CNN-ILSTM-attention模型的拟合度达到98.5%,与LSTM模型、CNN-LSTM模型和CNN-ILSTM模型相比,分别提高26%、9.2%和6.2%,具有较高的预测精度和应用价值。

基于PSO优化BP神经网络的多传感器数据融合

针对室内环境监测中单一传感器测量数据精度低、可靠性差的问题,提出一种基于粒子群(particle swarm optimization,PSO)优化BP神经网络多传感器数据融合算法。首先使用防脉冲干扰平均滤波算法来消除检测数据中的异常数据和噪声数据。其次,利用卡尔曼滤波算法对多同类传感器进行数据级融合,有效地降低因噪声干扰导致的测量误差,为异质传感器进行决策级融合提供最佳数据。最后,采用PSO优化BP神经网络算法进行决策级融合。实验结果表明,基于PSO优化BP神经网络多传感器数据融合算法对测试样本的平均绝对百分比误差(mean absolute percentage error,MAPE)和拟合度(r^(2))均优于BP神经网络和自适应加权(adaptive weighted,AW)优化BP神经网络,且运行时间比BP神经网络以及AW-BP神经网络分别短69.31%、50.36%。经验证,基于PSO优化BP神经网络多传感器数据融合算法具有更高的融合精度,同时缩短了算法的运行时间。

基于STM32室内空气质量检测系统的设计与实现

以STM32F407单片机为核心处理器,选择氧气、甲烷、二氧化碳、PM_(2.5)以及温湿度传感器构成传感器阵列。该系统可以针对室内有毒有害气体得到连续输出响应,输出信号由单片机采集,由卡尔曼滤波算法处理,进而得到一个连续、稳定、可标定的空气指数并在液晶显示屏上显示;通过NB-IoT无线传输模块发送给手机APP,实现用户远程实时监测居家环境信息,若二氧化碳、甲烷和PM_(2.5)含量超标时,则启动报警装置。经过测试发现,该系统实现了监测与报警一体化的智能控制,具有体积小、功耗低等优点。

新工科背景下轨道交通类专业课程思政的探索与实践——以“城市轨道交通概论”课程为例

课程思政是国家大力实施的一项重要的教育政策,要求教师承担起立德树人的根本任务。作为一门重要的专业核心课程,“城市轨道交通概论”的课程思政建设目标是将专业知识传授与思想政治教育有机融合,培养交通强国的优秀建设者和接班人。根据应用型高校学生的特点及课程教学目标,从教学内容与设计、思政元素挖掘、思政元素的内涵外延、评价与成效等方面对课程思政进行全面实施探索。通过探索和实践发现,在专业课程的教授过程中融入思政元素,可有效提升学生学习的积极性与参与度,提升学习的效率与教学的质量。

基于CEEMD-ISSA-LSTM的空气质量预测

针对传统空气质量(AQI)预测模型精度较低的问题,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化长短期记忆网络(LSTM)的预测模型。首先,针对具有大量噪声的AQI数据直接进行预测误差较大的问题,利用CEEMD算法将原始AQI数据进行模态分解,以降低噪声对预测结果的影响。其次,针对麻雀搜索算法(SSA)易陷入局部最优、收敛速度慢的问题,利用正弦混沌、动态自适应惯性权重、高斯变异和反向学习策略改进麻雀算法,降低了SSA陷入局部最优解的概率,提高了麻雀算法的收敛速度和寻优能力。最后,利用ISSA对LSTM模型的参数进行寻优,构建ISSA-LSTM模型进行预测,得到最终的AQI预测结果。实验结果表明,与其他传统预测模型相比,基于CEEMD-ISSA-LSTM模型对AQI的预测具有更高的精度,其预测的均方根误差为1.24μg/m^(3),平均绝对误差为0.98μg/m^(3),拟合度为98.5%。

新工科背景下大学生工程实践素养培养的探索与实践——以现代工程图学课程为例

基于新工科背景的高校人才培养的要求和目标,以现代工程图学课程为例,阐述了工程实践素养培养的必要性和重要性。针对大学生工程实践素养培养相关的教学内容设计、教学模式改革、课程体系完善以及实验平台的搭建等方面存在的不足,分别提出了改进思路,全面提升学生实践素养,建立科学的评价模式,多维度推动教学改革,为社会培养高质量、高素质的工程专业人才。