GCN-GRU:一种无线传感器网络故障检测模型

无线传感器网络已经成为一种实时监测环境的解决方案并被广泛应用于各种领域。由于网络中的传感器容易受到复杂工作环境和自身硬件等因素影响而发生故障,因此无线传感器网络故障检测在其应用领域中是不可缺少的环节。针对无线传感器网络中的故障检测问题,提出了一种融合图卷积网络和门控循环单元的故障检测模型GCN-GRU,该模型由输入层、时空处理层和输出层组成。输入层接收传感器网络数据和由无线传感器网络构建的图模型并将其传输至时空处理层;在时空处理层中,运用图卷积网络提取无线传感器网络的空间分布特征及故障在高维空间的特征,并将其构造为时序序列的高维数据作为门控循环单元的输入,之后通过门控循环单元对传感器网络数据的时间演变特征和空间演化特征进行提取和融合,最后在输出层得到故障检测结果。为了评估GCN-GRU模型的性能,将其与现有的无线传感器网络故障检测算法进行仿真对比。仿真结果表明,GCN-GRU模型相较于对比算法显著地提高了故障检测率并降低了虚警率,能更有效地识别出故障传感器。

循环流化床锅炉水冷壁防磨技术

近几十年来循环流化床作为一种高效低污染的清洁燃烧技术,得到了迅速发展和广泛应用。但随循环流化床锅炉大量投入生产使用,其运行过程中水冷壁的磨损问题已严重影响了相关工厂和企业的安全稳定运行。分析锅炉水冷壁磨损的重要性,并探讨循环流化床锅炉水冷壁的相关原理和防磨损技术。

基于图信号处理的传染病传播预测方法

针对现有传染病传播预测模型存在未充分考虑数据的内在关联性的问题,采用图多项式-向量自回归(GPVAR)模型对传染病的传播进行预测,并提出新的用于模型参数估计的优化方法.将传染病发病地区建模为图节点,并根据地区间的距离信息和人群流动情况确定节点间的边及其权重,以反映传染病传播过程中的空间关联性.将不同时刻的感染疾病人数建模为时变图信号,使用GP-VAR模型对时变图信号在图上的演变过程进行预测,并设计一种最小二乘(LS)优化方法对GP-VAR模型的参数进行估计.仿真实验结果表明,与现有的预测方法相比,所提方法能够更好地考虑到数据在空间维的相关性和时间维的演变特性,更加准确地刻画传染病的传播特性,且具有普适性,预测效果更好.