基于MIC特征提取与BO-CatBoost的航空发动机RUL预测

针对航空发动机传感器监测的退化参数提取困难,易受噪声干扰及发动机剩余使用寿命预测精度不足等问题,利用最大信息系数、贝叶斯优化算法和类别特征梯度提升算法,提出了一种新的发动机剩余使用寿命预测模型。首先,为有效解决特征提取不足的问题,对采集的传感器历史监测特征进行最大信息系数相关性计算,提取出对发动机寿命运行周期影响较大的关键退化特征。其次,为解决剩余使用寿命预测中的梯度偏差及预测偏移问题,使用基于贝叶斯优化的类别特征梯度提升方法对航空发动机进行剩余使用寿命预测。最后,在美国航空航天局提供的商用模块化航空推进系统仿真数据集上进行实验,结果表明所提预测方法的性能较好,验证了该方法的有效性。

基于BO-GRU和AKDE的船舶异常行为识别

船舶异常行为识别是海事安全科学理论研究的重要组成部分,对异常行为的识别是海事监管的主要内容,对于船舶安全以及海上交通安全具有重要意义。针对船舶异常行为的识别,提出一种基于贝叶斯优化器(BO)改进的门控循环单元(GRU)BO-GRU和自适应核密度估计(AKDE)的船舶异常行为识别方法。利用BO-GRU对船舶经纬度、航向和速度进行点预测,并对基于该神经网络所得到的预测值跟实际值进行比较得到误差数据集,利用AKDE对误差数据集进行非参数估计,以得到不同置信度下的船舶轨迹特征数据波动区间。试验基于天津港船舶自动识别系统(AIS)数据,通过与基础GRU、长短期记忆网络(LSTM)和双向长短期记忆网络(Bi-LSTM)相比较,验证BO-GRU预测精度更高;AKDE相比于其他方法估计能更好地拟合,并及时发现船舶异常行为。

冶金机理与贝叶斯优化XGBoost融合的VD炉精炼终点钢液温度预测

在炼钢生产过程中,真空脱气精炼(VD)炉是生产高品质钢的重要设备之一,其精炼终点温度对钢液质量、生产效率和连铸顺行具有重要影响。为了实现对VD炉精炼终点钢液温度的精准控制,本文采用冶金机理和贝叶斯优化极端梯度提升(metallurgical mechanism–Bayesian optimization–extreme gradient boosting,MM–BO–XGBoost)相结合的方法建立钢液温度预测模型。首先,基于VD炉冶金机理解析,确定影响精炼终点钢液温度的主要因素;其次,使用3σ原则对实际生产数据进行预处理,剔除异常值,并采用皮尔逊相关性分析剔除对钢液温度影响较小的因素,从而确定模型的输入变量;再次,将冶金机理与XGBoost模型进行融合,对输入变量的初始特征重要性进行部分放大;最后,针对XGBoost模型的超参数寻优问题,采用贝叶斯优化(BO)对其进行超参数寻优,由此构建了MM–BO–XGBoost模型。在模型仿真过程中,对本文模型同时使用网格搜索和随机搜索进行超参数寻优,旨在对比和验证BO寻优的效果;此外,使用本文提供的数据对已有的冶金机理模型、多元线性回归模型和反向传播神经网络模型进行仿真,并与MM–BO–XGBoost模型进行性能对比。结果表明:本文提出的MM–BO–XGBoost模型的超参数优化效果最好;本文模型的预测VD炉终点钢液温度在±10℃和±15℃误差范围内的命中率分别为87.81%和96.42%,均高于其他对比模型,综合性能最优。本文构建的VD炉钢液精炼终点温度预测模型,对实现钢液温度精准控制、降低生产成本和提高VD炉精炼效率具有重要的现实意义。

基于XGBoost算法的沥青路面横向裂缝预测模型

横向裂缝是沥青路面的主要病害形式,其预测精度直接关系到路面结构设计的可靠性。为准确预测沥青路面在使用过程中横向裂缝的破坏情况,基于XGBoost算法构建了沥青路面横向裂缝预测模型。利用TPE-BO方法优化模型的超参数能提升模型性能。相较于RF和CatBoost模型,提出的模型预测精度更高。此外,通过相关性分析和SHAP方法对特征重要性进行评估,当模型输入变量数量减少4个时,模型效果达到最佳,降低了收集数据的成本和难度,对提高公路养护的经济性具有重要意义。

基于二次分解和BO-BiLSTM组合模型的采煤工作面瓦斯涌出量预测方法研究

为了提高采煤工作面瓦斯涌出量预测精度,提出了一种基于二次分解和BO-BiLSTM组合模型的采煤工作面瓦斯涌出量预测方法。首先运用变分模态分解(VMD)将瓦斯涌出量时序数据进行一次分解,充分利用其分解后的残余分量,并采用自适应噪声完备经验模态分解(CEEMDAN)进行二次分解;然后将分解后的所有子序列分别输入到贝叶斯算法优化双向长短期记忆网络(BO-BiLSTM)模型中进行瓦斯涌出量预测;最后将各子序列模型输出结果进行叠加得到最终瓦斯涌出量预测结果。以陕西彬长矿区某矿采煤工作面绝对瓦斯涌出量日监测数据为例进行建模和预测分析,结果表明:所提出的瓦斯涌出量组合预测模型具有较高的预测精度,验证了该模型在瓦斯涌出量预测方面的有效性和适用性。

基于DGLCM BO Stacking的工件表面粗糙度检测

表面粗糙度对工件使用性能和寿命有很大影响,为了实现高精度、鲁棒工件表面粗糙度检测,提出基于方向灰度共生矩阵和贝叶斯优化堆叠模型的工件表面粗糙度检测方法。采用互补金属氧化物半导体相机、同轴光源、远心镜头搭建视觉检测系统,采集不同表面粗糙度的工件纹理图像,并对采集到的纹理图像进行数据增强。使用方向灰度共生矩阵提取图像的纹理特征,构建特征描述符。使用经过贝叶斯优化的轻量梯度提升机、极限梯度提升树、随机森林作为基学习器,构建堆叠模型。使用所采集的不同表面粗糙度的纹理图像数据集进行性能试验。试验结果表明,所提出的检测方法在多个性能评价指标上都优于其它方法,具有较高的检测精度和较强的泛化能力,可以有效实现表面粗糙度的高精度、鲁棒检测。

基于CEEMDAN-BO-BiGRU的矿井涌水量预测研究

为提高矿井涌水量预测的准确度,基于涌水量数据的不稳定性及随机性,提出一种自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、贝叶斯优化(Bayesian optimization,BO)与双向门控循环单元(bi-directional gated recurrent unit,BiGRU)相结合的矿井涌水量预测模型CEEMDAN-BO-BiGRU。所提模型通过CEEMDAN将涌水量数据分解为多个较平稳的固有模态分量(intrinsic mode function,IMF)和残差分量(residual components,Res),过滤数据噪声,提取数据不同时间尺度波动特征,降低预测误差。利用贝叶斯优化对BiGRU模型多个超参数进行迭代寻优,进一步提高模型的预测精度。之后对各分量进行超前1~3步预测,最终将各分量预测结果加和得到涌水量多步预测结果。以小庄煤矿矿井涌水量数据进行试验,并将CEEMDAN-BO-BiGRU预测结果与其他多种预测模型结果进行对比分析。结果表明:采用CEEMDAN-BO-BiGRU组合网络模型对矿井涌水量预测结果更准确,该方法对涌水量的短时预测提供了一种新思路。

基于LSTM-BO和SPRT的风电机组故障演化过程分析

有效挖掘故障演化的过程有利于分析和总结故障传播规律。本文提出了基于LSTM-BO模型和SPRT算法,利用SCADA历史数据研究风电机组早期故障演化过程的分析方法。首先使用Pearson相关系数法挖掘SCADA数据各监测变量之间的映射关系,获得LSTM-BO网络所需的输入—输出关系对;其次是依赖LSTM网络强大的时序特征提取能力,将预处理后的SCADA数据送入LSTM网络进行训练,从而得到相应的正常行为模型;最后,依赖SPRT在序贯测试方面的优势,将各监测变量模型预测值与实际监测值之间的偏差看作序贯测试的对象,并对其测试结果进行滑动窗口观测,以异常点数目占观测窗口宽度的比值为度量指标,得到SCADA数据部分重要监测变量在故障发生前的演化过程。实例分析结果表明,所提方法能够有效提取故障演化的过程,为后续演化规律的分析提供指导。

基于ASWPD-BO-GRU的月径流量预测模型

为提高月径流量预测精度,并针对传统分解集成径流预测模型错误使用未来数据的问题,提出并建立了基于自适应小波包分解(ASWPD)和贝叶斯优化(BO)的门控循环单元(GRU)月径流量预测模型(ASWPD-BO-GRU)。首先,利用ASWPD对原始月径流量时间序列进行分解,在不使用未来数据的前提下得到4个相对规律的分解子序列,以降低预测难度;然后,利用BO优选分解后的子序列对应的GRU模型超参数;最终,对每个子序列进行预测,将预测结果相加重组得出月径流量预测结果。将提出并建立的模型应用于黑河流域莺落峡水文站月径流量预测中,并与GRU、BO-GRU、WPD-BO-GRU模型(基于传统分解思想对原始月径流量时间序列整体进行分解的预测模型)的预测结果进行对比。结果表明:ASWPD-BO-GRU模型的纳什效率系数(NSE)为0.89,在实例应用中预测精度最高,说明ASWPD-BO-GRU模型在正确分解的前提下具有较高的预测精度和更强的泛化能力。

基于高光谱成像技术与BO-XGBoost的花生含水率无损检测研究

含水率影响着花生的质量、储藏时长与出油率。本研究针对当前花生含水率测量效率低、有损检测、无法适应大规模检测等问题,探索基于高光谱成像技术的花生含水率无损快速检测方法。测量并建立了300份不同种类花生的高光谱原始图像及光谱数据集,并利用小波变换、多元散射校正(MSC)和一阶导数对数据进行预处理,结合PLS、XGBoost、BO-XGBoost算法建立花生含水量无损检测模型。通过实验对比得出,利用小波变换对原始光谱数据进行预处理后的光谱数据建立的BO-XGBoost模型最优,预测模型决定系数R^(2)=0.9539,均方根误差RMSE=0.8065。实验表明,高光谱成像技术结合BO-XGBoost能够对花生含水率进行快速、准确、无损检测,且对其他农作物水分含量检测具有一定的借鉴意义。

基于BO-LSTM的天然气处理厂负荷率预测模型

为优化天然气处理厂生产计划,弥补天然气处理厂负荷率预测模型的空缺,提出一种基于贝叶斯优化(Bayesian Optimization,BO)和长短期记忆(Long Short-Term Memory,LSTM)的天然气处理厂负荷率预测模型。LSTM模型用于捕捉因检修天数和日处理量等因素引起的时间特征,贝叶斯算法用于优化LSTM网络的结构、隐藏层层数、隐藏层神经元个数、初始学习率和正则化系数,弥补参数造成预测波动的缺陷。选取波动型和平稳型天然气处理厂负荷率对不同模型测试,结果表明,LSTM模型较其他传统预测模型的预测精度高。BO-LSTM模型的预测平均绝对误差(MAE)值和均方根误差(RMSE)值均最小,预测精度最高,通用性强,较传统LSTM模型的MAE和RMSE值可提高57.8%和30.1%。天然气处理厂负荷率预测模型可为天然气处理厂的生产运行和决策提供数据支撑,具有稳定的预测精度和适应性。

基于KECA和BO-SVDD的滚动轴承早期故障检测

为了实现更早地检测出滚动轴承发生故障,提出一种基于核熵成分分析(KECA)和贝叶斯优化(BO)算法优化支持向量数据描述(SVDD)的滚动轴承早期故障检测方法。提取轴承振动信号的时域、频域特征以及小波包分解节点能量特征,组成多维特征矩阵;利用KECA对多维特征矩阵进行降维处理,进而提取有效特征;最后,选取轴承正常状态的特征指标训练模型,利用BO算法确定SVDD的惩罚因子和核宽度,进而得到早期故障检测模型。利用该模型对XJTU-SY数据集中不同工况下的轴承进行早期故障检测,结果表明:KECA能够有效地提取特征信息,减少冗余信息的干扰;该模型整体上能够较早检测出故障的发生,并且有较好的鲁棒性和泛化能力。

基于BO-GRU神经网络的锂离子电池剩余使用寿命预测

锂离子电池剩余使用寿命预测是锂离子电池健康管理的重要内容。针对锂离子电池剩余使用寿命预测困难、传统循环神经网络预测精度低的问题,提出一种基于贝叶斯优化(BO)-门控循环单元(GRU)神经网络的锂离子电池剩余使用寿命预测方法。这一方法提取循环数与对应的容量融合作为新特征,采用滑动窗口方法分割特征数据集,搭建门控循环单元神经网络,在网络中加入随机失活,并采用贝叶斯优化对门控循环单元神经网络参数进行优化。在不同来源数据上进行试验验证,这一方法的相对误差均小于3%,能够实现对锂离子电池剩余使用寿命的准确预测。

基于BO-RF的烧结矿化学成分预测模型研究

烧结矿的化学成分是决定烧结矿质量和高炉冶炼顺行的关键因素之一。为了稳定烧结矿化学成分,通过对烧结矿与混合矿化学成分进行相关性分析,选取两者相关性高的化学成分作为输入参数,并采用贝叶斯算法优化随机森林算法里的超参数,对烧结矿中化学成分[w(TFe)、w(FeO)、w(SiO_(2))、w(CaO)、w(MgO)、w(Al_(2)O_(3))、碱度(R)]进行预测,建立了基于BO-RF的烧结矿化学成分预测模型。预测结果表明:烧结矿化学成分的预测准确率均达到90.0%以上,其中烧结矿w(CaO)的预测准确率达到96.9%,烧结矿R的预测准确率为96.5%。烧结矿化学成分预测相对误差均在5.0%以内,其中烧结矿R的预测相对误差在3.5%以内,烧结矿w(TFe)的预测相对误差在1.4%以内,整体预测精度较高。

融合贝叶斯优化随机森林的机场旅客风险评估研究

为科学有效地评价旅客风险,提高旅客出行便捷性,以机场离港旅客为研究对象,借助旅客姓名记录获取评价旅客风险的相关信息,结合旅客安检信息,编制问卷进行调查。运用SPSS 22.0软件对有效问卷数据进行合理性检验,构建民航旅客风险评价指标体系;在此基础上,利用贝叶斯优化随机森林模型对旅客风险等级进行综合评价。结果表明:在影响旅客风险等级划分的8个指标中,年飞行次数和托运行李违禁品记录重要性最大,性别重要性最小;相较于多种传统的算法,贝叶斯优化随机森林的分类性能更高,准确率达到97%。研究结果对机场实施旅客分类安检具有一定的指导作用。

盐碱水对鲌鲂“先锋2号”营养品质的影响

[目的]探究水体盐碱度对鲌鲂“先锋2号”肌肉营养品质的影响,为淡水鱼在盐碱水环境中养殖提供科学依据。[方法]通过在盐碱水(5‰NaCl、1‰NaHCO_(3))中暂养鲌鲂“先锋2号”0 d(对照组)、8、16、30 d,分别对其肌肉中常规营养成分、氨基酸和脂肪酸含量和组成以及肌肉质构特性进行测定。[结果]试验组8 d、16 d和30 d的鱼肉蛋白质、脂肪含量均显著高于对照组0 d(P<0.05)。肌肉中氨基酸总量、必需氨基酸总量和非必需氨基酸总量随暂养时间延长呈先升后降的趋势,在16 d时含量达到最高值。在检测到的19种脂肪酸中,16种脂肪酸含量随着暂养时间延长而显著上升(P<0.05)。盐碱水暂养30 d时,肌肉硬度和弹性显著高于对照组0 d(P<0.05),8 d时回复性显著高于对照组(P<0.05)。[结论]鲌鲂“先锋2号”可以适应盐碱环境,且盐碱水可有效提高其肌肉营养品质,改善肌肉质地,具有较高的食用价值和经济价值。根据本研究结果与实际养殖情况综合考虑,建议鲌鲂“先锋2号”在盐碱水中暂养16 d。

地方优秀传统文化在幼儿园课程资源中的开发策略研究——以亳文化为例

地方优秀传统文化是中华优秀传统文化不可分割的一部分,其为地方学校教育提供丰富的文化资源。为了加快推动亳文化在地方幼儿园课程中的设置,采用问卷调查方法、访谈法,分析亳文化在地方幼儿园课程资源开发的必要性,提出亳文化存在知名度与认可度不高、幼儿园开发亳文化课程意识薄弱、家长参与课程开发的意识不强等问题,从政府、幼儿园、家庭、社区四个层面研究亳文化在地方幼儿园课程资源中的开发策略,推动政府多举措、全方位开发并将亳文化应用于地方幼儿园课程,推动幼儿园与地方双向良性互动和正向发展。

于海波运用“健脾益肾三针组穴”治疗小儿脑瘫经验探析

介绍名老中医于海波教授运用“健脾益肾三针组穴”治疗小儿脑瘫的临证思路与针法特色。以“脏腑-经络-脑”生长发育理论为指导,于海波教授认为“脾肾不足”是小儿脑瘫的核心病机,提出“从脾、肾论治”的治疗理念。传承与创新三针组穴疗法,建立“健脾益肾三针组穴”体系。常规针刺前点刺腹背,畅调中焦,临证时选上肢组穴“合谷、外关、曲池(手三针)+内关”;下肢组穴“足三里、三阴交、太冲(足三针)”;“申脉、照海、涌泉”,脾肾同调,头部穴位包括四神聪、智三针、脑三针、颞三针、定神针、风府和双侧风池。以调神益智,配穴因病因证加减。同时辅以音乐疗法、耳穴压豆。强调“患儿-家长-医者”之神同调和“治人”重于“治病”。

陈博来基于“肾为生痰之本”辨治肾虚痰阻型腰痛

肾主水,为先天之本,对于体内津液的运行输布具有重要作用,且肾与水腑膀胱互为表里,通过冲脉与“水谷之海”的胃有经络上的联系,故肾在痰的生成中起着关键作用。陈博来教授认为,肾虚痰阻型腰痛为本虚标实之证,“痰阻”为其标,“肾虚”为其本,临床以腰骶钝痛、痛处固定、腰部僵硬、肢体麻木或偏枯为主要特点,兼见腰膝酸软、喜按喜揉等表现。肾虚痰阻型腰痛的治疗可基于“肾为生痰之本”,以补肾祛痰为法,拟定理痰汤(主要组成药物为芡实、半夏、黑芝麻、柏子仁、白芍、陈皮、茯苓等)为基础方,针对不同兼症辅以健脾、宣肺等药进行加减治疗。其辨治思路可为临床中医治疗腰痛提供参考。

Na_3La_2(BO_3)_3∶Sm^(3+)的合成及其光谱特性

本文采用固相反应法 ,合成了一系列掺Sm3 + 的Na3La2 (BO3) 3[Na3(La1-xSmx) 2 (BO3) 3]发光体 ,X 射线粉末衍射数据分析表明它们属于正交晶系 ,空间群为Amm 2。测量了红外光谱、荧光光谱 ,观察到在5 99nm、6 45nm处有较强的荧光发射 ,并研究了发光强度与Sm3+ 离子浓度 (x)的关系 ,确定了Sm3+ 离子在Na3La2 (BO3) 3 基质中发光的适宜浓度。