基于GA的RBF神经网络气液两相流持液率预测模型优化

为了提高气液两相流持液率预测精度,针对传统径向基函数(RBF)神经网络预测气液两相流持液率网络拓扑结构困难和收敛速度慢等问题,提出一种基于遗传算法(GA)优化径向基函数神经网络的气液两相流持液率预测模型。通过系统聚类算法和灰色关联度分析(GRA)对收集的实验数据进行处理,优选出最优模型特征,同时结合遗传算法确定了RBF神经网络结构参数。基于室内实验数据进行训练,并与常用于持液率预测的反向传播(BP)神经网络、GA-BP神经网络及RBF神经网络进行对比,评估了模型的准确性及可行性。结果表明:GA-RBF神经网络模型均方误差为0.0017,均方根误差为0.0416,平均绝对误差为0.0281,拟合度为0.9483。相较于其他神经网络模型,该预测模型表现出更高的计算精度和更强的泛化能力。

基于可穿戴式纳米生物传感器的人体运动数据挖掘算法

针对当前人体运动数据挖掘算法无法对实时数据进行采集与分析,导致人体运动数据挖掘正确率较低且时间较长的问题,提出基于可穿戴式纳米生物传感器的人体运动数据挖掘算法。首先,利用可穿戴式纳米生物传感器采集人体运动数据,将采集到的数据转换为二进制数据形式,并对转换后的数据进行清洗与补位处理;最后,使用萤火虫算法对K均值聚类方法进行优化,利用优化后的K均值聚类方法对清洗与补位后的数据进行聚类处理。实验结果表明,所提算法的召回率平均值为97.12%,数据挖掘正确率平均值为98.42%,为运动员生理指标的实时监测与分析提供重要的数据基础。

基于K-means聚类和BP神经网络的电梯能耗实时监测方法

针对现有方法在对电梯能耗进行监测时,存在监测精度低、用时长、监测结果不理想的问题,该文提出一种基于K-means聚类算法和BP神经网络相结合的电梯能耗实时监测方法 .在经过清洗的能耗数据中提取影响建筑能耗实时监测的主要因素特征值,利用相似系数法进行相似度计算,获取相似系数.对相似电梯能耗数据进行小波分解获取高低频序列,分别采用LSSVM-GSA检测方法和均方加权处理方法对低频和高频部分进行处理,将两个结果进行重构,得到最终的实时监测结果 .仿真实验结果表明:所提方法能够获取高精度、低耗时、高稳定性的监测结果 .

基于小波变换与IAGA-BP神经网络的短期风电功率预测

为提高风功率预测精度,减轻输出风能波动性对风电并网不利影响,提出了基于WT-IAGA-BP神经网络的短期风电功率预测方法。利用风速分区、3σ准则及拉格朗日插值法清洗风电场历史数据;其次,依据小波重构误差,选择db4小波分别提取风速、风向、历史风功率的不同频率特征信号,并引入改进自适应遗传算法(IAGA)对各序列BP神经网络的初始权值与阈值寻优,使用Sigmiod函数通过适应度值自适应改变交叉概率与变异概率;构建各序列的WT-IAGA-BP模型对短期风功率组合预测。通过仿真分析,并与ELM、IAGA-BP、WT-ELM及WT-LSSVM方法对比,验证该方法具有更高的预测精度和更好的预测性能。

基于改进RRT的清扫机器人全覆盖路径规划

针对钢筋轧制车间中大型非结构化环境下清扫机器人在全覆盖路径规划时所面临的算法运行成本高、避障性能差和区域覆盖率低等问题,提出了一种利用单元分解法分区覆盖和融合跳点搜索法的RRT区域转移的全覆盖路径规划算法。利用MCD(movement cell decomposition)算法实现自由区域覆盖,为了解决区域间路径规划时的避障问题,引入融合跳点搜索策略的RRT算法,通过增加节点扩展的导向性,使其更偏向目标区域进行搜索,并利用贪婪算法裁剪冗余点修正路径以及三次B样条曲线法平滑处理。通过仿真与实验验证了算法在不同环境下的可行性和有效性,相比于其他方法所规划的路径更短且大大降低了路径重复率,提高了机器人避障效率的同时实现了全区域路径覆盖。

协同过滤下混合大数据无损挖掘算法研究

大数据具有大规模性、多样性以及价值性,由于海量数据间的较高相似度,导致数据挖掘过程易受冗余干扰,出现数据丢失、损坏等问题。为解决上述问题,提出基于协同过滤算法的混合大数据无损挖掘方法。对混合大数据集成预处理,去除冗余,将不同来源的相同数据无损融合。采用协同过滤算法的时间衰减函数,计算挖掘项目间相似性。在混合大数据特征关联度的约束下,实现混合大数据无损挖掘。实验结果表明,所提方法应用下,混合大数据量高达25000MB时,数据挖掘所需时间仅为45ms左右,且挖掘精度高达95%以上,数据挖掘结果与目标具有一致性。

基于多层级指标清洗与聚合的科技创新能力评价研究

在科技评价和科技管理须融合应用多源异构数据的发展趋势下,中国目前仍未形成普适的综合评价方法体系框架,且现有评估有关创新活动主体科技创新能力的方法无法分析指标间复杂的关联性,有必要构建能够提高数据可信度、实现可迁移性、适应多种算法的多级综合评价算法框架。鉴于此,提出基于多层级指标清洗与聚合的综合评价框架,包括数据处理层、指标聚合层和综合评价层三层算法,其中双流指标清洗算法根据指标相关性与指标数据间距离关系识别并修正数据中的异常点、极端值,可以提供高可信数据;而结合优劣解距离法的灰色关联法通过构建自适应评价算法,可以根据应用场景特点实现智能的指标聚合,从而克服现有方法在应用场景方面的局限性。基于此,依托深圳市科学技术创新委员会平台和载体专项项目(国际科技信息中心),通过政府官方渠道、调研访谈和次级数据形成研究数据资料,对2016—2021年珠三角地区214家主要科研事业单位,主要通过科技创新基础环境、科技创新产出能力、科技创新投入程度和科技项目承接能力4个一级指标及其二级指标进行科技创新能力综合评价。结果显示:214家单位的科技创新能力近5年稳步增长,于2021年达到峰值,但总体存在较大的差异,其中科技创新投入程度提升显著,科技创新产出能力和科技项目承接能力也明显上升,但整体科技创新基础环境仍有待改善;此外,科技创新头部事业单位格局比较稳定,新兴头部事业单位的成长路径不同,宜根据自身特点强化优势补足劣势。可见,运用所提出的综合评价框架得到的结果具有较高的可比性、精确度和稳健性,可有效揭示珠三角地区不同创新主体的主要优势、发展态势、创新潜力以及薄弱之处。

基于模糊聚类的企业人力资源异构数据快速检索方法

为了提升企业人力资源异构数据检索效率,提出基于模糊聚类的企业人力资源异构数据快速检索方法。设定异构数据清洗规则判定和剔除异常数据,通过归一化处理和马尔可夫蒙特卡算法对清洗后的数据进行缺失插补。利用TF-IDF算法提取数据中能够表征文本的特征词,采用模糊聚类算法将具有不同特征相似度的数据划分到不同类簇中,构建人力资源异构数据快速检索模型,完成数据快速检索。实验结果表明,该方法的数据聚类效果较优,数据重采样较低,数据检索耗时较短。

基于融合模型的联合站能耗优化技术研究

联合站是油田集输系统中的耗能大户,为降低生产运行能耗,在收集和整理现场SCADA(数据采集与监视控制系统)数据的基础上,对数据进行完整性、重复值和异常值校验,利用箱线图识别超过工况范畴的异常值,对缺失值采用三次样条曲线进行重构,再对能耗影响因素进行相关性分析,并代入支持向量机模型建立吨液综合能耗和影响因素之间的非线性关系,最后采用粒子群算法实现联合站能耗的持续优化。结果表明:利用中位数替代异常值和三次样条曲线重构缺失值,对于数据清洗的效果较好,清洗后数据完整性大幅提升;加热炉耗气量和处理液量对吨液综合能耗的影响较大,说明热力消耗在能耗中的占比较大;优化后,联合站的单位液量气耗、单位液量电耗、单位液量综合能耗均有所下降,预计全年节约运行费用26.6万元。研究结果可为联合站运行方案的制定提供实际参考。

基于IKNN和LOF的变压器回复电压数据清洗方法研究

基于回复电压极化谱提取特征参量是目前广泛应用的变压器油纸绝缘状态评估方法,但极化谱易受工况干扰、人工失误等因素影响而出现特征数据异常的情况,严重降低评估准确性。针对上述问题,该文提出了一种基于局部离群因子(LOF)和改进K最近邻(IKNN)的回复电压数据清洗方法。首先,选取回复电压极化谱的回复电压极大值Urmax、初始斜率Sr与主时间常数tcdom作为老化特征参量,并基于LOF算法对非标准极化谱中的异常特征量数据进行识别与筛除。其次,利用模糊C均值(FCM)聚类算法减小噪声点对KNN算法的干扰,并通过加权欧氏距离标度突出各特征量间的关联性,进而构建出基于IKNN的数据填补模型架构以实现特征缺失数据的填补。最后,代入多组实测数据验证所提数据清洗方法的实效性。结果表明,数据清洗后的状态评估准确率相较于原有数据上升了50%左右,有效提高了变压器回复电压数据质量,为准确感知变压器运行状况奠定坚实的基础。

运营商客户满意度模型构建

基础电信运营企业的客户满意度,外部测评采用抽样问卷访谈的方法。该方法受样本数的影响通常会有一定偏差。通过用户与运营商交互的行为数据来建立模型,可以实现内部满意度测评,以便更好把握客户感知。基于用户交互数据的满意度模型构建包括关联分析,权重分析,预测感知三个主要环节。在实施层面,数据汇聚重点针对用户全旅程触点数据和用户特征数据,数据清洗涉及缺失值处理,无量纲化;建模算法重点解决快速识别和判断负向感知客户,通过决策树自动分箱+机器学习算法+否决指标的方式构建模型。

基于机场跑道异物智能探测与清扫系统研究

科技的发展,对机场跑道异物的探测与清扫提出了新的需求。为了减少机务工作强度和提高飞航安全,探索研究以机场FOD巡检机器人、远程监控平台为主要载体,通过研究多源信息融合的自主导航、高精度定位及路径规划、信息融合体系结构等关键技术,设计机场跑道异物智能探测与清扫系统。系统依靠视觉传感器来识别跑道异物,定位导航单元判别跑道上异物的方位,进一步告知控制执行系统,形成新的导航决策方案,做到了巡检机器人通过自动导航控制抵达异物附近时,启动清扫装置,完成异物清扫工作,减少跑道异物对飞航安全的威胁。

非均匀个性化网络资源的深度并行推荐仿真

在网络资源深度推荐时,若不能及时对网络资源数据内部不完整数据展开有效清洗,会直接影响网络资源的推荐效果。因此,提出非均匀个性化网络资源深度并行推荐算法。通过获取网络资源数据,使用野值识别方法有效去除数据中的不完整数据;并对网络资源数据实施标准化处理,确定完整的网络资源数据集合;根据确定的网络资源数据计算用户直接相似度,建立用户网络图;通过对其游走确定用户间接相似度,重构用户相似度矩阵,确定推荐列表,完成算法设计。使用Spark并行计算平台辅助设计的推荐算法,确定算法实现流程,完成非均匀个性化网络资源深度并行推荐。实验结果表明,所提方法开展网络资源并行推荐时,平均绝对误差和均方根误差小,表明其推荐效果好。

基于DBSCAN算法的用电数据预处理与清洗技术研究

随着智能电网的发展,智能用电网络中的数据质量问题,如数据缺失、错误和异常,严重影响了数据分析的准确性。文章通过数据标准化、缺失值处理和DBSCAN算法等进行数据清洗,以提高数据质量,确保后续数据分析的准确性和可靠性。研究结果表明,这些技术的应用不仅提高了数据质量,还为智能电网的进一步发展提供了技术支持。

南水北调中线总干渠水情数据智能清洗

南水北调中线总干渠水位、流量等实时水情数据受外界扰动、测量系统误差等因素影响而产生的病态水情数据将造成调度模型计算失真,甚至导致计算失败。为此,针对上下游流量数据空间上的逻辑错误和水位数据时间序列的跳变,分别建立基于粒子群优化的水量平衡模型和指数加权滑动平均模型,对病态水情数据在空间、时间上实施横向、纵向清洗处理。以穿黄节制闸至漳河节制闸间的渠段为典型研究区间,利用模型自动识别流量倒挂点,并对该渠段涉及的12座节制闸、26处分水点的流量数据进行统一修正,实现了上下游逻辑上的合理性。同时,选取研究渠段内的闫河节制闸为代表,在48 h内运行基本稳定状态下,对每2 h的闸前水位数据序列进行分析,自动识别出跳变数据并进行合理修正。结果表明:建立的模型可自动识别病态水情数据并进行智能清洗,处理后的数据能够较好地满足输水调度分析决策的需要,因此该模型具有推广应用的价值。

基于Dsp的洁净机器人运动控制系统设计

文中针对洁净机器人的运动控制系统设计展开了研究,提出了一种基于DSP的运动控制技术方案。首先对洁净机器人及运动控制系统的基本原理和要求进行了概述,然后分析了国内外洁净机器人运动控制系统的研究现状。接着,详细介绍了基于DSP的控制系统的硬件选型和设计、模块化设计、软件设计以及接口设计,并阐述了控制系统的实现与调试过程。在洁净机器人运动控制算法方面,提出了运动规划与路径规划算法、运动控制算法设计、传感器数据融合与处理算法以及故障处理与安全保护算法设计。

超冗余柔性臂在狭小空间内改进RRT算法轨迹规划

为清理变电站联排变压器狭小空间内的异物,设计了一种超冗余多关节机械臂;根据机械臂的运动学特性在机器人工具箱建立了运动学模型,利用正运动学分析了万向节角度和驱动绳长,并利用蒙特卡洛法建立了机器人的工作空间;为缩短轨迹路线、减少随机树点数目,提出了基于改进后的RRT算法的轨迹规划方法,利用贪心算法进行轨迹优化,仿真结果显示路径长度减少20%且规划时间提高60%;利用多阶贝塞尔曲线进行轨迹平滑,降低轨迹路线曲率;改进后的RRT算法可以有效避障,且轨迹更为精确、曲率较小、处理速度更快,可以快速有效地完成异物清理工作。

基于奇异值阈值理论的电力营销数据在线清洗方法

能源互联网架构下,电力营销大数据是支撑智能电网众多高级应用的关键基础,数据清洗对于电力营销大数据更是极为重要。然而,数据缺失问题会不可避免地出现在实际电网运行环节中,严重影响数据的分析和使用。针对上述问题,文章以Spark大数据在线处理平台为基础,提出了融合相似用户聚类和奇异值阈值理论的在线数据清洗框架和方法。借助奇异值分解,证明了电力营销数据具有近似低秩特性。以此为基础,考虑电力用户的用电差异,提出了一种融合改进K最近邻算法和奇异值阈值理论的在线数据清洗框架和方法。同时,针对奇异值阈值模型计算缓慢问题,提出采用滑动时间窗在线修复策略,加快修复速度,提升修复精度。最后,通过河北省某电力营销数据验证了所提算法的有效性,实验结果显示该在线修复算法能够更快速、高效地修复大规模电力营销缺省数据。

基于K-means算法和积灰损耗系数的西北地区光伏电站清洗策略建模分析

针对当前西北地区光伏场站缺乏科学合理的清洗策略来清除组件表面积灰的问题,提出基于K-means算法和积灰损耗系数的光伏电站清洗策略模型。利用K-means算法对场站提供的日志发电数据进行聚类得到晴天数据样本,利用该样本数据拟合发电能力损耗曲线求解积灰损耗系数,联立清洗成本建立清洗策略模型。文章利用西北地区某光伏场站的发电数据对模型进行了验证,分析结果表明模型准确性较高,也为西北地区光伏电站清洗策略的研究提供了新思路。

基于四分位与CFSFDP的风电机组异常数据清洗方法

在分析风机功率曲线异常数据的类型及产生原因的基础上,将异常数据划分为堆积型和离散型;在进行简单的异常数据剔除后,分别利用四分位–快速密度峰值聚类、快速密度峰值聚类–四分位这2种不同的组合方法进行数据清洗。将取自数据采集与监视控制系统的4台风机历史运行数据用于实验验证,并采用数据剔除率以及相关性指标来判断异常数据的清洗效果。实验结果表明所提算法可行、有效。