基于Leaky Noisy-or Gate和贝叶斯网络的光伏发电项目施工风险评估方法

针对复杂多变的光伏发电项目施工风险评估问题,利用Leaky Noisy-or Gate模型整合历史经验和专家知识来确定贝叶斯网络参数并建立光伏施工风险的贝叶斯网络模型,同时采用Netica仿真分析,对施工风险进行有效预测并诊断识别出关键性风险和敏感性风险,以便管理者精准施策、管控风险。为验证该方法的有效性,以Z项目为例进行建模仿真。结果表明,其施工风险等级为中等,与实际相符。

基于Noisy-orGate和贝叶斯网络的研发项目风险评估方法

在没有充足样本数据时,为有效地管理各种风险,提出一个全新的研发项目风险评估模型,这个模型主要是基于Noisy-or Gate和贝叶斯网络进行评估。该模型在贝叶斯网络节点满足构成Noisy-or Gate模型的前提下,利用历史数据或专家判断得到有效的网络参数,进而推断出每一项风险因素发生的概率,结合风险影响权重得到综合风险影响值,并对比得到高风险因素,为风险管理提供依据。通过与AHP方法评估结果对比表明,该模型可以准确地评估研发项目的风险,从而提高风险管理的效率。

基于贝叶斯Noisy-or Gate网络对潜艇航行隐蔽性评估

针对影响潜艇航行隐蔽性的部分典型因素特点,提出了基于贝叶斯Noisy-or Gate网络对潜艇航行隐蔽性评估的一种概率计算方法和网络模型,该贝叶斯网络利用专家知识分别从潜艇航行过程中的内因和外因分析,确定了主要风险因素,构造出有效的网络结构。对于没有考虑到的其他未知的因素,也会综合为一类因素加入网络中。采用满足Noisy-or Gate模型构造的网络节点参数,能使条件概率的个数减少,计算压力会大幅度地降低。在得不到充足样本数据时,该方法可以简化知识获取,还具有网络节点更新快速,实时性高的特点,可为潜艇隐蔽性航行提供定量评估依据,提高指挥员的决策效率。

基于FUZZY-BN-FTA的厂区架空燃气管道泄漏可能性研究

为研究厂区架空燃气管道泄漏的故的可能性,提出模糊数学方法、贝叶斯网络模型以及故障树模型相结合的集成模型。通过GeNIe软件建立架空燃气管道泄漏事故的模糊贝叶斯网络模型;引入Leaky Noisy-or Gate扩展模型对模糊贝叶斯网络中节点的条件概率表进行修正,结合基本事件先验概率预测架空燃气管道泄漏的概率值,并引入3个基本事件重要度确定基本事件的重要性排序,同时进行敏感性分析确定主要影响因素,提出控制措施。研究结果表明:厂区车辆撞击、管道疲劳损耗、管材质量不佳、安装设计不合理、焊接缺陷为导致架空燃气管道泄漏的主要因素。研究结果可为工业企业安全管理人员有针对性地制定控制措施,减少事故发生率提供参考。

基于Noisy-or Gate的贝叶斯网络机械伤害风险评估

为改进故障树转化成贝叶斯网络时在数值转化中或门转化的缺陷,以某机械加工企业的机械伤害事故为例,使用Noisy-or Gate模型确定故障树中或门因素转化成贝叶斯网络节点的条件概率,降低或门中因0和1概率产生的误差,并与传统故障树转化成贝叶斯网络的模型进行对比分析,最后根据结果分析得出关键影响因素,为机械伤害中故障类型影响分析提供新的思路。

毕赤酵母多基因组装系统的构建及其在2-苯乙醇合成中的应用

巴斯德毕赤酵母是一种优良的外源蛋白生产平台,近年来也被用于发酵生产高附加值化学品。为了使产品生产适应发酵工业的需要,常需要对毕赤酵母进行代谢改造,同时表达多个基因。该文设计并建立了一种毕赤酵母多基因组装系统,利用golden gate克隆实现多元件整合,并通过Cre-lox系统去除抗性标签。该系统可实现同时游离或整合表达多个基因,插入位点、启动子、终止子均可灵活调整。利用这一系统对毕赤酵母进行改造,用于发酵合成高价值化学品2-苯乙醇。通过游离表达比较不同来源的关键基因,并整合表达2-酮-3-脱氧-D-阿拉伯庚酮-7-磷酸合酶ARO3、ARO4^(K229L)和ARO5,分支酸变位酶ARO7^(G141S)和预苯酸脱水酶PHA2基因,最终重组菌株PE-3合成了408.4 mg/L 2-苯乙醇,是出发菌株的10倍以上。该研究建立多基因组装的系统可用于毕赤酵母代谢工程,构建适用于发酵生产蛋白或其他代谢产物的重组菌株。

R-DINA模型参数估计EM算法准确性检验

DINA模型是一个倍受关注和得到广泛应用的认知诊断模型,但DINA模型在每个项目上只将被试分为掌握和未掌握两类。文章提出的改进的DINA模型(R-DINA)可以对被试进行更为细致的分类。文章首先简要介绍R-DINA模型和该模型参数估计的EM算法,然后设计模拟实验对EM算法的参数估计准确性进行检验。实验结果表明,R-DINA模型的EM算法估计结果稳定,项目参数估计精度和被试分类准确性较高。

crtE、crtY、crtI、crtB基因共调控提高β-胡萝卜素产量

代谢合成途径优化的关键在于途径中多个基因表达的调控,本研究使用不同强度启动子对代谢通路中多个相关基因同时调控以提高大肠杆菌β-胡萝卜素产量。将来源于P.agglomerans的4个基因crtE、crtY、crtI、crtB,通过Golden Gate DNA方法与不同强度启动子组合得到质粒库,并转化到底盘细胞中进行颜色筛选。筛选得到crtE、crtY、crtI、crtB启动子组合各不相同的菌株,β-胡萝卜素产量在0.64-8.82mg/g,最高产量比对照提高了65.2%。本研究验证了通过Golden Gate组装建库对代谢通路多个基因同时调控以提高目的产物产量的可行性。

基于BERT-BiGRU模型的文本分类研究

文本分类是自然语言处理的典型应用,目前文本分类最常用的是深度学习的分类方法。针对中文文本数据具有多种特性,例如隐喻表达、语义多义性、语法特异性等,在文本分类中进行研究。提出基于编码器-解码器的双向编码表示法-双向门控制循环单元(bidirectional encoder representations from transformers-bidirectional gate recurrent unit,BERT-BiGRU)模型结构,使用BERT模型代替传统的Word2vec模型表示词向量,根据上下文信息计算字的表示,在融合上下文信息的同时还能根据字的多义性进行调整,增强了字的语义表示。在BERT模型后面增加了BiGRU,将训练后的词向量作为Bi GRU的输入进行训练,该模型可以同时从两个方向对文本信息进行特征提取,使模型具有更好的文本表示信息能力,达到更精确的文本分类效果。使用提出的BERT-BiGRU模型进行文本分类,最终准确率达到0.93,召回率达到0.94,综合评价数值F1达到0.93。通过与其他模型的试验结果对比,发现BERT-BiGRU模型在中文文本分类任务中有良好的性能。

Room Temperature Phosphorescence pH Switch Based on Photo-induced Electron Transfer

In this paper, photoinduced electron transfer(PET) phosphoroionophore, N-(1-bromo- 2-naphthylmethyl)-diethanolamine (BND) was synthesized and its phosphorescent characteristics were studied. The experimental results showed that strong phosphorescence could be observed in b-cyclodextrin aqueous solution only at low pH value. This system combined AND and NOT function to produce a three-input inhibit (INH) logic gate.

现代智慧教育下的认知诊断模型比较分析研究

认知诊断是认知心理学与教育测量理论的融合,它可以通过学生的答题记录和试题信息,推断出学生当前的知识状态,从而全面地评估和诊断被测个体的心理或活动行为规律。由于认知诊断可以提供相较教育测量理论更为丰富的测量信息,它逐渐成为现代智慧教育场景下的主要能力评估手段。该文首先详细介绍了认知诊断的概念、历史发展以及研究现状,之后聚焦4个具有代表性的认知诊断模型:项目反应理论、多维项目反应理论、DINA模型以及神经认知诊断模型,详细介绍了它们的理论基础、模型结构以及训练方式,并基于经典的认知诊断数据集ASSISTments 2009-2010 Skill-builder data的346 860条样本,对4个模型的认知准确度和模型的可解释性分别进行了比较分析。经过比较分析,发现神经认知诊断模型与其他认知诊断模型相比不仅具有更好的认知准确度,而且具备高度的可解释性。此外,通过调研和实践总结出了4个认知诊断模型在现代智慧教育下的不同适用场景,为认知诊断研究提供了新视角。

用于态势估计的一种构造贝叶斯网络参数的方法

根据态势估计的特点和要求,采用Leaky noisy-or gate模型的方法构造,并将其应用于整个贝叶斯网络中。该方法以离散变量集为研究对象,由于满足构成Leaky noisy-or gate模型的条件,能够利用部分统计信息构造节点的网络参数。文中利用相关的贝叶斯网络推理软件进行了实验。实验结果表明,使用Leaky noisy-or gate模型的方法,对网络参数进行构造是可行的。

离散噪声图像的光斑质心算法及其硬件实现

针对现有的光斑质心算法无法直接处理含有离散噪声点的图像,提出一种不依赖去噪预处理和噪声点剔除后处理,本身具有抗单点噪声能力的光斑质心定位算法,并通过现场可编程门阵列(FPGA)实现了该算法。首先分别标记背景像素、噪声像素和光斑像素;然后通过对相邻像素标记的判断,完成对当前像素的标记;同时对属于同一光斑的像素进行质心参数累加,但不累加和存储判断为真正噪声点的像素。与现有方法相比,该方法能够充分利用FPGA的并行处理能力,在图像像素输出的同时完成光斑质心提取和噪声点像素去除,而且不需要存储预处理图像和噪声点像素,节省了存储空间。该方法为由于图像传感器长时间曝光而引起的高亮度离散噪声光斑图像的处理提供了有效的途径。

影响AHM与DINA诊断准确率的因素研究

对属性层级模型(AHM)和确定性输入、噪声"与"门模型(DINA)2个认知诊断模型,讨论不同因素对判准率的影响.实验表明,含有可达阵的测验比不含可达阵的测验判准率高.对于线型结构测验长度达到一定值以后,增加测验长度对诊断准确率的改进不大.虽然总体而言,DINA分类准确性要优于AHM,属性结构紧密度越大,判准率越高;但是AHM估计结果符合属性层级结构,而DINA估计结果却可能违背属性层级关系,这和2011年De Carlo的发现不相同.

认知诊断测验的属性分类一致性和分类准确性指标

分类一致性和分类准确性是衡量考试信效度的两个重要评价指标。基于项目反应理论下分类一致性和分类准确性指标,提出认知诊断测验的属性(模式)分类一致性和分类准确性指标,讨论分类一致性指标、分类准确性指标与属性估计误差之间的关系,并由属性掌握概率的估计标准误推导出属性分类准确性的上限。结果显示:属性(模式)分类一致性可准确估计重测一致性;分类准确性指标计算简单,可准确估计认知诊断测验的判准率。

不同因素对认知诊断DINO模型诊断准确率的影响

本文探究不同因素对确定性输入噪声"或"门模型(DINO)判准率的影响。模拟实验表明:DINO模型更适用于离散型属性层级结构;测验长度的合理增加有助于提高诊断的准确率;DINO模型对属性层级结构不敏感;认知属性个数的增加会降低DINO模型的诊断准确率,实际应用中建议认知属性个数控制在6个以下。

基于动态贝叶斯网络的地铁隧道施工风险评估

近年来中国地铁隧道建设发展迅速,然而地铁施工事故频繁发生。针对施工过程中风险随时间的演变,提出基于动态贝叶斯网络(DBN)和模糊综合评价法(FCEM)的地铁隧道施工动态风险评估方法,结合沉降监测数据进行地铁隧道下穿既有建筑物的风险实时动态评估。该方法通过施工环境、施工技术、施工机械、施工管理4方面共12个风险因素与施工风险间的因果关系,建立地铁隧道施工风险DBN模型,预测施工过程风险发生概率的动态变化;根据施工实测的累计沉降值和沉降变形速率反馈DBN模型,更新动态风险概率评估结果;基于FCEM评估地铁隧道施工风险损失,并计算施工动态风险值。以北京地铁14号线地铁盾构施工下穿工程为案例验证方法的合理性,结果表明该方法结合监测数据的动态风险评估结果能较好地反映实际施工过程中的突发风险事件。

基于贝叶斯网络的气井井筒完整性风险评价

井筒完整性失效是气井生产中的主要风险,为有效评价井筒完整性风险,应用贝叶斯网络的推理与学习能力,建立了基于贝叶斯网络和Noisy-OR gate模型的井筒完整性失效概率计算方法和风险评价模型。由故障树分析将井筒分为管柱、水泥环密封性、井口装置、水力屏障和其他部件5个评价单元,确定了各单元的主要风险因素,建立了井筒完整性失效的贝叶斯网络拓扑结构;由Noisy-OR gate模型和历史数据,确定了贝叶斯网络的条件概率参数;将基于贝叶斯网络的失效概率与层次分析法相结合,确定了风险评价指标和等级划分标准;建立了气井井筒完整性风险评价方法。结果表明,该方法实现了井筒完整性失效概率的定量计算、风险的定量评价和主要风险因素的反向推理,可为预防和控制井筒完整性失效提供决策依据,有助于降低井筒完整性失效风险。

基于NGBN和FCEM的复杂环境隧道施工风险评估

为了更全面准确地解决复杂环境隧道施工风险评估难的问题,基于Noisy⁃or Gate模型、贝叶斯网络和模糊理论,依托张家界市西部旅游通道杨家界大道隧道工程进行施工风险评估。首先,识别了包括施工技术、机械、材料、环境及管理5方面共18个风险因素,构建了复杂环境隧道施工风险评价指标体系;其次,通过Noisy⁃or gate模型确定网络参数建立BN模型,并基于FCEM评估隧道施工风险损失;最后,计算施工风险值。结果表明,所构建的复杂环境隧道施工风险评估模型符合施工实际,能较好指导重难点工程施工。

基于SDAE和GRUNN的行星齿轮故障识别

针对噪声环境和时变转速工况下行星齿轮故障识别率低的问题,提出一种基于堆叠消噪自动编码器(SDAE)和门控循环单元神经网络(GRUNN)的行星齿轮故障识别方法。构建基于SDAE和GRUNN的混合模型,处理前后关联的时序数据,自动地从含噪样本中提取鲁棒故障特征;将行星齿轮故障诊断的训练样本看作该混合模型的输入数据,采用Adam优化算法和dropout技术训练该混合模型,实现多参数的优化,防止过拟合现象的发生;根据训练后的混合模型,利用softmax分类器识别待诊样本中行星齿轮的状态。通过行星齿轮的故障识别实验验证该方法的有效性,实验结果表明该方法具有较强的抗噪能力和时变转速适应能力。