基于Kriging和长短期记忆网络的风电功率预测方法

为提高风电功率预测的精确度,提出一种基于Kriging和长短期记忆网络的风电功率组合预测模型。首先,将风速、风向、空气密度、转速、偏航角和桨距角作为输入向量,并利用偏互信息理论对这些向量进行加权处理,建立基于Kriging的风电功率线性分量预测模型。然后,将预测出的线性分量加前述加权监测量作为输入,使用长短期记忆网络预测出功率的非线性分量。最后,将两者的预测结果相结合,得出风电功率的最终预测值。实例结果表明,该模型能够利用Kriging和长短期记忆网络的优势,预测性能指标得到提高。

基于贝叶斯原理的多维Spike Train分类预测模型

神经元集群编码和spike train分析是神经信息处理的关键问题。该文介绍了一种利用高阶多维泊松模型对spike train进行分类预测的方法,并从spike的强度分布、匹配准确性和集成策略上进行了数学论证。最后利用该方法在大鼠U迷宫实验中选取20组作为训练集进行分类测试,实验结果表明,利用该方法得到的分类准确率在97%左右。

基于MIC和改进Bagging-GPR的刀具磨损预测

为实现刀具磨损的准确预测,对加工过程的换刀和参数优化提供指导,提出一种基于最大信息系数(MIC)和改进的Bagging集成高斯过程回归(Bagging-GPR)的刀具磨损预测方法,建立切削力信号与刀具磨损间的非线性映射关系。采集加工的切削力信号,运用时域、小波包分解和经验模态分解提取切削力信号特征,并利用MIC分析特征与刀具磨损的相关度来实现特征选择,避免预测模型的“维数灾难”。为提高预测模型的精度,考虑高斯子模型内部核函数的差异性及准确性,利用Bagging对高斯核函数进行随机组合,作为各子模型的核函数,构建改进的Bagging-GPR模型实现刀具磨损值预测,并基于铣削实验数据验证了所提方法的有效性和优异性。

基于MapInfo的分布式预测图形仿真系统设计

针对地图信息系统输出图形坐标系分布不均问题,设计基于MapInfo的分布式预测图形仿真系统,实现可视化地图信息输出。设置控制点坐标,根据虚拟环境的地图数据构建三维模型,通过AutoCAD程序动态地生成电子地图。采用图层控制技术自动跟踪地图的空间坐标,在MapInfo中显示栅格地图,将各种地图信息数据通过程序加载模块实现数据在线调度,自动生成地图信息,实现分布式预测图形仿真系统的优化设计。仿真结果表明,采用该系统进行地理图形仿真系统设计,输出图形的坐标系分布准确,显示地图信息的准确度较高,图形的自动跟踪性能较好。

多用户复杂网络信息流短时预测方法

当前的多用户复杂网络信息流短时预测模型多为单一结构,预测的范围较小,为此提出多用户复杂网络信息流短时预测方法。根据实时的信息流预测需求及标准的变化,设定最大预测误差范围,采用多阶的方式构建多阶短时预测模型,建立短时模糊预测流程,构建多用户复杂网络信息流短时预测模型,采用自适应修正处理,实现信息流预测。测试结果表明,设计方法的信息流的短时预测F值均可以达到0.95以上,表明该方法的泛化能力与针对性均得到增强,可以大范围地精准预测信息流。

基于知识与AW-ESN融合的烧结过程FeO含量预测

氧化亚铁(FeO)含量是衡量烧结矿强度和还原性的重要指标,烧结过程FeO含量的实时准确预测对于提升烧结质量、优化烧结工艺具有重要意义.然而烧结过程热状态参数缺失、过程参数波动频繁给FeO含量的高精度预测带来巨大的挑战,为此,提出一种基于知识与变权重回声状态网络融合(Fusion of data-knowledge and adaptive weight echo state network, DK-AWESN)的烧结过程FeO含量预测方法.首先,针对烧结过程热状态参数缺失的问题,建立烧结料层最高温度分布模型,实现基于料层温度分布特征的FeO含量等级划分;其次,针对烧结过程参数波动频繁的问题,提出基于核函数高维映射的多尺度数据配准方法,有效抑制离群点的影响,提升建模数据的质量;最后,针对烧结过程数据驱动模型缺乏机理认知致使模型预测精度不高的问题,将过程数据中提取得到的FeO含量等级知识与AW-ESN (Adaptive weight echo state network)结合,建立DK-AWESN模型,有效提升复杂工况下FeO含量的预测精度.现场工业数据试验表明,所提方法能实时准确地预测烧结过程FeO含量,为烧结过程的智能化调控提供实时有效的FeO含量反馈信息.

基于信息分形的行人轨迹预测方法

行人轨迹预测应用十分广泛,比如自动驾驶、机器人导航等。在轨迹预测中,一些不确定信息给轨迹预测任务带来了挑战,比如判别器中对轨迹信息判别的不确定,复杂的交互信息。在不确定信息处理科学领域,信息分形能有效处理不确定信息的不确定性和复杂性。受此启发,为了充分处理判别器中轨迹信息判别的不确定性,提升预测精度,该文提出了基于信息分形的轨迹预测方法。首先,场景信息和历史轨迹信息被特征提取模块提取。然后,通过注意力模块获取到场景-行人之间的交互信息与行人-行人之间的交互信息。最后基于生成对抗网络和信息分形生成合理的轨迹。在两个公共数据集ETH/UCY上实验表明,该方法能有效处理轨迹信息的不确定性,提高轨迹预测的精度。比如突然转弯、从后方超越前人、避让等行为的轨迹都能有效预测。在平均位移误差(ADE)和终点位移误差(FDE)上相比基准模型误差平均降低了11.11%和23.48%。

融合异构信息的自动国际疾病分类编码方法

针对自动国际疾病分类(ICD)编码中医学电子健康记录(EHR)的结构多样性以及编码间复杂的关联关系等特点,提出一种融合异构信息的自动ICD编码方法AIC-HI(Automatic ICD Coding integrating Heterogeneous Information)。首先,针对编码任务中结构化编码、半结构化描述、非结构化医学文本这3种异构数据的不同特性设计了多种特征提取器;其次,构建编码知识图谱拟合编码的层次结构关系,将不同分支间关联关系转化为包含头尾编码的三元组;再次,运用表征学习融合编码和描述信息计算标签特征;最后,通过注意力机制提取在非结构化文档中与编码标签最为相关的特征表示。实验结果表明,与次优的基线模型MARN(Multitask bAlanced and Recalibrated Network)相比,AIC-HI在真实临床数据集MIMIC-Ⅲ上所有编码的微观F1值提升了4.3个百分点。

一种基于联合预测的简历实体识别方法

目前个人简历实体类型繁多,大量平面实体和嵌套实体交错在简历中,对实体识别产生了不小的负面影响。为此,设计了一种联合预测的命名实体识别框架。首先,利用预训练模型Mengzi-BERT进行上下文的词嵌入表示。为了充分利用预训练模型提取的特征,先对网络深度进行压缩,放大卷积层感受野,并且融合了自注意力机制,然后设计了一个新的命名实体识别模型TPDCA(triple layers progressive dilated convolutional neural network-attention)。其次,为防止实体之间跨度过大、简历实体嵌套等问题,设计了全新的基于Biaffine双仿射注意力机制的局部关系实体识别模型BCN(biaffine-based local relationship capture network)。最后,通过分别调整TPDCA模型和BCN局部关系识别模型的预测权重进行联合预测,构成Mengzi-TPDCA-CRF-BCN联合预测框架,获得了综合表现最佳的实体识别结果。这样设计避免了模型丢失实体间长距离依赖关系,降低了平面实体和嵌套实体相互交错对预测的负面影响,解决了实体类型间的高耦合度影响识别任务的问题。该模型与现行主流方法相比各评价指标提升了3%,有效地解决了简历实体类型间耦合度高,实体间跨度大的实际问题。

言语加工过程中预测的形成:影响因素和神经机制

预测性加工是指在词汇语义加工之前进行有效地预测形成预测性认知。预测性认知形成有两个主要影响因素:先验知识和语境信息。两个因素对预测性认知形成共同作用,相互促进。已形成的预测性认知在后续语义加工过程中还会发生相应的改变。本文梳理了能够解释预测性认知形成的理论并探讨了预测性认知形成的神经机制。最后从性别因素、语境信息呈现的时间、语境信息的唤醒度、自变量的控制等方面对未来研究进行了展望。

基于大数据分析的网络信息安全态势预测方法

网络中存在着各种恶意攻击,会导致用户个人信息的泄露,威胁用户的网络安全。为此,提出基于大数据分析的网络信息安全态势预测方法。采集网络安全数据信息,通过关联分析对其进行归一化处理,以此计算每项安全措施的风险值。在网络安全事件风险值的基础上,结合大数据分析计算网络安全态势的预测值,从而实现基于大数据分析的网络信息安全态势预测。实验结果表明,所提方法的平均网络信息安全态势预测时间仅为22.117 s,说明所提方法能够提高网络信息安全态势预测效率。

刮板输送装备数据信息采集与处理系统设计

针对矿用刮板输送装备对传动系统和冷却系统温度、压力、振动等参数实时监控、故障判断、潜在风险预判提醒的实际需要,以RK3568作为核心处理器,设计了刮板输送装备数据信息采集与处理系统。该系统主要涉及数据信息可靠采集、表征数据提取、多信息融合的潜在风险预判模型及历史数据存储等内容,为全生命周期刮板输送装备研究奠定了基础。

基于动态递归长短期记忆神经网络的光伏功率预测模型研究

天气过程相关性对光伏发电功率预测精度产生了较大影响,为此提出一种基于动态递归长短期记忆神经网络的光伏功率预测模型。首先通过动态提取气象因素特征进行模型训练,以捕捉光伏电站在周期性和波动性特征下的过程性气象变化为目标,进行建模;然后由双向递归神经网络和改进长短期递归神经网络构成有效的信息流动和状态更新机制,修正过程性气象因素的影响,输出光伏预测功率;最后采用历史运行数据进行仿真验证。试验结果表明,所提方法相较于传统方法,预测结果的平均绝对误差和均方根误差显著减小,证实了所提方法的精度优势,能较好地满足光伏功率预测的精度需求。

模糊预测控制原理及其实现方法

模糊预测控制是近十几年发展起来的一类新型控制算法 ,是模糊控制与预测控制相结合的产物 .本文从过程预测信息处理和模糊决策优化两个大方面 。

基于状态预测的多智能体动态协作算法

针对复杂动态环境下的多智能体协作问题,提出基于信息处理和状态预测的优化动态协作算法。充分考虑其它智能体对环境的影响,采用重要度函数和信息处理方法,对协作所需信息进行筛选和处理。通过引入状态预测算法,在多智能体动态协作过程中对智能体的行为和系统的状态进行预测,以实现协作结构的在线调整,使得多智能体能在内部以新的控制任务或新的平衡状态为目标,进行联合行动的动态协作。通过在典型的复杂动态MAS研究平台——机器人救援仿真比赛系统中应用,验证了该算法的有效性。

基于信息融合的矿井底板突水预测

针对传统水害预测方法的不足,将信息融合技术引入到传统的煤矿产业中,在分析底板突水各影响因素的基础上,利用先验信息构建预测模型,通过信息融合对预测区的安全状况作出科学判断,最后得出预测结果评价图.结合某矿区实际突水预测对该方法进行了检验,初步证明了该方法的有效性和可靠性.

东昆仑—阿尔金地区遥感地质解译与成矿预测

通过提取遥感找矿地质异常信息,从宏观和多角度预测矿床存在的有利区域。以东昆仑—阿尔金地区为例,通过运用影像纠正、假彩色合成与彩色空间变换、图像增强处理(比值、主成分分析等)、掩膜处理、数据融合以及遥感异常信息多层次筛选技术、影像镶嵌、地质信息综合分析等方法,提取与成(控)矿作用相关的蚀变异常信息和构造信息,确定了基于蚀变异常与线环构造信息的典型矿物遥感找矿模型,并结合多源信息对东昆仑—阿尔金地区进行了成矿预测。

高光谱数据处理及在铀资源勘查中的应用——以广西苗儿山地区为例

以广西苗儿山地区机载成像细分红外高光谱数据为例，探讨了高光谱数据的特点及其处理方法。编制了一系列数据预处理软件，对图像进行了条带去除、波段间配准、航向压缩、镜向变换、辐射校正、正切校正、相对反射率转换等预处理，获得了高质量图像； 在 Ｅ Ｎ Ｖ Ｉ软件基础上建立了研究区野外实测光谱曲线库及分类子库，并对各子库进行了系统研究。同时，提出了正确的图像配准方案，对图像进行了精校正和镶嵌，取得了满意的效果； 在纯净像元提取、混合像元分解、匹配滤波、光谱特征拟合等方面进行了探索，提取了该区铀矿化的特征光谱信息； 最后，探讨了高光谱数据的地质应用潜力，尤其在硅化带识别方面的应用取得了成功，发现了一系列的新的含铀硅化断裂带，预测了三个成矿有利地段。经验证，其中两片地区的铀明显偏高并有矿化显示。

基于岩性预测的CRP道集优化处理

基于岩性预测的CRP道集优化处理主要针对道集保真度(动力学信息)进行补偿处理,尽可能挖掘宽角度信息,使资料的AVO特征符合抛物线规律,更好地适应Zoeppritz方程的应用条件,为通过叠前反演提取稳定的纵、横波速度和密度打下基础。基于岩性预测的CRP道集优化处理的主要内容涉及影响道集保真度、宽角度、信噪比和分辨率等4个方面的补偿性处理。它的质量控制手段是单点井控和平面相控。在保真度方面与炮检距相关的吸收补偿是重点,在宽角度方面大角度道集剩余时差补偿是重点,其中谱平衡吸收补偿技术和无速度剩余时差校正技术是两个现实可行的关键技术。

机加零件质量预测与工艺参数优化方法

为了有效利用机加零件工艺信息和检测信息,提出基于机器学习算法的质量预测与工艺参数优化方法.以集成工艺信息和检测信息的基于模型定义(MBD)模型为输入,通过对三维建模软件的二次开发实现参数提取,并建立结构化数据集.利用多种机器学习分类器构建基于工艺参数与质量分类标签的质量预测模型.结合信息增益算法对所有工艺参数进行优先级排序,筛选出对质量影响最大的工艺参数;开发质量预测与工艺参数优化工具集,利用梯度提升树模型优化对质量影响最大的工艺参数.以某航空企业提供的铣削实验数据验证所提出方法的有效性和可靠性.验证结果表明,该方法能够较好地实现机加零件的质量预测和工艺参数优化.