基于HCPN的复杂BPMN协作模型数据流建模与验证

为了保证复杂BPMN协作模型的正确性,不仅要涵盖多实例和子进程等复杂元素,还要在检测控制流错误的同时检测数据流错误。但业务流程建模标注(BPMN 2.0)缺乏形式化语义的描述,这对模型正确性的验证造成了阻碍。因此,给出了一种具有弧权重的层次化着色Petri网(HCPN)的定义,它既可以对数据流进行形式化表示,又可以对多实例和子进程结构进行建模。进一步提出了从BPMN协作模型到HCPN模型的形式化映射方法。然后基于HCPN模型的弧权重给出了缺失、丢失和冗余3种数据流错误的定义,并提出了对应的检测算法。最后,设计了一个自动化建模与验证的框架,通过一个案例研究说明了该方法的有效性。

投保人高损失区间存在净损失约束的最优保险设计

在不完全保险情形下,投保人通常期望出险后能够获得保险公司足够的赔偿而将自己的实际损失控制在一定的范围内。为了满足这类投保人的需求,本文引入了投保人的净损失约束,研究在该约束下投保人的最优保险问题。研究表明:如果Arrow模型的解满足该约束,本模型的解与Arrow模型解一致,最优保单是有且仅有一个免赔额的部分保险契约,否则最优保单将存在两个免赔额。投保人效用最优时,本模型在应对高损时所提供的赔付水平始终不低于Arrow模型,而本模型在应对低损时对于IARA(DARA/CARA)型投保人所提供的赔付水平依次要低于(高于/等于)Arrow模型。此外,投保人的期望效用将随着其净损失上限的提高而逐渐增大,直到Arrow模型的解满足该约束时其效用达到最大。

基于选择性自校正卷积U-Net的肺部X射线图像肺实质分割

针对U-Net分割算法无法提取多尺度特征、易受到伪影和噪声干扰而导致在肺部X射线图像中肺实质分割不精确的问题,提出一种基于选择性自校正卷积的U-Net改进算法。改进后的U-Net算法将普通卷积模块替换为选择性自校正卷积模块,该模块采用多分支结构提取多尺度特征信息,使用Sigmoid函数和Softmax函数对多尺度特征信息进行选择性校正,使校正后的特征信息聚焦于肺实质区域,输出特征更加具有针对性。实验表明,该方法对骰子系数、交并比、F_(1)评分结果以及对肺实质分割结果都有一定程度的提升。

公路交通应急处置装备调度过程研究

突发事件下公路交通应急装备调度能力是各级应急装备储备机构应急能力综合效能的重要体现,持续优化装备储备机构应急装备的调度工作流程、构建高效、适用的装备调度管理方案具有重要意义。本文基于当前公路交通应急装备调度情形与一般流程,明确了日常与应急状态下应急装备调配特征差异,结合行业实际装备调度工作经验,梳理了应急装备在日常与应急时具体的工作流程,构建了基于Petri网的应急装备调配流程形式化模型,以装备调度时效为目标,优化形成了面向公路交通应急储备中心运行的应急装备高效调度流程。

基于SLA-UNet的海水网箱养殖信息提取

网箱养殖是海水养殖中最重要的类型之一,各类网箱在遥感影像中形状不一,且背景复杂,以往的网箱提取方法,未能完全模拟人类的视觉行为,以及高效利用光谱信息。针对上述问题,提出深度多循环注意力光谱的U-Net网络模型(Spectral Loopy Attention U-Net,SLA-UNet)进行网箱养殖信息提取,使用基于最优尺度寻优(Estimation of Scale Parameter,ESP)的随机森林(Random Forest,RF)算法,去除波段运算后的冗余光谱信息,并添加类似人眼的注意力行为机制,深化影响网箱信息提取的重要特征通道,同时进行边缘补齐补充损失信息,实现了网箱养殖信息的高精度提取。选取广东省湛江市和海南省临高县作为研究区域,与Canny算子、Otsu算法、PCA_Kmeans算法、基于ESP的RF算法、U-Net模型提取结果进行对比,所提SLA-UNet模型近岸网箱的提取精度为98.3%,深海网箱提取精度平均值为98.9%,验证了SLA-UNet模型在网箱养殖识别中的有效性。

基于带抑制弧的Petri网描述的嵌入式系统模型组合与性质分析

为了有效满足嵌入式系统的建模需求,提出基于带抑制弧的Petri网描述的嵌入式系统模型(PIRES+网)。当采用PIRES+网对大规模复杂嵌入式系统进行建模时,会遇到“状态空间爆炸”问题,为了有效缓解该问题,提出PIRES+网的两种组合方法;就组合网对活性和有界性的保持问题进行研究,最后以移动终端网络通信系统的建模和分析为例,表明了所提组合方法的有效性。

矿井电气设备故障响应建模及优化

构建矿井下电气设备故障响应模型.建立矿井下电气设备故障响应模型,增添若干个相关库所和变迁,合理调整模型中的行为轮廓与流程,优化矿井下电气设备故障响应模型.PIPE仿真软件的仿真结果显示,此模型可靠且有效.

变电站变压器监测系统的研究

电力变电站是电力系统的核心组成部分,而变压器作为关键的电力设备,其运行状态对电网的稳定性和可靠性起着至关重要的作用。然而,变压器故障可能导致电力系统的严重问题,不仅影响电力供应的连续性,还可能对环境造成损害。因此,建立一套有效的监测系统,能够实时检测变压器的运行状况并预测潜在故障,对维护电力系统的安全和可靠性至关重要。研究首先利用Petri网建立传统变电站变压器监测系统的模型,然后分析其中存在的问题,通过增加相关库所和变迁,重新设计一个优化后的监测系统模型,这一模型允许更快速的故障诊断和更精准的运行状态监测,从而提高电力系统的可靠性。最后,在PIPE仿真软件中对优化后的模型进行实验仿真,验证此优化后模型的可靠性和有效性。

刚度差异桩组合桩网结构路基承载特性

刚度差异桩组合桩网结构路基因具有工后沉降小、经济效益好的优点而被广泛应用于铁道工程。与传统桩承结构路基相比,该结构桩土协同工作规律更为复杂,为研究其承载特性和土体沉降变化规律,通过室内模型试验和数值计算分析刚度差异桩组合桩网结构路基在静力荷载下的桩身应力、桩土应力比、格栅应力、桩侧摩阻力和土体沉降变化特点。结果表明:刚、柔性桩的承载力主要由侧摩阻力提供;刚性桩的桩土应力比随上部荷载增加呈先增长后稳定趋势,荷载在路基中沿中心桩体向边缘桩体传递,并沿路堤行车方向朝路堤横断面方向扩散;土工格栅和碎石加筋垫层共同工作,协调荷载进行再分配,均衡路基应力分布;路基中心排桩沿横断面方向的土体沉降近似呈盆状分布,刚性桩控制路基土体变形和沉降的性状明显优于柔性桩;选择性布置刚度较大长桩可减小路基沉降量。

一种分层模糊Petri网风险评估方法

针对传统模糊Petri网在对不确定环境下的专家系统的知识表示与推理时无法兼顾不确定知识的模糊性与随机性、在复杂的故障情况下故障的因果关系表达不清晰、定量推理计算时缺乏层次性、不能局部求解的问题,构建一种基于云模型的分层模糊Petri网以加强模糊Petri网的知识表示能力和提高推理过程的计算效率。利用专家知识和Petri网层次分解原则将系统故障模式和故障原因之间的因果关系进行建模,使故障建模更具结构性,计算更加灵活;应用云模型处理知识的模糊性和不确定性;通过合理考虑局部权重和全局权重,结合Petri网层次分解原则和云聚合算子给出相应的推理算法。实例验证表明,所提方法能够有效对系统进行风险评估,且在知识表示和推理方面优于其他方法。

一类斑块捕食扩散模型的动力学分析

研究了一类斑块环境下的捕食模型,其食饵种群及捕食者种群均可扩散,得到了模型的净再生数.讨论了两个斑块模型下净再生数与扩散率、捕食转化率、捕食者死亡率之间的关系.

智慧城市时空大数据平台建设与实践——以宜兴市为例

在新一代信息技术与城市现代化的深度融合下,智慧城市的建设显得尤为重要。城市时空大数据平台是智慧城市的基础支撑。目前的智慧城市普遍存在时空数据单一、数据更新周期长、信息孤岛现象严重等问题。智慧宜兴时空大数据平台建设项目构建统一的时空基准,将各类信息资源集中于一体,引入基于HMM模型的中文地名地址引擎构建技术,并提出一种基于深度学习的电子地图快速更新方法。该平台可为用户提供大量的时空数据和分析服务,具有明显的社会效益和推广价值,为创建“智慧宜兴”奠定了坚实的基础。

三峡库区消落带植被NPP估算——基于机器学习优化CASA模型

三峡库区蓄水后,其生态效应受到广泛关注。消落带植被固碳量作为衡量库区生态系统健康状态的重要指标,对库区碳循环与生态净化具有重要意义。针对消落带不同高程植被接受光照的时间有所差异,且受河流水位变化影响,传统的CASA模型在计算消落带植被固碳量时,存在对植物的光能利用率计算不够精确等问题。以三峡库区香溪河陡坡消落带为研究区域,提出了一种耦合RBFNN模型(Radial Basis Function Neural Network)与CASA模型(Carnegie-Ames-Stanford approach)的新方法(RBF-CASA)。基于RBFNN建立环境影响因子模型,借助高程数据及植被指数等特征计算适合消落带区域的环境影响因子。结合CASA模型中温度和水分胁迫因子,提高植被在像元尺度上的净初级生产力(Net Primary Productivity,NPP)的估算精度,并对反演结果进行验证。模型验证结果显示:RBF-CASA模型估算值与观测值的决定系数(Coefficient of determination,R^(2))为0.730(P<0.01,n=32)。对比原始CASA模型,平均绝对误差(Mean absolute error,MAE)降低10.991,均方根误差(Root mean square error,RMSE)降低了23.861,相对均方根误差(Relative root mean square error,RRMSE)降低5.10%,平均绝对百分误差(Mean absolute percentage error,MAPE)降低1.12%。使用提出的RBF-CASA模型在库区水位落干期(7—8月份)进行固碳量估算,结果表明:NPP月均值在66.234—134.144g C/m^(2)之间,NPP随着高程的增加呈现起伏变化,其总量在150—155m之间达到峰值,均值在170m以上区域最高。在2021年9月植被NPP均值为35.883g C/m^(2),2022年9月植被NPP均值为25.964g C/m^(2),由于降雨量减少、长江水位下降,在2021—2022年间植被恢复情况较差。研究结果可为库区碳循环、生态净化及生态修复等决策提供科学依据。

基于改进CASA模型的陕西省植被NPP遥感估算

[目的]探究陕西省陆地生态系统植被群落生产状况,分析陕西省植被NPP时空格局变化及影响因素,为准确评估陕西省陆地生态系统碳源/汇,实现区域生态可持续发展,达成碳中和目标提供参考依据。[方法]基于温度—植被干旱指数(Temperature Vegetation Dryness Index, TVDI)对CASA(Carnegie-Ames-Stanford Approach)模型水分胁迫因子进行改进,从而估算陕西省2010—2020年植被NPP,并利用热点分析法、趋势分析法以及地理探测器对陕西省植被NPP进行空间分布格局、年际变化趋势和驱动因子研究。[结果](1)陕西省NPP空间分布呈现南高北低、冷热点区域差异明显的特征;(2)陕西省2010—2020年NPP平均值介于331.02~416.34 gC/(m^(2)·a),NPP均值在100~600 gC/(m^(2)·a)占比最大,最低值和最高值区间占比不足20%;(3)全省2010—2020年83.3%的面积植被NPP值无显著变化,4.2%的面积呈增加状态,12.5%的面积NPP值呈下降趋势;(4)降水是陕西省植被NPP变化的单因子主导驱动力,太阳辐射量及土地利用类型交互作用下对NPP变化解释力更强。[结论]基于TVDI改进的CASA模型能够有效量化区域植被NPP,且陕西省植被NPP南北分布差异明显,降水、土地利用类型及太阳辐射量是其主要影响因子。

基于改进SqueezeNet算法的VBE设备电路板元件失效识别研究

在直流输电系统中,换流阀阀基电子VBE(valve base electronics)设备的稳定运作对维护直流系统安全至关重要。传统的阀基电子设备电路板(VBE板)元件失效检测方法依赖于耗时的人工检查或基于规则的自动化系统,这些方法通常检测效率低下且准确性有限。针对该问题,提出一种基于改进的SqueezeNet深度学习模型的VBE板元件失效区域识别方法。通过引入深度可分离卷积和残差连接,所提改进SqueezeNet模型旨在提高元件失效检测的准确性,同时降低计算资源的需求。在VBE板元件失效数据集上的实验结果表明,所提方法在元件失效检测准确率和运算效率方面均优于传统方法和标准SqueezeNet模型,准确率达到了95.27%,比原模型高出4.45%。不仅提升了VBE板元件失效检测的效率和准确性,而且为电力系统中类似设备的元件失效诊断提供了新的技术参考。

基于CLPN的系统安全性分析方法

随着安全性攸关系统的智能化、自动化发展,系统规模和复杂度急剧增加,传统基于链式/树式安全性因果模型的安全性分析方法在非线性致危因素、非失效致危因素分析方面存在很大的局限性,现代基于系统理论的安全性因果模型虽然在航空航天、核电能源等多个领域得到有效性验证,但目前该类方法尚缺乏严格统一的分析步骤和自动化分析工具。为此,提出复杂系统控制过程的建模工具——控制逻辑Petri网(CLPN),对控制过程中的活动及其之间的交互影响关系进行形式化描述,并对系统CLPN模型的可达图进行失效扩展,在不影响安全性分析的前提下尽量避免因失效事件建模造成的分析模型规模激增。基于CLPN模型,以系统理论事故模型与过程(STAMP)系统安全性因果模型危险因素分类为标准,在可达性分析的基础上对作为系统致危因素的危险控制活动进行探索,实现系统安全性的自动化分析。最后,通过实例分析和方法对比,对所提方法的可用性和有效性进行验证。实验结果表明,基于CLPN的系统安全性分析方法在结果完备性和分析效率方面具有较大的优势。

基于改进V-Net的颅内出血病灶分割算法

针对颅内出血病灶分割不精确问题提出一种改进V-Net算法。用深度可分离卷积去替换普通卷积,加快模型训练速度。在编码器和解码器中分别加入通道注意力机制和混合注意力机制。通过引入SE模块和CBAM模块,强化原始网络的特征提取能力以及自适应调整特征图中不同通道之间的权重,提高模型的性能表现。对比实验结果表明,改进后的V-Net分割评价指标DSC达到0.732,比原始V-Net提升4.4%。

一种改进ROI模型的舌体红外信息研究

舌诊是中医望诊的重要手段,同时,温度与人体的健康息息相关。为了研究舌面的脏腑功能定位及舌象温度关系的反映,论文提出了一种红外技术的感兴趣区域(region of interest, ROI)模型研究方法。首先,利用葛立恒扫描法和Bezier曲线对多边形ROI模型进行改进;然后,借助U-Net分割网络将提取出的温度信息进行训练与学习,从而做到批量处理舌体温度信息;最后,利用HSV色彩模型进行3D可视化,达成舌象温度分区的可视化研究。此外,为了验证该方法的准确性,实验还对模型截取出的舌体进行了评价指标验证,准确度可以达到0.991 1,分割效果极佳。研究表明:改进后的红外信息提取技术既能直观地观察到舌体的分区状况,也可以完整保留舌体的信息变化,为中医的数据化提供了完整可行性方案。实现了舌体红外信息数据的提取与中医诊断技术的有机结合。解决了中医一体化望诊的舌体信息完整性及准确性问题。

融合全局上下文的近岸养殖池塘提取算法

针对现有方法对于养殖池塘和干扰地物的区分效果不足,在多源高分辨率遥感影像上的普适性有待验证等问题,提出一种融合全局上下文信息的PG-Unet养殖池塘提取模型.该模型在U-Net的基础上,通过增加金字塔特征提取单元来捕捉丰富的全局上下文信息,增加全局引导流来改善不同级别特征图的质量,提升模型在多干扰地物环境定位目标的能力.在GF-2 PMS和BJ-2 PMS数据集上的实验结果表明,PG-Unet模型精度最优,其IoU和F_(1)分数分别达到92.30%、96.00%和92.07%、95.87%,优于U-Net、DensenetUnet和U2Net等方法,具有更强的抗干扰能力和普适性,能更好地区分养殖池塘和干扰地物;同时,PG-Unet模型在诏安湾养殖区域应用也取得了较高的提取精度,能够实现大范围养殖池塘空间分布信息自动精准提取.

基于图像序列分析的城市道路交通事故预测

为进一步提高路网交通事故预测的准确性,本文提出一种基于图像序列分析的短时交通事故预测方法。首先,使用过采样方法对微信小程序采集的交通事故数据进行插值处理,来消除事故数据内部大范围零值对模型训练准确性的影响;并将其与路网的流量数据及与引发事故相关的属性数据进行融合,得到稳定的时间序列作为模型的输入数据。然后,构建一个具有密集连接卷积的双向ConvLSTM U-Net(BCDU-Net)模型。该模型结合了一组双向ConvLSTM结构,将编码层和解码层的特征进行融合,以更全面地捕捉序列数据中的时空相关性。同时,模型还采用密集连接卷积结构,使特征图在深度方向上相互拼接,确保每一层都能够直接从损失函数中访问梯度。最后,通过将预测结果与实际交通事故数据的比较评价了模型的性能。结果表明,本文模型的预测结果相比全连接长短期记忆网络(FC-LSTM)模型,卷积长短期记忆网络(ConvLSTM)模型和U-Net模型,交叉熵损失函数分别降低了65.96%、15.70%和3.47%,均方根误差分别降低了21.48%、3.13%和1.71%,精确度分别增加了75.06%、11.82%和3.08%。说明本文所提出的方法在预测城市道路交通事故时具有更好的性能。