宁夏回族自治区碳捕集、利用与封存源汇匹配与集群部署

“双碳”(碳达峰、碳中和)战略背景下,碳捕集、利用与封存技术(CCUS)是实现化石能源大规模低碳化利用的关键技术之一。近年,CCUS技术呈现出规模化和集群化发展趋势,而科学、合理的源汇匹配是CCUS集群部署工程选址的重要依据,能够建立高效CO_(2)输运管网、降低减排成本。宁夏是国家能源安全战略布局的重要保障基地,能源结构偏煤、工业结构偏重特征明显,面临着巨大的碳减排压力。针对宁夏CCUS集群部署的源汇匹配问题,调研评估了宁夏工业碳排放源特征和地质碳汇潜力,构建了CCUS源汇匹配模型,在充分考虑源汇性质、捕集-输运-封存成本、CO_(2)运输距离、区域地理条件、土地利用类型、人口密度等因素基础上,应用改进的节约里程法和基于地理信息系统(GIS)的最低成本路径优化法,结合ArcGIS平台和优化求解软件,获得了宁夏CCUS源汇匹配优化和应用方案,并提出宁夏CCUS集群部署建议。结果表明,截止2021年,宁夏工业碳排放源107个,碳排放总量2.26亿t/a,以化工(含自备电厂)和电力行业碳排放为主。宁夏主要封存地质体包括深部咸水层、深部不可开采煤层和油气藏,CO_(2)理论地质封存容量151.55亿t,以深部咸水层封存潜力最大。宁夏CCUS源汇匹配效果较好,在源汇直接相连的情况下,区内年排放量10万t以上的大型工业排放源CCUS集群部署(30 a规划期)总成本约2.45万亿元,并以捕集成本为主,占比83.65%,单位减排成本402.32元/t,共需建设CO_(2)运输管道2 459 km;改进的节约里程法和基于GIS的最低成本路径优化法可大幅降低CCUS集群部署成本,优化后CCUS单位减排成本降至381.76元/t,节约管道建设里程938 km。宁夏应聚焦电力、化工等“两高”(高耗能、高排放)行业,在以宁东能源化工基地为重点的北部、东部地区超前应用CCUS技术,打造宁东能源化工基地、银川—吴忠、石嘴山、中卫和固原5个CCUS特色集群,构建宁夏特色的工程化CCUS全流程技术模式。

基于大数据聚类的通信网络安全态势预测技术

传统通信网络安全态势预测技术缺乏大数据支撑,难以对发生的攻击进行详细分类和追踪,导致在进行长时间的态势预测中收敛过慢,准确度降低.提出一种基于大数据聚类的通信网络安全态势预测技术.分析通信网络的属性以及特点,选择安全态势描述一级指标,将数据标准化处理之后,细分出二级指标;优化大数据聚类算法,计算最优聚类数量、确定聚类中心,建立关联规则库并优化预测流程,完成基于大数据聚类的通信网络安全态势预测技术的设计.通过实验结果表明,与两种传统的安全态势预测技术相比,设计的技术收敛速度更快,全体数据点没有出现残差扩散的现象,并且数据完整度较高.

优化聚类分簇结合自适应中继策略的双簇首WSNs路由算法

针对无线传感器网络中分簇路由算法节点能量利用率低、能量消耗不均匀等问题,提出了一种优化聚类分簇结合自适应中继策略的双簇首无线传感器网络路由算法.该算法对分簇路由协议中的三个阶段分别进行优化设计.成簇阶段,首先对双簇首模型下最优成簇规模与网络能耗的关系进行理论分析,然后使用改进的算术优化算法计算模糊C均值算法的初始聚类中心,提高了模糊C均值算法聚类成簇的准确率和鲁棒性.簇首选举阶段,引入双簇首策略,以节点的位置、能量和中心度为影响因子,根据承担任务的不同分别为内外簇首设计独立的簇首评价函数,以评价值为依据由节点分布式动态选举簇首减少了广播数量,同时可以将整个簇的能量负载平均分配到每个簇成员节点中.数据传输阶段,设置了多跳中继策略的距离适用条件,并以能量消耗速率为依据选择中继节点,避免了节点提前过载.仿真结果表明:在多种规模的网络中,该算法相较于对比算法在均衡网络负载、提高能量利用效率方面效果更好,从而延长了网络的有效感测时间.

国内智慧教育领域研究热点与趋势

近年来,智慧教育的兴起引起人们的广泛关注。本文以2013—2022年CSSCI数据库中关于智慧教育的572篇文献的高频关键词为原始数据,运用Bibexcel、Ucinet和SPSS软件对高频关键词数据进行共词分析、社会网络分析、多维尺度分析和聚类分析,揭示智慧教育领域的研究热点和发展趋势。研究结果显示智慧教育研究的热点主要体现在:教育信息化、教育现代化等政策、战略;智慧教育的内涵、特征、功能等;智慧教育的体系架构与智慧环境建设等;智慧教育的技术支撑及实践。本文还基于智慧教育研究现状,提出未来发展需要关注的四个方向。

基于船舶轨迹数据的几何航路网络建模方法

文中提出了一种基于船舶轨迹数据几何航路网络构建方法,通过选取符合条件的船舶轨迹特征点提取航路点区域,结合轨迹聚类与边界提取构建航路点区域的连接方法,建立几何航路网络.结果表明:该方法能够构建航行水域的几何航路网络.

基于喷泉码信息差异分簇的V2V协作数据分发方案

新兴车联网应用需要分发的数据量不断增加,车辆难以在一个RSU通信范围内收到完整数据,跨RSU通信完成率低,时效性差。针对此问题,提出一种基于喷泉码信息差异分簇的V2V协作数据分发方案。经过喷泉编码的数据由RSU广播;车辆通过XGBoots预测车速,以此计算V2V链路生存时间;链路可靠性和车辆的喷泉码信息差异构建引力模型来分簇,在簇内以V2V传输共享编码包,在保证完成率的前提下大幅降低数据分发延迟。仿真结果表明,与已有方案ECDS相比,对于不同大小的数据,该方案在保证完成率的基础上,平均时延降低了38%。

基于扇形链路策略的改进蚁群分簇路由协议

针对网络覆盖区域较大、节点数量较多的无线传感器网络,容易出现部分节点过早死亡等情况,提出一种基于扇形链路策略的改进蚁群分簇路由协议RACO-SL。通过加入奖惩因子,同时对精英个体采用蚁群优化算法的概率生成新的后代个体,对于普通个体,通过与随机选择的精英个体进行交叉变异操作,改进蚁群优化算法,以整个网络每次通信的能耗为优化目标选取较优的簇头节点集。为待转发簇头节点设计从可动态调节的扇形区域中选择下一跳中继节点的链路转发策略。实验结果表明,与现有协议相比,该协议在延长网络寿命、提高通信链路质量、增强网络覆盖度方面表现良好。

基于残差密集块的激光遥感图像中目标检测方法

为了提高对目标检测的效果,提出基于残差密集块的激光遥感图像中目标检测方法。首先,设计基于残差密集块的卷积神经网络,在设计ReLU激活函数并完成网络训练后,基于含噪激光遥感图像的初步特征提取结果,利用单个卷积展开卷积映射处理,抽取出潜在干净图像。然后,通过聚类处理的方式,得到激光遥感图像中车辆目标的显著图,再利用大律法,通过建立的特征比例关系的方式检测出其中的目标信息。实验结果表明,应用该方法有效滤除激光遥感图像中的噪声,并精准检测出激光遥感图像中的车辆目标。相比于3种传统方法,该方法检测结果均值误差的最小值仅为0.0156,说明该方法有效实现了设计预期。

基于局部密度聚类的WSN多Sink节点部署研究

针对无线传感器网络中传感器节点能量受限,网络生命周期短的问题,在考虑网络成本的情况下,提出一种基于节点局部密度聚类的多Sink节点优化部署算法。首先,基于多属性因子构建聚类决策函数确定Sink节点部署位置,完成传感器节点聚类;然后,根据下一跳节点与Sink节点间距离最短准则搜索并形成数据传输路径;最后,以网络生命周期成本比最大化为依据确定最优的Sink节点数目,实现多Sink节点优化部署。仿真结果表明:与已有算法相比,所提算法能够有效延长网络生命周期,具有较高的网络生命周期能效比。

面向光伏集群的配电网模型⁃数据联合驱动无功/电压控制

传统配电网的无功/电压控制(VVC)方法,难以兼顾控制决策的全局最优性与实时响应能力,分布式光伏(DPV)的分散化、高比例并网导致该矛盾日益突出。结合模型优化的寻优能力与深度强化学习的在线决策效率,提出了面向光伏(PV)集群的配电网模型-数据联合驱动VVC策略。首先,考虑日前优化调度与日内实时控制的运行特征,结合DPV集群划分,构建了配电网分布式两阶段VVC框架;然后,以系统运行网损最低为目标,建立了配电网分布式日前VVC模型,并提出了基于Nesterov加速梯度的分布式求解算法;其次,以日前决策为输入量,建立了基于部分可观马尔可夫博弈的配电网实时VVC模型,并提出了基于迭代终止惩罚函数的改进多智能体深度确定性策略梯度算法;最后,基于MATLAB/PyCharm软件平台进行了算例分析,验证了所提方法的全局趋优性以及实时响应能力,提高了PV高比例接入配电网运行的经济性和安全性。

基于改进Harris鹰优化的无线传感器网络分簇协议

针对无线传感器网络因能量效率低而导致网络生命周期短的问题,提出一种新的基于改进Harris鹰优化算法的无线传感器网络分簇协议(improved Harris hawk optimization based clustering protocols for wireless sensor networks, IHHOC). IHHOC采用改进的Harris鹰优化算法获得最优簇头集,首先通过Sobol序列初始化种群,并考虑剩余能量、与基站距离以及节点密度这3个参数定义适应度函数,通过探索、过渡和开发逐次迭代最终求得最优解;其次,采用高斯随机游走策略避免IHHOC陷入局部最优.成簇后,在簇头邻近簇中基于剩余能量、与簇头和基站距离找到最优转发节点,进一步降低网络能量消耗.仿真实验结果表明,IHHOC能有效提高网络能量效率,增大网络吞吐量,延长网络生命周期.

基于集群辨识和卷积神经网络-双向长短期记忆-时序模式注意力机制的区域级短期负荷预测

为了解决区域级短期电力负荷预测时输入特征过多和负荷时序性较强的问题,提出一种基于集群辨识和卷积神经网络(convolutional neural networks,CNN)-双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)-时序模式注意力机制(temporal pattern attention,TPA)的预测方法。首先,将用电模式和天气作为影响因素,基于二阶聚类算法对区域内的负荷节点进行集群辨识,再从每个集群中挑选代表特征作为深度学习模型的输入,这样既能减少输入特征维度,降低计算复杂度,又能综合考虑预测区域的整体特征,提升预测精度。然后,针对区域电力负荷时序性的特点,用CNN-BiLSTM-TPA模型完成训练和预测,该模型能提取输入数据的双向信息生成隐状态矩阵,并对隐状态矩阵的重要特征加权,从多时间步上捕获双向时序信息用于预测。最后,在美国加利福尼亚州实例上分析验证了所提方法的有效性。

基于K-means聚类和特征空间增强的噪声标签深度学习算法

深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。

基于遗传优化聚类的GRU无损电力监测数据压缩

针对电力调度中心监测数据记录体量大、存储困难的问题,提出基于遗传优化K-means聚类的门控循环单元神经网络无损数据压缩方法。首先,搭建分布式集群,将多维原始电力数据聚类成相似性较高的数据块,并利用遗传算法对聚类进行寻优,提高数据聚类的效果;再通过门控循环单元神经网络训练数据编码的概率分布模型,结合算术编码对数据进行编码压缩;最后,以多个电力数据集为算例进行分析。经验证本文所提的压缩算法能实现数据的高比例压缩、优化集群性能。

跨界团队网络特征对其颠覆性创新绩效的影响研究

跨界团队在企业等创新主体开展颠覆性创新活动中发挥重要作用,而运用机器学习方法识别其网络特征与颠覆性创新绩效之间殊途同归的组态路径是一个亟待解决的重要问题。本文基于Incopat专利检索平台无人机领域139999条专利数据,采用社区发现算法在专利发明人合作关系数据中识别185个跨界团队,依据社会网络理论遴选跨界团队网络特征变量,利用k-means聚类算法对跨界团队进行类型划分,并运用决策树CART(classification and regression trees)算法挖掘不同类型跨界团队网络特征对其颠覆性创新绩效的影响。研究结果表明,①跨界团队共有二元合作、类完全合作和复杂合作3种合作类型,不同跨界团队类型对颠覆性创新绩效影响具有差异性,即类完全合作团队高颠覆性创新绩效占比最高,二元合作团队高颠覆性创新绩效占比最低;②合作强度具有普适性,它是影响不同跨界团队形成不同水平颠覆性创新绩效的核心因素;③合作强度正向影响二元合作团队颠覆性创新绩效,类完全合作团队的颠覆性创新绩效受聚集系数、合作强度与团队规模的共同影响,而对于合作强度较高的复杂合作团队而言,保持较低的网络密度有利于其提升颠覆性创新绩效。

基于自适应网络拓扑和日志聚类的故障定界方法研究

传统的异常检测方法采用不定时巡检和用户反馈等被动方式发现问题,存在效率低、无法主动发现故障的问题。本文提出了一种基于自适应网络拓扑和日志聚类的故障定界方法。首先利用交换机ARP表和主机流量关系构建网络拓扑,再对系统日志进行结构化和聚类处理,最后结合网络拓扑和聚类结果快速定位异常范围,保证异常检测高效及全面。经生产实践表明,本文提出的故障定界方法能快速定位问题主机。

考虑OD需求聚类的区域多层公路交通网络混合路径诱导模型

随着交通出行需求的快速增长,我国高速公路网络面临的运输压力日渐增加,经常出现严重的交通拥堵现象。为了缓解高速公路交通拥堵,并实施更有针对性的交通管控措施,提出了考虑OD需求聚类的区域多层公路交通网络混合路径诱导模型。首先,利用湖南省高速公路以及国道、省道的地理信息数据构建区域多层公路交通网络。然后,根据OD对间距离和OD交通量的差异,利用K-均值聚类算法对OD对进行聚类分析,将OD对划分为3个不同的类别。最后,应用遗传算法筛选出各类OD对中对拥堵贡献较大的出行群体,并建立有针对性的混合路径诱导模型,对拥堵贡献较大和拥堵贡献较小的出行群体分别应用不同的路径诱导方案。当OD需求扩样系数设置为6时,对OD对聚类可以将总出行成本进一步降低35186.03 min。在不进行OD对聚类时,使用规划路径的出行总数为79140,而实施OD对聚类后,使用规划路径的出行总数为70374。使用诱导路径的出行的平均出行时间由121.47 min下降为85.61 min,极少数出行(3.75%)的时间增加,且增加最大值低于3 min。对多个不同扩样系数进行敏感性分析进一步说明了考虑OD需求聚类的混合路径诱导模型具有良好的拥堵缓解效果。考虑OD需求聚类的区域多层公路交通网络混合路径诱导模型可以用于识别对拥堵贡献较大的关键出行群体,进而制定有针对性的路径诱导策略,在缓解高速公路交通拥堵的同时能够减少对大多数出行者的影响,降低路径诱导策略的实施难度。另外,研究结果还表明:对出行距离较长的出行群体实施路径诱导能够更加有效地缓解区域多层公路交通网络中的交通拥堵。

基于图神经网络聚类的土壤监测点位优化

在土壤污染的监测过程中,由于需要大面积的监测点位布设,所以需要大量的人力和物力,同时原有的土壤监测点位存在冗余和代表率低的问题,对监测结果的准确性和全面性产生了影响。使用一种基于自编码器降维和图卷积网络(GCN)推理的土壤点位优化方法,通过将原有监测点位聚类成不同簇,来实现用尽量少的监测点位全面地表现区域污染情况的目的。使用GCN推理结合自编码器降维的土壤点位优化方法,该方法同时利用土壤监测点位数据的结构信息和高维特征表示,将监测点位聚类成不同簇。通过对相关性进行分析,发现聚类后的簇中心点位可以作为原始簇的代表,从而降低土壤监测点位的冗余性,实现了监测点位的优化。实验证明GCN方法可以有效地减少监测点位的数量,同时保持监测结果的准确性和全面性。

基于模糊评判的无线传感器网络簇间数据转发算法

由于无线传感器网络在簇间数据转发过程中消耗能量较大、转发效率低,导致数据在转发过程中容易失效。为此,提出基于模糊评判的无线传感器网络簇间数据转发算法。建立无线传感器网络模型和通信模型,明确节点的运行方式和转发数据所消耗的能量,构建模糊综合评判模型,选取梯形隶属度函数计算传感器节点的相似度和活跃度,找出最佳转发节点,完成数据转发任务。仿真结果表明,所提算法的第一个节点死亡轮数和网络失效轮数最高为167和178,在仿真轮数达到1000轮时,该算法剩余的网络能量和节点平均能量分别为4 J和0.01 J,证明所提算法在数据转发过程中可消耗最少的能量,高效率地完成数据转发任务。

数字产业集群创新网络的形成机制与发展模式研究

数字产业集群是数字产业演进的高级形态,数字经济高质量发展的关键载体。数字产业集群形成于新发展格局下数字经济与实体经济的融合实践,以及有为政府与数字化企业的内外推动。政策环境激励、集群内行为主体对数字资源禀赋的高度依赖与共享,组织内自我驱动式创新、多元主体与头雁企业的互动,以及组织内的非平衡性与内在随机性动力构成了数字产业集群创新网络的形成机制。数字产业集群创新网络发展可以分为传统要素驱动模式、创新效率驱动模式、新型要素驱动模式这三类模式。进一步推动数字产业集群创新网络发展,需要深化链群互动与全局规划的战略协同,加强有效市场和有为政府的高度配合,优化数字产业与实体产业的良性互动,以全球化视野谋划推动集群科技创新,从而充分发掘集群网络优势,放大数据规模优势,最大程度地提升集群的创新能力。