基于运行数据时空特征和Stacking集成学习的质子交换膜燃料电池故障诊断

为实现质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)故障诊断的快速性和准确性,提出基于运行数据时空特征和Stacking集成学习的故障诊断方法。首先,采用客观赋权法为反映PEMFC运行状态的电压、电流、温度和压力等变量进行赋权,基于核主成分分析和长短时记忆神经网络提取其空间、时间特征,基于add思想融合空间、时间特征,构建时空特征集。然后,建立以卷积神经网络(convolutional neural network,CNN)、随机森林、K最近邻算法、极端梯度提升树(extreme gradient boosting,XGBoost)为基分类器,XGBoost为元分类器的Stacking集成学习框架,实现了对PEMFC系统正常、水淹、膜干和氢气泄漏四种运行状态的诊断。最后,算例结果表明,所构建的时空特征集在5种单一分类模型的平均诊断准确率为99.23%,相比空间特征集提升2.83%,在Stacking模型的诊断准确率为99.99%。同时,在满足相同损失函数的前提下,使CNN的运算时间减少28s。因此,所提方法能够实现对PEMFC系统故障的快速准确诊断。

面向Stacking集成的改进分类算法及其应用

为了提高Stacking集成算法的分类性能,充分利用Stacking学习机制产生的先验信息和贝叶斯网络丰富的概率表达能力,提出一种基于属性值加权朴素贝叶斯算法的Stacking集成分类算法AVWNB-Stacking(Stacking based Attribute Value Weight Naive Bayes)。通过考虑属性值这个深层次的因素,以互信息(Mutual Information,MI)作为权值度量的基础,对属性权值向量横向扩展为每个属性值分配一个权值,避免不同的属性值共享相同的权值,从而解决朴素贝叶斯算法作为Stacking元分类器由于属性独立性假设带来的分类精度损失。实验结果表明,相比于传统算法及其他元分类器的Stacking分类算法,AVWNB-Stacking算法有效提高了模型的分类性能,在两个测试集上AUC值分别达到了0.8007和0.8607。

低烈度区某超高层塔楼优化分析

超高层建筑由于单塔体量较大,结构经济指标备受关注,寻找最合理结构体系是超高层建筑不断自我迭代更新的主题。高烈度区和低烈度区塔楼控制方向完全不同,着重介绍优化过程以寻找低烈度区超高层塔楼的最优结构。以某位于低烈度6度区的建筑高度250m超高层塔楼为例,根据塔楼初步方案确定控制指标为刚重比和剪重比,以控制指标为目标进行附加质量和自重的迭代优化。其次是提高结构刚度,核心筒尺寸根据竖向交通及设备管井已确定,在建筑允许条件下通过柱的不同排布实现了更好的框架刚度贡献;纯混凝土柱重量贡献大于刚度贡献,通过对比叠合柱和型钢柱,选取了更合理的叠合柱截面形式;在低烈度区结构竖向承载满足基本需求而水平刚度不满足规范要求的情况下,通过增加伸臂桁架提高整体刚度;通过分析不同伸臂桁架形式,选取了最有效的伸臂形式。通过降低结构冗余重量和有效提高结构刚度选出最高效结构,且建筑品质优、造价合理。

双机制Stacking集成模型在短时交通流量预测中的应用

交通流量预测对于智能交通管理决策具有重要意义,为克服传统单一模型预测精度低、稳定性不足,同时为解决Stacking集成模型对基学习器输出信息利用率不高的问题,提出了一种双机制Stacking集成模型。双机制包括内机制和外机制,内机制通过在元学习器中引入注意力机制来调整网络中的特征信息,外机制通过在基学习器中融入动态权重系数来调整基学习器的输出信息。通过内外结合的双机制实现对基学习器输出信息动态变动规律的挖掘和提取并增强对基学习器输出信息的利用率,从而提升模型的预测精度和稳定性。选取I5NB高速公路上的76898条数据为实证研究对象,进行了基于随机森林、GBDT(gradient boosting decision tree)和Xgboost(extreme gradient boosting)单一模型、传统Stacking集成模型及双机制Stacking集成模型的预测对比分析。实证结果证明双机制Stacking集成模型预测精度最高,验证了该模型在短时交通流量预测中的有效性。

咸丰县域生态敏感性空间格局分析

选取地形地貌因子(主要包括高程、坡度、坡向)、水体缓冲区、NDVI、土地利用类型四大类指标,综合单因子分析及多因子加权叠加的方法,利用ArcGIS分析技术和层次分析法对咸丰县生态敏感性的空间格局进行分析,得出各单因子及多因子综合性评价图。结果表明:咸丰县综合生态敏感性强度整体上由西北和东南向中部降低,研究区的极低敏感区、轻度敏感区、中度敏感区、高度敏感区和极高敏感区面积占研究区总土地面积的比重依次为0.87%、14.96%、27.89%、35.51%、20.77%。

多特征加权集成模型在用户购买预测中的研究

为提升用户线上购买行为预测效果,对用户-商品线上交互等数据通过函数拟合、计数、加和、均值、比值、设置非数值类别型特征、二次组合衍生等方法构造提取3个特征群,建立了针对此种业务场景的特征工程。提出一种基于堆叠(Stacking)的加权异质集成模型,将Stacking集成框架中第一层异质基分类器在数据集上的性能排序信息转化为一组约束,添加到第二层LPBoost算法中,求解改进的LPBoost算法目标规划问题得到基分类器更佳组合权重,构建加权集成模型预测用户购买行为。选用阿里云天池官方发布的用户行为数据集进行实验验证,得到8.51%的F1值,优于对比方案。

基于RTOPSIS的集成学习的综合评价研究

Stacking集成学习被认为是一种“黑盒”模型,采用多个基学习器的预测结果输入,通过元学习器来生成最终的预测。这种复杂性使得难以准确了解每个基学习器对最终结果的贡献。为解决此问题,该文提出了RTOPSIS方法。该方法结合了灰色关联度系数计算和优劣解距离方法,为决策者提供了一种有效的工具,以清晰地揭示每个基学习器在Stacking模型中对最终结果的贡献程度。具体而言:采用RTOPSIS算法替代传统的判别方法,综合考虑基学习器和元学习器之间的关系,提供更客观和合理的模型排名结果;应用灰色关联分析算法计算各个基学习器在Stacking模型中的权重,并反映其对最终结果的贡献程度。实验证明,相对于单一指标如Accuracy、AUC和F1-score等,在Stacking模型综合评价中,RTOPSIS算法为该文6个模型提供了更为合适的排名,且与经典优劣解距离算法的排序结果基本一致。因此,RTOPSIS算法在Stacking模型评价中展现出更全面的评价效果。

去噪强度、去噪效率与振幅保真

张宝金 ,成谷 ,王云专 ,王晓华 .去噪强度、去噪效率与振幅保真 .石油地球物理勘探 ,2 0 0 2 ,37(1) :1～ 5本文从去噪强度和去噪效率的角度对信噪比与保真度问题进行了探讨。去噪强度即应用滤波因子在对应的数据窗内去除噪声的总能量 ,而去噪效率则是对应于去噪强度的信噪比的变化率。去噪强度越大 ,去噪效率越低 ,保真性越差。在相同去噪强度的情况下 ,获得较高去噪效率的方法就是保真性好的方法。准确估计信号、有效衰减强噪声是降低去噪强度、提高去噪效率的核心。叠后估计信号比较准确 ,叠前去噪优势较强 ,叠前、叠后联合去噪更能达到提高地震资料信噪比和保真度的目的 ;对不同能量的噪声 ,选择不同的去噪强度并使之达到最佳 。

远震相对走时数据快速计算方法及应用

远震层析成像技术已成为研究地球深部速度结构最为主要的方法,而其所用数据通常为初至震相的相对走时残差值.本文针对信噪比差的远震波形资料提出一种计算远震相对走时残差数据的快速方法,整个计算过程全部由计算机自动完成.该方法主要有两大特点:(1)利用互相关方法计算波形间的偏移时间时引入波形相位信息,有效压制噪声,增强有用震相的识别;(2)改进常规方法中计算相对走时残差的理论公式,避免求解超定方程组,提高计算精度.为验证新方法的可行性和实用性,以长江中下游地区远震波形资料为例,采用常规方法和新方法分别计算相对走时残差数据,对比结果显示:新方法比常规方法的工作效率和数据精度都高.

P-SV波AVO分析

参照 Aki和 Richards的近似方法 ,本文对 Zoeppritz方程所描述的 P- SV波反射系数公式的角度项进行了泰勒展开 ,并保留了密度和速度的二阶项 ,得出一个新的反射系数近似公式。对 4个三层含气砂岩模型的定量计算表明 ,该近似公式所得出的计算结果在入射角小于 4 0°时与由 Zoeppritz方程给出的精确解吻合得很好 ,甚至优于 Aki和 Richards公式的近似效果 ,很适合大入射角的 AVO参数反演和理论研究。以新的近似公式为基础 ,文中分别从不同岩性参数表示的转换波反射系数、P- SV转换波的 AVO加权叠加方法及 P- P波和 P-

气枪震源弱信号提取的可靠性初步分析

基于数据合成仿真、气枪震源激发信号的实际处理,由叠加信噪比、波形相关系数及相位偏移等3个定量指标,系统评价线性、相位加权和S变换等3种叠加方法提取强背景噪声下弱信号的实际性能,并定量估计叠加结果的可靠性。通过对以上3种方法叠加结果的综合探讨,初步对比分析后认为,线性叠加虽然信噪比较低,但波形畸变最小;相位加权叠加信噪比较高,相位偏移小,但波形质量与线性叠加的结果相比偏离较大;S变换叠加可获得相对较高的信噪比,波形幅度损失小,但存在一定的相位偏移现象。因此建议,当波形质量和时间精度均要求较高时宜用线性叠加。但气枪震源激发有限时选择叠加方法应有所偏重,若要求波形高保真,宜选择S变换叠加;若要求时间高精度,可选择相位加权叠加方法,以合理实现弱信号的有效提取。

大位移井轨道设计方法综述及曲线优选

井眼轨道设计是大位移井的关键技术之一。在总结前人工作的基础上,推导出了圆弧、摆线、悬链线、修正悬链线、拟悬链线、侧位悬链线、抛物线的统一计算公式。对于相同的目标点,计算出了这些曲线的井眼长度、最大造斜率、造斜段长度、下钻摩阻、起钻摩阻、滑动钻进摩阻和旋转钻进摩扭,通过赋给这些项不同的权值,然后用权值乘以各项的值与最小值的比值,最后累加,比较累加后值的大小,即可优选出最佳井眼曲线。

相位加权叠加方法在探测鄂尔多斯东南缘地壳结构中的应用

本文利用在鄂尔多斯东南缘地区宽频带流动地震台阵记录的远震数据,提取各台站的接收函数,并利用相位加权方法进行单台多震叠加、H-κ叠加以及共转换点叠加,获得了研究区莫霍过渡带的深度及其变化趋势。研究结果显示,莫霍的深度由鄂尔多斯块体往东南方向逐渐变浅,在不同区域莫霍具有不同的特征:鄂尔多斯的莫霍深度在42～38km;渭河—山西地堑的莫霍出现约3km的上隆;熊耳—伏牛山的莫霍深度在35～33km;河淮盆地的莫霍形态比较复杂。相位加权叠加方法能有效地压制相关性不好的噪音,在部分受噪音及沉积层多次波干扰的台站记录中,对突出莫霍的转换波Ps震相有很大的帮助。

P-SV转换波AVO加权叠加反演

本文从 P- SV转换波反射系数幂级数近似公式出发 ,给出了多个由不同参数组合表示的 P- SV转换波反射系数近似式 ,并探讨了利用这些近似式进行 AVO加权叠加参数反演的理论和方法。不同理论模型的加权叠加反演结果表明 ,在利用 P- SV转换波 AVO进行加权叠加反演时 ,直接反演纵横波速度、密度以及波阻抗信息具有较大的误差 ;若直接反演剪切模量Δμ/μ和Δ(μρ) / (μρ)型流体因子 ,则不仅具有很高的精度 ,而且反演结果稳定 ,适用于 P- SV转换波和多波 AVO参数反演。

公用主影像干涉图加权叠加方法及其在地面沉降监测中的应用

提出一种新的顾及相干图质量权重的加权叠加方法,以相干图中相干点的数量成正比来定权,避免相干性太低的影像参与等权计算。阐述公用主影像干涉图加权叠加方法的基本原理和数据处理流程,在公用主影像优化选取、减弱大气延迟影响、提高信噪比的数学模型基础上进行改进,降低了影像数要求,提高了监测精度。选择天津地区2003—2006年11景ENVISAT ASAR数据,通过模型优化选取14529影像为公用主影像,进行干涉图加权叠加方法的实例解算,获得比传统DInSAR和Stacking方法更优的监测结果,其精度与精密水准测量相当。

大容量气枪主动源波形资料处理(一)：云南宾川

宾川气枪地震信号发射台以水库大容量非调制气枪阵列为震源,可以连续不断地激发重复性极高的地震信号。本文利用其2013年的数据,对地下介质进行了观测。由于水库水位的变化对震源波形及远处台站接收到的地震波形会产生影响,因此,为了区分介质变化与震源变化,研究了陆上水库环境下激发气枪震源所产生的地震波形的特征和合适的处理流程。结果表明:1水库水位变化较大时,同一台站记录的地震波形之间的互相关系数过小,不能直接进行叠加处理,需进行震源聚类分析,而震源聚类受水位变化量的控制;2为消除水位的影响,进行了反褶积处理,当震中距小于10km时,对不同水位激发的信号进行叠加再进行反褶积的效果优于直接进行叠加的效果;3通过互相关计算和信噪比分析发现,4个台站的波形变化可能是由地下介质变化引起的。

轻量级嵌入式TCP/IP协议栈的设计

介绍了引入轻量级TCP/IP协议栈的背景,描述了标准TCP/IP协议栈,分析了嵌入式系统中TCP/IP协议栈的特点和设计的思路,总结了轻量级TCP/IP协议栈和标准TCP/IP协议栈的区别。

人工地震信号检测中相位信息的利用

针对固定台接收到的小药量激发的人工震源信号信噪比低的问题,基于人工震源激发的相似性,采用相位互相关和相位权重叠加的方法检测固定台站接收到的微弱信号,提高了弱信号的检测能力,可在200 km距离处接收到数十千克当量的炸药激发的信号。

基于遗传算法与时序红外热图加权叠加的孔洞缺陷检测

针对浅表层缺陷与正常区域特征混叠问题,提出了一种基于遗传算法与时序红外热图加权叠加的红外无损检测方法。研究以铝板的16类孔洞缺陷为对象,采集预热试件降温过程的时序红外热图,获取相应时序灰度图;并以时序图中缺陷和正常区域灰度差值的加权和为目标函数,采用遗传算法优化加权系数;基于最优加权系数,对时序灰度图依次进行加权叠加和梯度增强处理,并对增强效果进行评估。结果表明:经加权叠加和梯度增强处理后,缺陷与正常区域的灰度比分别提升8.5%和31.0%。缺陷特征得到显著增强。

分频信噪比加权叠加

笔者给出一种分频信噪比加权叠加方法 ,根据定量计算的地震资料信噪比给出加权因子。该方法能有效地提高叠加剖面的信噪比 ,而又不过分降低剖面的分辨率。通过对实际地震资料处理取得了较好的效果。