基于区间型数据离散化算法的电力应急物资供应质量可追溯模型研究

针对当前供应链时间参数计算能力较差,导致追溯模型使用后异常物资召回率较低的问题,设计基于区间型数据离散化算法的电力应急物资供应质量可追溯模型。确定电力应急物资供应周期,分析了电力应急物资供应质量关系;计算应急物资供应链时间参数,为模型的构建提供时间参考量。整合各类参数,构建区间型数据离散化物资质量可追溯模型。实验结果表明,模型具有可行性,且可有效提升异常物资召回率,保证了应急物资管理效果。

粗糙集理论的连续属性自适应离散化算法

针对多个连续属性离散时较少考虑属性重要性对离散质量的影响,以及离散造成的数据不相容问题,提出了粗糙集理论的自适应连续属性离散算法,算法利用粗糙集正域计算各属性的重要度,按照属性重要度有低到高的顺序对各属性依次进行离散,并在保证信息系统不可分辨关系不变的情况下进行断点的选取。在减少离散点总数的情况下,算法解决了不相容问题和较多地保留了重要属性的特征点。与CAIM离散算法和布尔运算的粗糙集离散算法从离散断点数、算法相容性和算法计算复杂度等几个方面的仿真比较结果表明了所提算法的有效性。

EnKF局地化算法对雷达资料同化的影响研究

分级集合滤波(Hierarchical Ensemble Filter,HEF)和采样误差修正(Sampling Error Correction,SEC)局地化算法能够使采样误差取得极小值,且不需要给出距离的定义。为了检验其理论优势,基于集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)方法同化模拟雷达资料,通过与Gaspari-Cohn(GC)局地化算法对比,分析不同局地化算法对EnKF同化效果的影响。结果表明,HEF和SEC局地化算法的雷达回波在水平和垂直方向上均强于GC局地化算法。HEF局地化算法各个变量的离散度最高,均方根误差最低;SEC局地化算法离散度略低,均方根误差略高;GC局地化算法离散度最低,均方根误差最高。相比于GC局地化算法,HEF和SEC局地化算法的冷池强度减弱,面积减小,下沉气流的速度和范围增大,雹霰混合比的大小和覆盖面积增大。通过模拟发现,HEF局地化算法模拟的北侧对流中心最强,SEC局地化算法模拟的南侧对流中心最强,且模拟出(40 km,60 km)处的强对流中心。HEF局地化算法模拟的冷池强度最强,HEF和SEC局地化算法基本上模拟出北侧的雹霰混合比高值区。这表明HEF局地化算法有效地改进了基于GC局地化算法的EnKF雷达资料同化效果,SEC局地化算法减小了计算量,是HEF局地化算法较好的近似。

连续属性离散化算法研究综述

在数据挖掘和机器学习研究中,许多算法以离散值为处理对象,常常需要对连续属性进行离散化。以有监督和无监督离散化为线索,对典型离散化算法的基本思想进行梳理总结,并从时间复杂度以及对后续分类的影响等角度进行对比。最后对连续属性离散化的一些主要研究方向进行展望。

从瞬变电磁场到波场的优化算法

在波场的正变换中,保证瞬变电磁场的计算精度的同时,应用两步最优化算法,成功地控制和减少了积分系数个数和离散数字积分的采样点个数,解决了在波场反变换式中,由于积分系数过多而产生的欠定方程组的问题,同时改善了第一类算子方程的不适定性.在波场反变换中,将正则化算法用于逆变换过程的计算中,通过采用偏差原理和Newton迭代格式选出最优的正则化参数,使得反变换所得到的波场稳定、可靠.通过对数值计算结果与已知波场函数对比,证明了该方法的有效性和实用性.

复杂带状图像的快速三角剖分与骨架化算法

为了快速准确地计算带状图像的骨架 ,以便对其进行识别、重建等处理 ,提出一种基于快速三角剖分的骨架化算法 首先通过对带状图像边界的近似多边形进行三角剖分 ,生成一系列具有拓扑关系的三角形 ,然后根据三角形的类型生成局部骨架 ,最后连接生成整幅带状图像的骨架 该算法充分利用了图像的整体与局部信息 。

三维边界元法中几乎奇异积分的正则化算法

当源点靠近边界单元时,边界积分方程通常存在几乎奇异积分的计算难题.基于三角形单元,将源点到单元的距离与单元特征长度比值定义为接近度,用于度量边界单元中积分奇异性的程度.将单元上的面积分在局部的极坐标系ρθ下表示,利用一些初等函数的积分公式,获得对变量ρ作单层积分的解析表达式.几乎强奇异和超奇异面积分被转化为沿单元围道上一系列线积分,而Gauss数值积分能够有效计算这些线积分.应用该算法分析三维弹性薄壁结构获得了成功.

基于贝叶斯正则化算法BP神经网络钒电池SOC预测

电池荷电状态(SOC)用于表征电池的剩余电量,是全钒液流电池的一个重要参数。在此介绍常用的钒电池SOC预测方法,并对比其优缺点。基于电池SOC的非线性特征,提出采用BP神经网络预测钒电池的SOC,并采用L-M优化算法以及贝叶斯正则化算法对网络进行优化。使用贝叶斯正则化改进的神经网络在对项目中全钒液流电池测试过程实时预测SOC。实验结果表明,采用贝叶斯正则化算法改进的神经网络能够提高SOC的实时预测精度,具有很好的实用前景。

一维溶质运移源(汇)项系数反演的迭代正则化算法

对于多孔介质中发生物理化学反应的溶质运移现象,可以用带有非线性源(汇)项作用的一维对流弥散-反应扩散方程来描述,但方程中反映溶质吸附/解吸附能力的源(汇)项系数往往是未知的.本文讨论了基于出流端浓度观测数据的源项系数反演问题.根据Tikhonov正则化和矩阵的奇异值分解系统,建立了一种离散的迭代正则化算法,给出了算法实现步骤.数值模拟结果表明该算法不仅精度高,而且对于数据的随机扰动具有稳定性.最后应用建立的算法反演计算了一个具体的土柱试验源项系数,数值结果也表明文中所构造算法的有效性.

河道砂油藏的自适应非均匀网格粗化算法

以河道砂的观测深度为确定性数据 ,由贝叶斯理论通过随机建模的方法建立横截面为抛物线形状的河道砂油藏边界面 ,并将渗透率自适应网格技术应用于河道砂油藏的网格粗化算法中。在渗透率或孔隙度变化异常区域自动采用精细网格 ,用直接解法求解渗透率或孔隙度变化异常区域的压强分布 ,而在其他区域采用不均匀网格粗化方法计算 ,即在流体流速大的区域采用精细网格。用本文方法计算了河道砂油藏的压强分布 ,结果表明河道砂油藏的三维不均匀自适应网格粗化算法的解在渗透率或孔隙度异常区的压强分布规律更逼近采用精细网格的解 ,在其他区域压强分布规律非常逼近粗化算法的解 ,但计算的速度比采用精细网格提高了 10

求解摩擦接触问题的一个非内点光滑化算法

给出了一个求解三维弹性有摩擦接触问题的新算法,即基于NCP函数的非内点光滑化算法。首先通过参变量变分原理和参数二次规划法,将三维弹性有摩擦接触问题的分析归结为线性互补问题的求解;然后利用NCP函数,将互补问题的求解转换为非光滑方程组的求解;再用凝聚函数对其进行光滑化,最后用NEWTON法解所得到的光滑非线性方程组。方法具有易于理解及实现方便等特点。通过线性互补问题的数值算例及接触问题实例证实了该算法的可靠性与有效性。

电阻抗静态成像中混合正则化算法抗噪性能的仿真研究

测量噪声是制约电阻抗成像技术实用化的一个主要障碍,为提高电阻抗静态重构的抗噪性能,将离散变差函数作为罚函数引入到重构的正则化算法中,形成混合正则化算法。通过设定算例的降噪重构证明:所提算法在抗干扰性能和成像质量方面,均明显优于常用的Tikhonov正则化算法。该算法对促进电阻抗成像技术临床运用具有积极意义。

一个通用的快速三角化算法

提出了一个适用于任意平面多边形区域及散乱点集的通用三角化算法 .当算法应用于多边形区域时 ,首先对各个顶点和区域内部的散乱点按扫描方式排序 ,然后依次扫描各点 ,扩展生成新的三角形 ,从而获得局部已剖分区域 ,并最终完成整个区域的三角化 .将上述过程作适当改动后 ,可被用于平面散乱点集的三角网格化 .该通用算法除了具有快速三角化的特点之外 ,还采用局部区域的优化组合来体现最优化准则 。

经纬度坐标与QTM编码的三向互化算法及其精度评价标准

在总结现有的经纬度和QTM编码转换算法的基础上,提出了基于辅助地心坐标系的经纬度坐标与QTM编码的三向互化算法,算法以三向地理格网坐标系为出发点,从三个方向递归逼近QTM地址码。同时,提出了QTM编码精度的评价标准———转化误码率。实验证明,三向互化算法在保证速度和绝对精度的情况下,等积转换误码率为0。

同步格值自动机的约简和最小化算法

引入了完备L-Fuzzy矩阵的概念,提出了取值于格半群上的输入字符和输出字符长度相同的模糊自动机的概念,即完备的同步格值自动机的概念,研究了它的主要性质;从行为矩阵出发,给出了完备的同步格值自动机状态等价和自动机等价的定义,从自动机的状态等价,研究了该自动机可约简的条件,并得到了该自动机的最小化算法。

基于混合正则化算法的颅内异物电阻抗成像仿真研究

为提高电阻抗静态重构图像的质量,研究将离散变差函数引入到重构算法中,形成混合正则化重构算法,并对计及颅骨的颅内异物进行了重构成像。与常用的Tikhonov正则化算法相比,混合正则化重构算法对重构信息的分辨能力显著提高,能有效克服低电导率颅骨对颅内信息的屏蔽效应,显著改善所得重构图像质量,与设定病例的医学图像相符。这一成果提高了电阻抗静态成像技术在颅内异物定位方面的质量,为电阻抗静态成像技术的实用化打下了基础。

基于粗糙集的数据概化算法

应用粗糙集理论对大型数据库中的数据概化进行了研究，提出了对数据的动态概念层次划分算法，用以对相关数据集进行属性约简，并在此基础上挖掘概化特征，动态维护概念层次树。

基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法

针对相近色干扰、不同光照条件下玻璃绝缘子颜色特征不明显而无法准确识别的问题,提出一种基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法。首先,提出一种联合分量灰度化算法,通过补偿玻璃绝缘子目标区域的颜色特征实现目标增强;然后,在均匀分块的基础上,采用动态分块阈值进行玻璃绝缘子图像粗分割,并结合玻璃绝缘子的颜色和空间信息等多尺度高维特征,提出一种双尺度分类卷积神经网络算法实现玻璃绝缘子图像细分割;最后,将细分割得到的所有子图像进行合并,实现复杂背景下玻璃绝缘子目标的准确识别。实验结果表明,所提算法能对图像中存在相近色干扰、光照变化影响的玻璃绝缘子目标进行精准识别,且其在Dice参数、杰卡德系数2项识别指标上均达到90%以上,平均识别准确率高达92%。

基于正方化算法的树图生成方法研究

在对正方化算法分析的基础上,提出双向正方化算法,并通过模拟实验,验证了双向正方化算法在改进原算法平均长宽比方面的优越性,并具有更好的稳定性。

电阻抗成像中变差正则化算法的研究

我们将变差函数作为罚函数项引入到电阻抗逆问题的正则化重构算法中,形成了变差正则化算法,与常用Tikhonov正则化算法不同,该算法在重构中不仅能够保证逆问题解适定,同时还能够很好地提高重构图像的对比度和锐度,使所得重构图像目标区域与背景区域之间边界更加清晰,定位更加准确,进而使EIT重构图像与医学图像更加吻合,对EIT成像技术早日走上实用化有积极意义。