电磁目标表征:知识-数据联合驱动新范式

电磁目标表征是电磁空间态势感知中的一项共性基础性问题。早期目标表征基于专家经验知识,需要设计者具有较强的专业背景与先验知识,其在复杂信号环境下的性能不佳。近年来发展起来的深度学习为复杂电磁环境下的目标信号表征提供了新的途径,它通过模拟人脑的深层结构建立机器学习模型,以端到端的方式自动表征和处理目标数据,在电磁目标检测、分类、识别、参数估计、行为认知等感知任务中显示出良好的性能。然而,深度学习严重依赖海量高质量标注数据,在现实电磁环境中存在一定局限。将知识融入智能系统一直是人工智能的研究方向,结合知识与数据进行电磁目标表征,将有望提升目标感知精度与泛化能力,正在成为电磁目标表征中新的方向。本文回顾了电磁目标表征技术的发展过程,对新的知识-数据联合驱动的电磁目标感知范式进行了展望。

机理/数据联合驱动储备粮数字监管智能方法

储备粮监管是关系国家粮食安全的大事。我国已经建成了世界上最大的粮食物联网,尽管仍然存在数据质量不高、利用率不高、信息孤岛现象严重等问题,但依然为开展储备粮数字化监管提供了基础。在研究粮堆多场耦合及生物场理论的基础上,提出了储备粮数字监管的连续性、周期性和协调性原理,进一步给出了利用粮情大数据分析的7项智能策略和粮仓储粮10模态的智能分析方法,并结合2018年参与全国政策性储备粮清仓查库10个省的应用案例,剖析了储备粮数字监管原理以及7项智能策略,以期为加速相关技术科技成果转化和大面积推广应用,同时加速建构高质量储备粮监管技术体系,推进储备粮管理从“人管”向“技管”转变,让数据在储粮决策和管理中发挥应有的作用。

基于模型-数据联合驱动的电-气综合能源系统区间状态估计

近年来,清洁低碳的电-气综合能源系统(electricity-gas integrated energy system,EGIES)受到了广泛关注。然而,EGIES涉及不同能源形式的设备量测与信息传输,数据误差的产生因素复杂且不确定性突出,导致确定性的点状态估计可信度不足,为系统安全稳定运行带来严峻挑战。针对此问题,提出基于模型-数据联合驱动的EGIES区间状态估计方法。建立EGIES加权最小二乘(weighted least square,WLS)点状态估计模型,并利用人工鱼群算法(artificial fish swarms algorithm,AFSA)求解;考虑估计结果置信水平,利用核密度估计(kernel density estimation,KDE)构造点状态估计误差区间,进而得到区间状态估计结果;基于量测量样本与区间状态估计结果样本,训练长短期记忆(long short term memory,LSTM)神经网络得到EGIES快速区间状态估计模型。以30节点电力系统与14节点天然气系统耦合的EGIES进行算例分析,结果表明,所提区间状态估计方法的区间覆盖概率均保持在置信度水平之上。同时所提方法测试集在线估计时间仅为13.97s,相比于WLS-NR-KDE方法与WLS-AFSA-KDE方法分别降低76.44%与94.00%。

知识与数据联合驱动建模技术综述

当前,基于深度学习的目标识别建模技术面临标注样本不足、模型可解释性不高、稳定性不够等新的挑战,限制了深度学习解决更复杂、更抽象问题的可能性。采用知识与数据联合驱动的方式进行智能模型构建是突破现有瓶颈的一条重要途径。该文以外部经验与认知知识在模型构建中的引入方式为区分准则,提出了模型构建方法的分类标准,包括基于显式知识的建模方法、基于隐式知识的建模方法以及基于融合知识的建模方法;然后围绕每类方法在解决小样本、模型可解释性等问题上的探索进行综述,并总结设想了一种未来的知识与数据联合驱动建模方式。这种方式吸取了不同建模方式的优点,通过解耦知识建模与数据建模,以无监督、弱监督为核心训练方式,可以有效解决小样本条件下模型构建问题,提高模型可解释性。最后,该文总结了需要进一步研究的问题和未来的研究方向,以促进目标识别模型构建技术的发展。

基于模型-数据联合驱动的电网扰动定位方法

快速准确的电力系统扰动定位是实施及时有效的控制措施的重要前提。广域同步相量量测为快速准确的扰动定位提供了数据基础,同时刻画扰动传播的连续体动力学模型为扰动定位提供模型支撑。结合同步相量测量单元(phasor measurement unit,PMU)量测数据和扰动传播模型,该文提出一种基于模型–数据联合驱动的电网扰动定位方法。首先通过对PMU量测数据进行奇异谱分析和计算累计平方和指标来实现扰动检测。进而在部分PMU确定的子拓扑内,分别通过量测数据和传播模型提取二维时空特征。最后根据扰动传播过程中时空特征之间的相关性,提出基于度量学习的双通道三元孪生网络的扰动定位方法,仅利用部分PMU量测信息即可快速定位扰动位置,为后续抑制扰动的主动控制策略的投切奠定基础。基于IEEE 10机39节点系统,验证所提方法的有效性和鲁棒性。

多方位地震数据联合解释技术在KN复杂断裂系统识别和储层描述中的应用

KN地区位于渤海湾盆地黄骅拗陷,下第三系断裂系统复杂,构造破碎,储层类型多,非均质性强,常规的地震资料和传统的地震解释技术很难准确解释该区的断裂系统,也很难准确刻画该区的储层边界和内幕。本文基于KN地区的高密度宽方位地震数据,利用偏移距矢量片(OVT)域的偏移叠加数据体和OVT域的叠前偏移道集对研究区进行综合解释。多方位的综合解释技术包括:1多方位数据体断裂系统联合优化解释和识别;2多方位数据体联合应用储层识别和刻画;3多方位数据体联合应用特殊岩性体识别和刻画;4方位AVO含油气性检测。通过这些技术的应用较好地解决了该区存在的上述地质问题,钻探成功率得到提高,取得了较好的应用效果。

GPS数据联合处理中天线自定义问题

为了研究GPS数据联合处理,采用自定义和工程实际相结合的方法,在对GPS天线的几何相位中心、电学相位中心、物理相位中心和标志相位中心及其相互关系进行阐述的基础上,根据TGO软件中天线定义格式定义了Leica AT502天线。用工程实际数据证明所提出自定义天线方法的完整性、准确性和可靠性。为GPS数据的联合处理提供了理论依据,具有实际应用价值。

OBS2018-H2测线反射与折射数据联合揭示南海北部陆缘洋陆转换带的深部地震结构

南海北部陆缘洋陆转换带是减薄陆壳和正常洋壳之间的过渡区域,蕴藏着南海从张裂、破裂至初始海底扩张的重要信息.OBS2018-H2测线穿过了国际大洋发现计划(IODP)的钻探站位U1499和U1502,是一条平行于南海北部陆缘构造走向的深地震测线.我们利用测线上10台海底地震仪记录的走时数据,采用RayInvr正演和Tomo2d反演相结合的方法,获得了深达上地幔的速度结构;同时结合高精度多道反射地震数据以及IODP367/368/368X航次的钻探资料,将速度模型划分为西部残存的减薄地壳区(0~63 km)、中部岩浆构造转换带(63~120 km)和东部中下地壳剥露区(120~180 km)三部分;然后综合与该测线垂直的Lw7反射地震剖面,建立了南海北部陆缘张裂-破裂地质模型.研究揭示在晚始新世至早渐新世(34~30 Ma)时期,陆壳快速伸展减薄,引发了软流圈的强烈上涌,并伴生大量岩浆侵入到减薄地壳;熔融物质在~30 Ma破坏减薄陆壳并触发岩石圈破裂,快速(~28.7 Ma)过渡到火成岩地壳增生,形成了相对狭窄的洋陆转换带.该研究揭示了南海陆缘洋陆过渡带的深达上地幔的地震速度结构,以及复杂的构造-岩浆相互作用,为全球张裂-破裂过程研究提供了重要参考.

基于深度加权的多分量重力梯度数据联合相关成像方法

针对重力勘探中相关成像存在纵向分辨率较低的问题,提出基于深度加权的多分量重力梯度数据联合相关成像方法。与重力异常数据相比,重力梯度数据具有更高的信噪比、包含更多的频率信息。因此,本文在相关成像原理基础上联合多分量重力梯度数据,引入基于先验信息的深度加权函数,通过对研究区域进行划分,进一步提高深度加权效果。利用长方体组合理论模型确定了最佳梯度数据组合,验证了深度加权函数能够提高纵向成像效果;提出的方法还被证明具有抗噪性。将该方法应用于文顿盐丘区域的实测重力梯度数据,结果能够清晰地显示盖岩的位置。

知识与数据联合驱动的中央空调系统建模与调控方法

中央空调系统(heating, ventilation, air conditioning systems, HVACs)作为城市建筑中用能占比最大的负荷种类之一,具有较大的调节潜力,可参与需求响应,促进电力系统供需平衡。基于现有的HVACs建模基础,分析了各个子系统的物理模型结构,通过物理模型结构精准选取合适的特征值,并对数据驱动方法提供指导,结合多层感知器(multiple layer perception, MLP)网络结构,提出了知识与数据联合驱动的HVACs建模方法。然后,基于已建立的HVACs模型,建立HVACs能耗优化模型;将MLP网络结构显化,通过对激活函数的线性化,将HVACs能耗优化模型转化为混合整数线性规划问题。通过算例分析可知,所提出的建模方法的可快速精准选取特征值,有利于提高建模效率,此外,该方法大大降低了调控模型的求解难度,实际应用价值较高。

近海多卫星测高数据联合处理的方法及应用

近海卫星测高数据质量较深海差,多卫星数据联合处理是提高近海卫星测高精度的有效方法。研究不同测高卫星海面高参考框架的统一技术,讨论利用交叉点平差处理不同测高卫星海面高联合数据的技术与方法,并根据此方法联合GeosatGM,ERS 2和T/P海面高数据计算中国近海测高平均海面高。

基于信号-数据联合处理的压制-距离欺骗复合干扰抑制算法

针对单一信号处理或数据处理对压制-欺骗加性复合干扰抑制效果较差的问题,论文提出一种适用于脉冲压缩雷达的基于信号-数据联合处理的压制-距离欺骗复合干扰抑制算法。首先,通过分数阶傅里叶变换(FRFT)域窄带滤波以及LFM信号重构对消算法,实现信号层对压制干扰的抑制,并减小对真实目标的漏检概率;然后,利用噪声点迹空间相关性较差的特征,通过M/N逻辑法对噪声点迹进行剔除,并对目标点迹进行航迹起始;最后,根据距离假目标航迹角度量测误差方差较大的特点,通过检验以及聚类划分算法,对虚假目标航迹进行剔除,最终实现对压制-欺骗加性复合干扰的抑制。仿真结果表明,该文算法对压制-欺骗复合干扰能够起到较好的抑制效果。

基于分包数据联合设计的蚌埠市体育中心工程BIM仿真技术研究

基于以往二维设计的不全面性及三维BIM设计的不完整、协调性不好等缺点,提出了基于分包数据联合设计的设计理念,并结合蚌埠市体育中心工程,探讨了实施该设计方法的具体方案。

“大数据+AI”助力信用卡数字化转型——“民生信用卡-华为”大数据联合创新实验室的探索之路

2019年11月29日,在中国民生银行总行与华为技术有限公司(以下简称“华为”)关于构建“科技+金融”数字化智能银行战略合作协议的框架下,中国民生银行信用卡中心(以下简称“民生信用卡中心”)与华为揭牌成立了“民生信用卡-华为”大数据联合创新实验室(以下简称“联创实验室”)。

基于GEO数据库联合网络药理学研究川芎-赤芍药对治疗动脉粥样硬化的药理过程及分子机制

目的:探讨活血化瘀中药药对川芎-赤芍拮抗动脉粥样硬化的潜在分子机制及药理过程。方法:使用R语言Limma包分析GEO数据库GSE43292数据集,对有表达差异的动脉粥样硬化基因进行筛选和提取。川芎-赤芍药对所含的化学活性组分及靶点通过中药系统药理学数据库与分析平台检索。合并差异基因和药物作用靶点以获得共同的靶点。利用在线分析工具STRING和Cytoscape构建药物和靶点的调控网络以及靶点间的蛋白质-蛋白质相互作用(PPI)网络。然后利用R语言注释靶点基因的基因本体(GO)功能,分析京都基因与基因组百科全书(KEGG)通路,再进行基因集富集分析(GSEA)以验证KEGG的通路和富集的情况,确定靶点基因的调控功能和参与基因调控功能的信号转导通道。结果:共筛选出动脉粥样硬化差异基因1244个,川芎-赤芍药对含36个生物活性成分,其中靶点为环加氧酶1、肾上腺素受体、过氧化物酶体增殖物激活受体-γ、激酶插入域受体、孕激素受体、基质金属蛋白酶9、CXC趋化因子配体8、蛋白激酶Cβ、白细胞介素6、CD14、二肽基肽酶-4、PIK3CG、肾上腺素受体α1B、微管相关蛋白2、尿激酶纤溶酶原激活剂和单胺氧化酶B。靶点在GO中主要富集在合成DNA过程的调控、DNA生物合成的过程、含胶原的细胞外基质、细胞外基质、蛋白酶结合、细胞迁移、血管形成过程、膜筏结构、转录的调节等与动脉粥样硬化炎症、脂肪代谢及血管生成相关的生物学注释。脂质与动脉粥样硬化通路和核因子κB信号通路与动脉粥样硬化关系最为密切,并且在KEGG信号通路和GSEA均显示出富集。结论:川芎-赤芍药对通过潜在的13个活性成分作用于可能的16个靶点调控相关信号转导通路,通过抗炎、调脂和保护血管等方式产生抗动脉粥样硬化的作用。

基于数据与模型联合驱动的波阻抗反演方法

井插值初始模型为基于模型的反演提供的低频信息往往不够准确,导致该模型驱动方法容易出现较大的波阻抗预测误差且建模效率较低.为缓解这些问题,本文利用数据驱动的深度学习反演更加擅长预测低频阻抗的优势,提出一种基于数据与模型联合驱动的波阻抗反演方法.该方法联合地震和测井等数据,先后开展数据驱动和模型驱动的波阻抗反演.首先,数据驱动部分使用井旁地震记录、测井导出的波阻抗曲线以及井插值低频阻抗曲线,搭建以双向门控递归单元为主要模块的波阻抗智能预测网络.其次,该网络预测的波阻抗的低频分量作为数据驱动初始模型,替代井插值初始模型而参与模型驱动部分.最后,模型驱动部分在地震数据匹配和数据驱动初始模型的共同约束下开展基于模型的反演,获得最终的波阻抗结果.合成数据和实际数据测试表明,本文方法相比于单一的数据驱动或模型驱动方法能获得更高分辨率和更高精度的波阻抗反演结果,从而为后续储层预测提供可靠的弹性参数分布.

基于专家知识与监测数据联合驱动的高压开关柜状态评估

高压开关柜(HVS)作为电力系统的关键设备,对其工作状况进行有效评估可以保障电力系统的安全稳定运行。在工程实践中,由于高压开关柜长期服役于潮湿、高温等恶劣环境下,不可避免的传感器失效或人为因素会导致其设备状态数据存在随机缺失的现象,从而破坏了数据的完整性和可用性,使得对数据质量要求较高的数据驱动方法难以直接用于解决高压开关柜状态评估的问题。为了解决上述问题,研究了一种基于专家知识和监测数据联合驱动的高压开关柜状态评估方法。首先,对高压开关柜系统的内部构成进行了深入分析,并根据区域中设备的功能不同将其分为电缆室、母线室和断路器室三大区域。其次,进一步分析了系统状态、各区域状态及其关键部件状态两两之间的因果关系,从而建立了适用于高压开关柜状态评估的三层贝叶斯网络(BN)拓扑结构。然后,引入专家领域知识设计了适用于高压开关柜系统的3种约束罚函数,并通过求解带有约束的优化问题,改善了不完整数据集下的贝叶斯网络参数估计性能,进而实现了对高压开关柜系统状态的精确评估。最后,在自主设计的10 kV高压开关柜样机上开展了对比验证实验,结果表明,相比于支持向量机(SVM)方法和反向传播(BP)神经网络方法,本文所提方法在状态评估精度上更具优势。

2022年门源M_(S)6.9地震的同震滑动分布:联合InSAR、GPS和地表位错的贝叶斯建模

2022年1月8日青海省门源M_(S)6.9地震发生于托莱山断裂东段和冷龙岭断裂西段的交汇部位,其运动学特征关系到青藏高原北缘的动力学行为,同时也是区域地震危险性评估中的基础数据.本研究针对该地震,综合InSAR和GPS观测的同震位移场,以及野外地质调查的同震位错数据,采用贝叶斯反演方法,构建同震滑动分布,断层模型采用三角网格更好地刻画断层的不规则几何形态.结果显示,本次左旋走滑型地震的主要滑动发生在冷龙岭断裂西段,深度范围约2~6 km,计算的地震矩为0.95×10^(19)N·m,对应矩震级M_(W)6.65.利用多数据的联合反演解析出,沿走向存在两个滑动集中区,东侧的最大滑动达约4.8 m.震间亏损能量和库仑应力分析表明,托莱山断裂和冷龙岭断裂仍存在未来发震潜能;该地震造成的应力变化,对长期地震空区金强河—毛毛山段落有加载作用,因此,该段未来地震危险性值得关注.

基于改进联合概率数据关联的AUV定位算法

基于水下无线传感器网络的位置估计是解决水下自主机器人定位问题的有效方法,然而由于水下无线传感器网络中的传感器节点一般部署在开放水域中,外来的恶意节点在基于到达时间的网络信道中注入恶意噪声延迟会对定位精度产生不利影响。针对这个问题,本文提出了一种改进联合概率数据关联算法。首先,我们考虑了一种异构的网络架构,包括水面浮标节点、水下信标节点和待定位的AUV目标节点,并获取网络架构中信标节点和AUV之间的距离测量;然后,我们设计了一种基于矩阵相似度的恶意噪声识别机制,识别并丢弃受恶意噪声污染的距离测量,并且对检测为未受到恶意噪声污染的距离测量进行分组,利用最小二乘法完成对AUV的初步定位;接着,为了丰富所得到的样本测量点以提高AUV的定位精度,我们在预测点以及检测出未受到恶意噪声污染的测量点的附近生成一系列服从高斯分布的虚拟测量;最后,对这些测量点进行数据关联处理与更新,完成对AUV目标节点的精确定位。仿真结果表明,所提出的定位方法与其他工作相比,在有恶意噪声攻击的情况下仍能保持较好的定位精度。

基于数据-机理联合驱动的制冷空调系统故障特征提取方法

制冷空调系统故障特征提取是系统故障诊断的基础。现有研究常利用端到端的黑箱模型实现自主特征提取,获得的特征不具备物理解析,无法保证其全局应用的可靠性。针对制冷空调系统展开具有明确物理意义的特征提取研究对实现可靠可信故障诊断具有重要意义。本文提出一种数据-机理联合驱动的故障特征提取方法,针对动态运行数据复杂多变特性,构建制冷系统基准模型和偏离特性表征策略,实现故障偏离特征的准确提取,并结合热力学机理分析对其进行理论解释。利用ASHRAE RP-1043数据集进行实验验证,获得6类典型故障特征并构建偏离特征矢量表,为故障诊断提供理论基础。