以“智能去雾问题”为例的计算思维教学研究

计算思维的问题解决,第一步是把握问题的核心要素,通过抽象、建模,形成问题的完整模型;第二步是求解问题,为问题求解提供约束,设计算法实现计算机的自动化求解;第三步是迁移应用的思维方式,引入,他山之石可以攻玉;迁出,用于其他问题达到举一反三、一通百通。"智能去雾问题"一课围绕信息时代的核心素养之一——计算思维展开,通过一个前沿、有趣、创新、交叉的研究问题培养学生的问题解决能力及思维方式,将国际顶级前沿研究的原始创新之美引入中学课堂,让学生体会、体验、实践,经历发现创新的问题并解决的思维过程。

边坡岩土体抗剪强度的逆向迭代修正反演方法

针对已滑动或有明显变形的边坡,取定稳定系数值进行反演分析是确定岩土体抗剪强度的重要手段。当边坡滑动面穿越多层岩土体时,盲目地抗剪强度试算反演明显不合理。为解决此问题,构造以多层岩土体抗剪强度为输入,以GeoSlope计算得到的稳定系数、滑面剪入口和剪出口位置为输出的BP神经网络,基于取定的稳定系数和现场测定的滑动面剪入口和剪出口位置,通过重复执行“逆向反推-误差校验-样本修正”实现岩土体抗剪强度的逆向迭代修正反演。工程实例验证结果表明,该方法获取的岩土体抗剪强度基本合理,可供小型边坡防护工程设计参考。该方法成功地规避了BP神经网络以已知信息为输入、以待反演参数为输出的传统做法在解决该问题时为欠定的局限性,对样本库样本数量的要求降低且具有较好精度。

基于盲分离的混沌保密通信技术

针对实现欠定条件下线性混合的混沌信号的盲分离非常困难的问题,提出一种保密通信方案。在发送端利用密码序列对混沌信号加密并构造出欠定的盲分离模型;在接收端先用密码序列将欠定问题变为正定问题,最后利用盲分离技术解密和重构出源混沌信号。分析和仿真结果表明,该保密通信系统保密性强和精度高,并在强信道噪声干扰条件下依然有效。

基于遗传算法的供水管网需求乘数因子校核

水力模型已广泛应用于给水管网设计、分析与运行中。在所有水力模型中,需水量是导致模型输出最不确定的参数之一。因用水情况不确定,使得管网中的节点需水量变得异常复杂。在大多数实际管网中,用于校核节点需水量的监测设备数量有限,且小于未知量个数,使得节点需水量校核作为欠定问题,令节点需水量校准产生较大误差,并且传统遗传算法校核节点需水量的方法是假定所有节点的需求乘数因子一致,这也导致校核后的模型无法接近真实运行情况,因此提出在欠定条件下用遗传算法解决需求乘数因子的校核问题。通过对一个实际案例多次运行并取平均值作为结果进行验证,结果表明,遗传算法的校核结果不仅能够与被测位置的实际值相拟合,而且可以得到非测量位置的管道流量和节点水头,其中校核后的节点水头和管道流量误差较小,平均误差分别为1.78%、4.05%。该方法相比于传统校核方法具有更高精度,且更能反映出管网真实运行情况,同时还避免了传统校核方法中因遗传算法产生局部最优解而导致误差偏大的问题,对于大型管网模型校核也具有一定参考价值。