基于动态网格的数据流离群点快速检测算法

离群点检测问题作为数据挖掘的一个重要任务,在众多领域中得到了应用.近年来,基于数据流数据的挖掘算法研究受到越来越多的重视.为了解决数据流数据中的离群点检测问题,提出了一种基于数据空间动态网格划分的快速数据流离群点检测算法.算法利用动态网格对空间中的稠密和稀疏区域进行划分,过滤处于稠密区域的大量主体数据,有效地减少了算法所需考察的数据对象的规模.而对于稀疏区域中的候选离群点,采用近似方法计算其离群度,具有高离群度的数据作为离群点输出.在保证一定精确度的条件下,算法的运行效率可以得到大幅度提高.对模拟数据集和真实数据集的实验检测均验证了该算法具有良好的适用性和有效性.

网格化配电网的控制设备即插即用关键技术探讨

网格化配电网作为应对分布式电源大量接入情况的新型配电网体系,具有高度自主决策能力和高效集体协调能力。传统的即插即用技术难以满足网格化配电网场景下新型终端设备接入的需求,也难以支持终端设备的自动更新升级和网格重构过程。针对这些问题,提出了一种适用于网格化配电网的即插即用技术,可以实现智能控制终端与配电主站以及网格边端设备间的自动识别和参数配置,支持智能设备的更新升级和网格的动态划分。首先,针对配电主站、网格边端设备以及智能控制终端间的模型不统一问题,提出了3层的模型映射方案;然后,描述了网格化配电网场景下即插即用机制的控制流程;最后,对网格划分变动过程中的拓扑动态识别与系统配置更新进行了研究,所提出的即插即用架构可以支撑网格重构的过程。

电镦成形过程电热力耦合有限元模拟若干关键技术的处理

电镦成形过程中坯料局部连续地被直接通电加热后变形 ,且变形量非常大。在运用有限元法对成形过程进行电热力耦合数值模拟分析时 ,如何处理电阻热、变形体积的连续增加以及大变形造成网格的畸变等问题 ,是能否获得正确分析结果的关键。作者通过分析坯料变形区域电场的分布 ,采用复合变体积和动态网格划分等方法 ,成功地解决了这些关键技术 ,并将其运用于有限元程序设计中 ,从而获得了满意的分析结果。

基于层次化深度学习的医疗数据库离群数据检测算法

对医疗数据库中存在的离散数据进行检测时,由于缺少数据过滤等过程而导致检测执行时间较长、检测效率低、离散点检测率低等问题,为此提出基于层次化深度学习的医疗数据库离散数据检测算法.首先,采用动态网格划分法划分空间中的稀疏区域和稠密区域,降低数据检测的规模,缩短检测执行时间;然后,通过层次化深度学习过程融合专家知识和数据的属性取值分布信息,实现医疗数据库中离散数据的检测.实验结果表明,该算法可以在较短的时间内准确完成医疗数据库中离散数据的检测,且相较于传统算法来说更具有应用优势.

高压注空气建模挑战

对于水驱后深层高压轻油油藏来说,高压注空气(HPAI)是潜在有吸引力的提高采收率方法。评价HPAI的可应用性需要在油藏温度和压力条件下进行实验室试验,以便证实原油自燃和评价原油/储集岩系统的燃烧特性。随后估算在所考虑的油藏应用HPAI提高采收率的数值建模。一般通过燃烧在地下产生的烟道气形成非混相气驱,在该气驱中,挥发组分的汽提是主要开采机理。因此,在某些实例中,应用状态方程(EOS)法把HPAI模拟成等热烟道气驱,但是,这一方法忽略了燃烧及其对驱替和波及的影响。此外,EOS法不能预测何时在生产井出现氧突破或是否出现氧突破。在模拟中以计算时间和复杂性为代价,以有限的形式把燃烧考虑进去。在已有文献中一般在相当简化的条件下考虑燃烧,本文强调燃烧对HPAI提高采收率的作用,用具有实际地质特性的3D模型进行数值模拟。为了更实际地捕捉到燃烧前缘的物理过程,使用了具有动态网格划分能力的油藏模拟器。动力学参数是在燃烧管实验室试验基础上获得的。通过比较等热EOS-模拟和多组分燃烧运算,给出了燃烧对残余油、波及效率和预测的项目有效期限的影响。