白细胞散点图识别模型的建立与验证

目的建立全血细胞分析白细胞分类(WDF)通道散点图的识别模型,验证其有效性。方法运用卷积自编码技术,算法训练采用pytorch框架,模型训练采用AlexNet为基准网络,加入先验知识算法形成双重验证机制。采用32729份WDF通道散点图作为初始数据集,由3位检验技师对散点图进行标定,根据2次标定结果是否完全一致将初始数据集分为特征显著散点图和特征不显著散点图,训练集、验证集和测试集A所含2类散点图数量按照8∶1∶1进行划分,即26185份散点图作为训练集,3272份散点图作为验证集,3272份散点图作为测试集A。再通过日常工作中11043份散点图(测试集B)验证模型精确率,并与检验技师的判断结果进行对比分析。结果模型和检验技师在测试集A、B的精确率分别为0.956、0.967和0.924、0.932,模型和检验技师在测试集B所含正常、异常散点图精确率分别为0.979、0.935和0.992、0.795,所含特征显著、不显著散点图精确率分别为0.985、0.921和1.000、0.662。结论当散点图特征不显著的情况时,该模型能够给出更加准确的结论,为检验技师提供有价值的参考,辅助检验技师作出正确的判断。

先进制造业发展政策量化评价与优化路径

加快发展先进制造业是中国由制造大国向制造强国转变的重要途径,完善的政策部署体系是先进制造业高质量发展的有力保障。为科学评价国家先进制造业发展政策体系,文章运用内容分析法对2005—2020年的政策文本进行整体性的二维量化分析,发现先进制造业发展政策在产业发展要素维度上分布均衡,而在环境型、需求型政策工具的合理运用上存在不足。基于文本挖掘技术得到的结果,进一步引入神经网络理论的自编码技术构建先进制造业多维政策评价的PMC-AE指数模型,计算PMC-AE指数并生成立体曲面。结合政策背景与实施目的,横向评价10项典型先进制造业发展政策,纵向分析其在政策力度、政策时效等9个方面的优劣情况。结果表明:中国先进制造业发展政策的质量水平较高,文本内容基本合理有效;不同政策的有效性存在较大差异,多重政策工具的不平衡使用情况尚需完善。

基于天气影响的风电功率分类预测模型研究

改善风电功率预测精度是提高“源网荷”间有效互动的重要手段之一。针对不同天气变化情况对风电场输出功率的影响,建立了一种基于天气影响的风电功率分类预测模型。结合风电场输出功率与风速间的相关性检验结果以及理论关系,确定了预测模型输入数据的内容,通过不同影响因素以及风电功率序列的自相关检验结果选取了预测模型输入数据的时间窗口,并对输入数据进行融合处理。为简化天气过程分类时的计算,实现分类结果的可视化,采用深度学习自编码技术对输入数据进行降维处理,并采用改进的K-means聚类法进行了天气过程的聚类划分,根据聚类结果利用广义回归神经网络模型对风电场输出功率进行了分类预测。通过实际算例验证了本文方法的有效性。