基于重采样和混合集成学习的不平衡窃电检测

针对电力用户类别不平衡导致窃电检测具有偏向性问题,该文提出一种基于重采样和混合集成学习的不平衡窃电检测模型。首先以Easy-ensemble混合集成学习框架为基础确定最佳采样子集数;然后通过重采样自适应策略,即根据用户用电数据集的不平衡度以及最佳采样子集数确定检测模型的重采样方式,使用电数据达到平衡;最后按照先串行集成减小偏差、后并行集成降低方差的混合集成方式,对重采样后的均衡样本进行窃电检测。算例对比分析表明所提检测模型通过重采样和混合集成有效解决了传统集成算法在不平衡窃电检测中的偏向问题,降低了由于用电数据的不平衡性对集成结果的影响,提高了用户类别不平衡的窃电检测效果,在多种不平衡度下模型的准确率、F1值和G均值均表现优异。

高速数字化三维集成式CCD-CMOS图像传感器

为了解决CCD与CMOS工艺兼容性低、互连集成制作难度大,以及芯片间接口匹配和高性能兼备等问题,对CCD器件拓扑结构与像元、CMOS读出电路、三维异质互连集成及高密度引脚封装等技术进行研究,提出了一种1024×256阵列规模的集成式CCD-CMOS图像传感器。该器件实现了CCD信号的高精度数字化处理、高速输出及多芯粒的技术融合,填补了国内CCDCMOS三维集成技术空白。测试结果表明:集成CCD-CMOS器件的光响应和成像功能正常,双边成像效果良好,图像无黑条和坏列,互连连通率(99.9%)满足三维集成要求,实现了集成式探测器件的大满阱高灵敏度成像(满阱电子数达165.28ke^(-)、峰值量子效率达86.1%)、高精度数字化(12bit)和高速输出(行频率达100.85kHz),满足集成化、数字化、小型化的多光谱探测成像系统要求。

基于慢波基片集成波导的小型化移相功分器

针对移相器和功分器的功能融合设计,提出了一种基于慢波基片集成波导(Slow-Wave Substrate Integrated Waveguide,SW-SIW)的小型化移相功分器,两个输出分支等长带宽,可实现30°相移量.其中一个输出分支通过基片集成波导(Substrate Integrated Waveguide,SIW)实现,而另一个输出分支将互补开口谐振环(Complementary SplitRing Resonator,CSRR)加载在上层金属表面,代替传统SIW连续的金属表面,该CSRR由经典CSRR结构演变而来,同时为了降低由CSRR加载所造成的相位上的不稳定,在CSRR内部添加金属化通孔,实现SW-SIW,使得截止频率和相速度降低.测试结果表明,移相功分器在9.0~11.8 GHz频带范围内反射系数|S11|小于-10 d B,相对工作带宽为26.9%,插入损耗小于1.3 d B.两个输出端口的相位差稳定在30°±3°,幅度差小于1.4 d B,实现了等功率分配.所设计的移相功分器具有较小的尺寸和低制造成本,适合应用在相控阵天线中.

基于集成算法的腐蚀管道失效压力预测研究

为了提高腐蚀管道剩余强度的预测精度、解决单一预测模型易受训练数据的质量影响而发生运行及预测输出不稳定的问题,引入两种集成模型方法。首先对于串行结构集成方法,以支持向量回归(SVR)融合正余弦策略改进的黑猩猩优化算法(IChOA)为基础建立AdaBoost-IChOA-SVR模型;其次对于双层并行结构方法,根据预测问题筛选出相关性低且学习效果良好的预测算法作为第一层基预测器,调节新数据集形成方式及相关参数设置,建立Stacking堆叠集成模型。以含腐蚀缺陷管道失效压力爆破数据为例,利用MATLAB分别进行仿真模拟,与基础SVR和PSO-ELM模型的预测结果及评价指标进行对比分析。研究结果表明:集成预测模型具有更好的预测输出性能,且串行结构的AdaBoost集成学习模型的构造流程较为简洁,运行速度及精度更高;该模型对腐蚀缺陷管道失效压力预测问题的拟合度可达0.996,相对误差均值可达3.69%,可为后续腐蚀管道相关预测模型建立和防护维修策略制定提供参考。

计算机物流智能配送系统集成一体化研究

1.配送系统集成一体化架构物流信息管理是对系统集成一体化有着较高的要求,物流信息包括客户信息、货物信息以及配送设备信息等,信息管理涉及信息采集、传输与集成等多个方面,全面的物流信息数据能够为物流智慧配送业务纵向集成提供可靠的数据。

集成电路工程技术人员

集成电路产业是信息技术产业的“粮食”,它就像小麦之于面包,虽然很多人可能没有见过小麦,但不影响人们享受面包的美味。从日常生活中随处可见的计算机、电视机、手机,到奔月的“嫦娥”、遨游太空的“天宫”,都离不开集成电路。于是,个别国家为了打压我国的技术发展,持续阻碍我国集成电路技术的进步。中国集成电路产业如何破局?如何摆脱“缺芯”现状,实现困境突围,保障自己信息技术产业的“粮食”供应?集成电路工程技术人员任重道远,需要努力奋斗以实现集成电路产业的自力更生,锻造高品质“中国芯”。

玻璃基三维集成技术领域系列研究新进展

三维集成是后摩尔时代集成电路发展的主要技术途径。玻璃通孔(TGV)技术与传统的三维封装技术相比,有着成本低、高频损耗小、集成度高、热膨胀系数可调等显著优势,已成为国内外研究的热点,被英特尔誉为“新的游戏规则改变者”。电子科技大学张继华教授团队在国内率先开启三维集成玻璃通孔材料和集成技术研究,联合成都迈科科技有限公司在新型可光刻玻璃基板、超细玻璃通孔及超高深径比通孔填充等方面取得了一系列新进展。

集成全息希尔伯特谱分析及其在滚动轴承故障诊断中的应用

全息希尔伯特谱分析(holo-Hilbert spectral analysis, HHSA)是一种新的信号解调分析处理技术,其采用双层经验模态分解(empirical mode decomposition, EMD),能够有效揭示非线性或非平稳振动信号中的跨尺度耦合关系。但是,EMD在信号分解过程中存在严重的模态混叠问题,导致瞬时频率估计不准确,影响了HHSA的分析精度。基于此,提出了集成全息希尔伯特谱分析(ensemble holo-Hilbert spectral analysis, EHHSA)方法。同时为了更精确解调故障特征信息,通过对载波变量进行积分,定义了一种可以揭示调制特征的调幅边际谱分析方法。最后,通过对滚动轴承仿真和实测数据进行分析,结果表明:与传统谱分析方法相比,所提EHHSA方法及调幅边际谱的特征提取性能和噪声鲁棒性更强。

基于Blending-Clustering集成学习的大坝变形预测模型

【目的】变形是反映大坝结构性态最直观的效应量,构建科学合理的变形预测模型是保障大坝安全健康运行的重要手段。针对传统大坝变形预测模型预测精度低、误报率高等问题导致的错误报警现象,【方法】选取不同预测模型和聚类算法集成,构建了一种Blending-Clustering集成学习的大坝变形预测模型,该模型以Blending对单一预测模型集成提升预测精度为核心,并通过Clustering聚类优选预测值改善模型稳定性。以新疆某面板堆石坝变形监测数据为实例分析,通过多模型预测性能比较,对所提出模型的预测精度和稳定性进行全面评估。【结果】结果显示:Blending-Clustering模型将预测模型和聚类算法集成,均方根误差(RMSE)和归一化平均百分比误差(nMAPE)明显降低,模型的预测精度得到显著提高;回归相关系数(R~2)得到提升,模型具备更强的拟合能力;在面板堆石坝上22个测点变形数据集上的预测评价指标波动范围更小,模型的泛化性和稳定性得到有效增强。【结论】结果表明:Blending-Clustering集成预测模型对于预测精度、泛化性和稳定性均有明显提升,在实际工程具有一定的应用价值。

低碳视角下集成式纺织服装闭环供应链运作决策

纺织服装产业的蓬勃发展,不仅有效带动了社会经济的快速发展,同时也造成了废旧服装数量的日益剧增。为有效提高废旧服装回收效率及其利用率,兼顾供应链整体运营与生态环境的目标,文章设计分析了一个由供应商、制造商和零售商组成的三级纺织服装闭环供应链网络,其中零售商集成废旧服装的统一回收,制造商集成废旧服装的统一分类及再利用废旧服装的加工处理。鉴于服装回收处理过程中碳排放量高且分布不均这一现实问题,引入碳配额机制,以供应链整体收益和成本为目标,建立一个双目标决策优化模型,并对模型设计了约束求解方法。最后通过数值实验说明了本文所建模型的有效性和相应运营决策方案的合理最优性。相关研究结果表明:废旧纺织服装的回收处理尽管需要一定的运营成本,但从长期运营视角来看,其能够给供应链整体带来较大的潜在收益。零售商和制造商的集成化运营模式不仅可有效的降低供应链的整体运营成本,同时亦可有效提升供应链整体的协同运作效率。合理的碳配额机制可有效激励相关成员企业去绿色低碳运营,进而提升自身竞争力和可持续发展能力。相关研究成果不仅具有一定的理论价值,同时对政府和服装产业制定合理的碳配额机制,设计构建纺织服装闭环供应链网络具有一定的指导和借鉴意义。

基于深度森林与异质集成的标记分布学习方法

作为一种解决标签模糊性问题的新学习范式,标记分布学习(LDL)近年来受到了广泛的关注.为了进一步提升标记分布学习的预测性能,提出一种联合深度森林与异质集成的标记分布学习方法(LDLDF).所提方法采用深度森林的级联结构模拟具有多层处理结构的深度学习模型,在级联层中组合多个异质分类器增加集成的多样性.相较于其他现有LDL方法,LDLDF能够逐层处理信息,学习更好的特征表示,挖掘数据中丰富的语义信息,具有强大的表示学习能力和泛化能力.此外,考虑到深层模型可能出现的模型退化问题,LDLDF采用一种层特征重用机制(layer feature reuse)降低模型的训练误差,有效利用深层模型每一层的预测能力.大量的实验结果表明,所提方法优于近期的同类方法.

关键核心技术攻关驱动因素及实现路径——以集成电路产业为例的组态分析

关键核心技术作为国之重器占据重要战略位置,但关键核心技术的关键驱动要素机制与可实现路径尚未明晰。为揭示关键核心技术攻关有效的驱动因素及组态路径模式,在厘清关键核心技术的概念特征基础上,基于技术-组织-环境理论框架,以集成电路产业为例,利用定性比较分析与必要条件分析法对我国28个省份的关键核心技术攻关的必要条件及可实现路径展开研究。结果发现:(1)数字化技术、R&D投入强度、市场化环境和政府支持度是决定关键核心技术攻关的关键因素;(2)存在3条关键核心技术攻关的有效路径,分别是高数字技术下市场导向型、高组织集聚下产业导向型和高研发资助下政府导向型,且均以技术层为基础、组织及环境层为支持;(3)产业协同能弥补关键核心技术攻关的创新要素匮乏的不足,同时政府资助的影响力不容忽视。因此,进一步推动集成电路产业关键核心技术攻关,要以丰富新一代信息技术资本存量与增加科技研发资本流量为两大着力点,在积极为关键核心技术攻关提供政府资金支持的同时引导社会资源投入,为关键核心技术打造良好的外部发展环境。

基于Stacking集成学习的剩余使用寿命预测

剩余使用寿命(RUL)预测对于设备维护策略的制定有着关键作用。面对可变环境和多样的操作条件,单一寿命预测模型的性能波动较大,泛化能力弱。针对这一问题,提出一种融合多个相异模型的Stacking集成模型,纠正单一模型的预测误差。首先,对状态监测数据进行滑动时间窗口处理,获得具有时间序列信息的性能退化数据;然后,以提高模型的准确性和多样性为目标,确定基学习器的种类;最后,将梯度提升决策树(GBDT)作为元学习器,整合基学习器的预测结果,输出最终结果。基于NASA C-MAPSS数据集,对提出的集成模型进行验证,结果表明:Stacking集成模型的预测精度显著高于基学习器,与其他传统预测模型相比,也具有明显优势。

基于特征提取和集成学习的个人信用评分方法

在大数据蓬勃发展的今天,信息经济已经深入社会方方面面,个人信用体系建设的重要性越发突出。而传统的信用体系存在覆盖率不足、评价特征维度高、数据孤岛等问题,为了解决以上问题,提出一种基于特征提取和Stacking集成学习的个人信用评分方法(PSL-Stacking)。方法首先利用Pearson和Spearman系数对数据进行初始化分析剔除不相关数据,利用LightGBM算法进行特征选择,减少冗余特征对模型的影响;其次选取XGboost、LightGBM、Random Forest以及Huber回归等算法,利用Stacking集成学习技术构造个人信用评分模型。最后,以某电信数据为研究对象,对该上述模型的个人信用评分能力进行验证。实验结果得出上述模型具有很好的预测能力,能够准确的对用户信用进行评分,有效降低企业遭受金融欺诈、团伙套利等问题的风险。

基于分类风险的半监督集成学习算法

针对当前半监督集成学习算法对无标记样本预测时容易出现的标注混沌问题,文中提出基于分类风险的半监督集成学习算法(Classification Risk-Based Semi-supervised Ensemble Learning Algorithm,CR-SSEL).采用分类风险作为无标记样本置信度的评判标准,可有效衡量样本标注的不确定性程度.迭代地训练分类器,对高置信度样本进行再强化,使样本标注的不确定性逐渐降低,增强半监督集成学习算法的分类性能.在多个标准数据集上验证CR-SSEL的学习参数影响、训练过程收敛和泛化性能提升,实验表明随着基分类器个数的增加,CR-SSEL的训练过程呈收敛趋势,获得较优的分类精度.

农业数字图书馆信息集成服务系统研究——以“2023中国农学会图书情报分会主办的图书情报前沿技术与知识服务研讨会”为例

数字图书馆信息集成服务是指将多个数字图书馆的资源和服务整合在一起,为用户提供一站式的访问和检索服务。它通过整合不同数字图书馆的数据库、目录、文献资源和其他信息,提供统一的搜索接口和用户界面,使用户能够方便地查找、访问和利用各个数字图书馆的资源。数字图书馆信息集成服务的主要目标是提高用户的检索效率和体验,以及丰富用户能够获取的信息资源。

个性化动态集成的阿尔茨海默症辅助诊断模型

针对阿尔茨海默症(AD)分类模型大多没有针对输入样本制定特定的策略,导致容易忽略样本间的个性化差异信息的问题,提出个性化动态集成AD分类模型。该模型考虑到输入样本间脑区退化程度的差异性,利用注意力机制评估特定于输入样本的各脑区退化程度,并根据脑区退化程度对脑区特征进行挑选和融合;同时通过重新设计损失函数,解决未被选中脑区无法获得优化梯度的问题,从而提高AD分类性能。实验结果表明,该模型在AD vs.HC(正常组)、MCIc(会向AD转化的轻度认知障碍)vs.HC以及MCIc vs.MCInc(不会向AD转化的轻度认知障碍)中的分类准确率表现分别提升4%、11%以及8%。同时,模型定位到的退化脑区功能与AD临床表现具有高度一致性。

集成蓄热装置的火电机组调峰特性分析

【目的】随着新能源的大规模发展,新能源出力不确定性和波动性问题展现出来,而为了弥补新能源出力缺点,火电机组承担起了调峰作用。为了提升火电机组的调峰能力,对其调峰特性进行了研究。【方法】首先,以某350 MW供热机组作为分析对象,应用仿真软件搭建热力系统模型,并验证该模型的精确性。其次,以蓄热系统为辅助系统,研究机组在满足供热需求情况下的机组调峰能力,并分析蓄热等储能单元对机组调峰能力的影响。最后,采用启发式粒子群算法对蓄热水罐运行策略进行优化,得到随热负荷变化的储热罐最优运行模式。【结果】通过蓄热水罐与火电机组耦合的方法有效提升了机组的调峰和供热能力,并提出可以根据实际热负荷数据确定最大化收益的运行模式。【结论】该方法对机组的运行策略具有指导意义。

基于融合集成算法的配电网负荷预测研究

配电网的负荷预测在电力运行状态监测中尤为重要。负荷预测的精度提升为电网的安全、稳定运行提供了保障。通过对融合集成算法的研究,提出了一种基于关联特征选择的融合集成算法。在数据集的选择上,使用相关系数和灰色关联算法综合对样本中负荷影响较小的特征进行剔除,使得样本数据集的相关性更高;同时,对传统Stacking集成学习的输入和输出特征进行优化,提高了模型的预测效果。试验结果表明,基于融合集成算法的配电网负荷预测模型与传统的Stacking集成算法、XGBoost、灰狼优化-反向传播算法相比,负荷预测的精度提升了3.07%。该模型总体性能表现较好。该研究结果有效地支撑了配电网的负荷监测和规划,也为电力系统故障诊断提供了参考。

制导控制系统半实物仿真总体方案设计及集成联试

半实物仿真作为一个大型分布式仿真系统,其总体方案的设计优劣和集成联试的是否顺利,直接影响了系统性能指标的表现和建设目标的实现。归纳总结了总体方案设计的工作内容,分析了实时性、兼容性、扩展性和安全性的性能要求;给出了包括功能层次、运行机制和结构组成在内的典型半实物仿真系统总体方案;概括了仿真系统的集成联试内容,总结了典型系统的集成联试步骤,给出了系统验收测试的内容和系统可信度评估方法。