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。

考虑最小平均包络熵负荷分解的最优Bagging集成超短期多元负荷预测

多元负荷预测技术是保证综合能源系统(integrated energy system,IES)供需平衡与稳定运行的关键基石。但具有强随机性与波动性的IES负荷加剧了超短期多元负荷准确预测的难度。为此,提出考虑最小平均包络熵负荷分解的最优Bagging集成超短期多元负荷预测方法。构建基于最小平均包络熵的变分模态分解参数优化模型,将IES多元负荷分解为本征模态分量集合;基于统一信息系数法筛选多元负荷预测的日历、气象与负荷强相关特征;结合负荷本征模态分量集合、日历规则、气象环境与负荷数据,构建Bagging集成超短期多元负荷预测模型,并建立基于平均绝对百分比误差与决定系数的集成策略优化模型,进而得到最优集成策略与最终预测结果。以美国亚利桑那州立大学坦佩校区IES为对象展开仿真验证,结果表明,所提方法的电、热、冷负荷预测平均绝对百分比误差分别为1.9486%、2.0585%、2.5331%,相比其他预测方法具有更高准确率。

积极元素集成应用法对脑卒中患者压疮预防的效果分析

目的研究积极元素集成应用法对脑卒中患者压疮预防的效果。方法选择2021年7月至2023年6月救治的脑卒中患者168例为观察样本,以随机数字表法分为试验组(n=82例)和对照组(n=86例),对照组遵脑卒中压疮预防常规护理模式施护,试验组接受压疮预防积极元素集成应用法干预,观察2组干预后的家属压疮防护知信行评分、压疮发生率、家属压疮防护满意度。结果试验组家属压疮防护知信行评分高于对照组,压疮发生率低于对照组,压疮防护满意度评分高于对照组,差异均有统计学意义(P<0.05)。结论以积极元素集成应用法对脑卒中患者开展压疮防护干预,利于提升家属的压疮防护知信行水准,减低压疮发生率,深得脑卒中患者家属压疮防护认可。

面向不同类型概念漂移的两阶段自适应集成学习方法

大数据时代,流数据大量涌现.概念漂移作为流数据挖掘中最典型且困难的问题,受到了越来越广泛的关注.集成学习是处理流数据中概念漂移的常用方法,然而在漂移发生后,学习模型往往无法对流数据的分布变化做出及时响应,且不能有效处理不同类型概念漂移,导致模型泛化性能下降.针对这个问题,提出一种面向不同类型概念漂移的两阶段自适应集成学习方法(two-stage adaptive ensemble learning method for different types of concept drift,TAEL).该方法首先通过检测漂移跨度来判断概念漂移类型,然后根据不同漂移类型,提出“过滤-扩充”两阶段样本处理机制动态选择合适的样本处理策略.具体地,在过滤阶段,针对不同漂移类型,创建不同的非关键样本过滤器,提取历史样本块中的关键样本,使历史数据分布更接近最新数据分布,提高基学习器有效性;在扩充阶段,提出一种分块优先抽样方法,针对不同漂移类型设置合适的抽取规模,并根据历史关键样本所属类别在当前样本块上的规模占比设置抽样优先级,再由抽样优先级确定抽样概率,依据抽样概率从历史关键样本块中抽取关键样本子集扩充当前样本块,缓解样本扩充后的类别不平衡现象,解决当前基学习器欠拟合问题的同时增强其稳定性.实验结果表明,所提方法能够对不同类型的概念漂移做出及时响应,加快漂移发生后在线集成模型的收敛速度,提高模型的整体泛化性能.

冰上运动建筑曲面光伏参数化集成设计研究

2022年冬奥会成功举办,国内掀起了冰上体育运动的热潮,冰上运动建筑需求量和能源消耗量随之增长。光伏建筑一体化(Building Integrated Photovoltaic,BIPV)作为建筑节能的主要手段之一,在体育建筑屋面具有较大的集成潜力。通过建立寒冷地区曲面冰上运动建筑典型模型进行集成设计研究,基于Grasshopper参数化平台实现新型柔性CIGS薄膜光伏组件沿屋面曲线形态的优化布置,从两个层级出发,提出参数化设计方法与构造措施。通过Honeybee进行能耗模拟,结果表明,该柔性光伏系统全年可以为冰上运动建筑降低15.82%的能量消耗,进而验证了该方案的节能性,为建筑师进行寒冷地区曲面冰上运动建筑设计的节能优化设计提供数据支撑及科学依据。

基于集成改进蚁群算法的作战环推荐方法

作战环推荐是依靠优化算法从作战网络中为指挥员推荐最优的作战环,以对目标形成高质量打击。未来作战中的作战环推荐面临体系规模大、决策节奏快的特点。对此,提出了一种集成改进的蚁群算法,能够实现高效、高质的作战环推荐优化求解。首先,将作战环推荐问题转换为一种基于多仓库路径规划的数学模型。然后,针对原始蚁群算法前期收敛速度慢、算法参数对结果影响大和容易陷入局部最优的问题分别提出了3种改进策略:基于边权重信息的信息素初始化、基于差分进化的蚁群算法参数自适应优化和基于遗传算子的全局搜索能力提升,并进行了集成改进。最后,在案例分析中对集成改进蚁群算法进行了分析和对比,验证了所提算法在不需要大幅提高耗时的情况下,优化结果要优于未集成改进的蚁群算法,且相比于原始蚁群算法提升效果显著。

模拟集成电路设计课程实验项目驱动式教学改革

基于高校模拟集成电路设计课程实验项目分散且教学目标不明确,缺乏系统性和工程应用性,提出了项目驱动式教学改革。以与企业合作的工程项目为基础设立实验项目,并分解成由易及难的多个实验题目,分阶段、分步骤完成实验内容,最终完成模拟集成电路设计全流程实验,以“带隙基准电压源芯片全定制设计实验”为例阐述了实施步骤。课程实验项目采用驱动式教学加深了学生对课程内容的理解,有助于培养学生扎实的工程实践能力。

考虑能耗节约的集装箱码头装卸设备集成调度

针对自动化集装箱码头中岸桥与人工智能运输机器人(ART)的集成调度问题,依据作业阶段将设备能耗划分成多个表现形式,构建以最小化岸桥和ART的总能耗为目标的整数规划模型。为提高求解质量,提出一种具有重组变异和随机扰动的自适应粒子群算法。根据不同时期的搜索需求,对惯性权重实行自适应调整;并引入随机粒子增强个体的交互能力,结合迭代进程对最优粒子实施不定维更新,为其摆脱局部困境提供更多机会。最后,以天津港北疆C段自动化集装箱码头为研究背景设计了不同规模算例,将改进算法与GUROBI求解器以及其他算法进行比较,验证了模型和算法的有效性。结果表明,随着岸桥和ART的配置数量逐渐增加,作业进程加快,码头总能耗分别呈现降低和先降后升的趋势;此外,相比于传统的调度模型,所提方法能够在较短的完工时间里节约更多的作业能耗。

基于集成DEMATEL-ISM的民航飞行安全风险影响因素研究

航空安全是民航发展的生命线,飞行安全风险研究是飞行安全分析的重要内容,飞行安全风险影响因素的研究是飞行安全风险研究的重要基础。为研究民航飞行安全风险影响因素,在构建飞行安全风险评价指标体系的基础上,采用决策式实验分析法和解释结构模型联合法(decision-making trial and evaluation laboratory-interpretative structural modeling method,DEMATEL-ISM)的算法构建飞行安全风险影响因素模型,对因素的属性、重要度、作用机理等进行深入分析,建立系统性的多级递阶结构模型。最后通过算例编程仿真实现,对结果深入分析与研究,探讨其实际应用价值,证明该方法的可行性和有效性,该方法可以为飞行安全风险管理提供决策帮助和理论指导,有助于提升飞行安全管理水平。

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。

机器学习算法在降水和气温多模式集成中的应用

选取CMIP6中5种全球气候模式,利用算术平均、权重平均、多元线性回归、BP神经网络、长短期记忆(LSTM)神经网络和随机森林(RF)等6种多模式集成方法,基于黄河流域水源涵养区历史降水量和气温数据,评估不同集成方法的模拟效果,并选取模拟效果最好的多模式集成方法预估未来SSP1-2.6、SSP2-4.5和SSP5-8.53种情景下黄河流域水源涵养区的降水和气温变化趋势。结果表明:多模式集成能很好地再现基准期降水和气温变化,3种机器学习算法表现相对较好,其中LSTM神经网络最好;在未来3种情景下,多年平均降水量均有所增加,四季降水量变化各有差异;SSP1-2.6情景下年降水量峰值出现在各时段初期,SSP2-4.5和SSP5-8.5情景下的年降水量呈增长趋势,远期下降趋势较明显;3种情景下气温都呈上升趋势,但变化差异较大,增温幅度和速率由小到大为SSP1-2.6、SSP2-4.5、SSP5-8.5,秋季气温增幅最大,冬季最小;多模式集成方法对未来降水量和气温的预估存在较大的不确定性,均表现为中远期大于近期,降水量预估的不确定性比气温大,其中降水量秋冬季不确定性明显大于春夏季。

系统集成:发展新质生产力的基本方法论

发展新质生产力对于我国现代化建设事业和高质量发展具有重要实践意义。在对现有研究文献进行梳理和评述的基础上,强调理论研究必须关注发展新质生产力的方法论,而系统集成是我国发展新质生产力的基本方法论。从逻辑和实践来看,系统集成方法论集中体现为发展新质生产力的目标、载体、主体、机制之间存在着嵌套关系,且这四者内部也存在不同组成部分的紧密关联,可以从目标-载体-主体-机制“四位一体”视角来把握我国发展新质生产力问题。我国发展新质生产力是一个系统性、历史性的生产力跃迁过程,依据系统集成方法论,可以逻辑一致地引申出我国发展新质生产力的主要政策取向。

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。

油气管道数据集成及可视化发展现状分析

通过调研国内外油气田智能化探索过程中管道数据集成及可视化的发展现状,分析了国内油气管道数据集成及可视化面临的挑战。基于挑战和智能化管道建设需求,从发展趋势和管道业务2方面提出管道数据集成及可视化未来研究方向。发展趋势重点关注管道数据系统、业务流与工作流的一体化以及生产管理的远程、实时化等方面的建设,管道业务则从感知领域、预测领域、管控领域以及优化领域等方面开展数据集成及可视化研究工作。

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。

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。

口令攻击的集成学习模型构建方法

多年来,研究者们提出了多种不同的口令模型,提高了口令攻击的效率,其中包括基于概率上下文无关模型、马尔可夫模型等不同原理的方法,它们分别捕捉了口令中不同方面的特征,这使得通过这些不同特征结合到一起来提高攻击效率成为可能.另一方面,在机器学习领域被广泛使用的集成学习方法能够整合多种模型来学习数据集中的不同特征,因此本文提出将集成学习应用于口令生成领域.本文提出了可扩展的集成口令攻击方法,并重点描述它的两个实例,通过分析多个重要的影响因素,以及进行大量实验来研究它们对攻击性能的影响.本文提出的集成口令攻击方法可以显著提升攻击效率,实验结果表明它相对于经典口令模型有着更高的攻击成功率,尤其是在跨站攻击的场景中,有近20%的提升.

基于个性化最小二乘法的软特征集成实验方法

在生物特征识别技术的研究中,软特征的集成实验一直采用主特征之间的集成实验模型。软特征在适用范围、识别能力等方面与主特征有很大差别,直接使用主特征之间的集成机制无法有效地挖掘和利用软特征中的区分性信息,造成实验结果不够理想和准确。基于此,该文深入分析软特征的特性,提出“有效的互补性”和“个性化集成”两点集成要求,并在量化有效的互补性基础上,结合“最小错误率”目标,利用最小二乘法为每一个用户建立局部集成模型。将集成模型用于人脸识别和指纹识别两个实验场景,验证了该文对问题分析的合理性以及所提方法在提高识别准确率方面的有效性。

基于THz成像和集成学习的番茄根长表型提取及预测

为检测番茄根系表型,该研究基于THz(Terahertz)成像和集成学习提出一种根系检测技术。首先,对20天生长过程中番茄根系进行多次THz成像。其次,对最优重构后的根系THz伪彩色图去除根系重叠和主根区域的噪声数据。再次,采用Rosenfeld细化算法和滑动窗口遍历法计算根系长度。最后,提取根系有效区域中THz时域光谱和折射率光谱,由Stacking集成模型对番茄根长进行预测。由THz成像计算的番茄根长结果误差小,平均相对误差仅为4.16%;由THz时域数据预测的根长与计算得到的根长之间最大决定系数为0.999,最小均方根误差为0.743 cm;由折射率光谱数据预测根长的最大决定系数为0.998,最小均方根误差为0.976 cm。该方法不仅能根据THz图像准确地计算出番茄根系的长度,还能由番茄根系的THz光谱有效地预测番茄根长表型,该研究为根系表型检测方法提供了理论依据。

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。