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。

结合LSTM自编码器与集成学习的井漏智能识别方法

为了解决传统的井漏智能识别模型因井漏样本数量受限导致其识别准确率低的问题,提出了一种长短期记忆(long short-term memory,LSTM)网络与自编码器(auto-encoder,AE)相结合、集成LSTM-AE的井漏智能识别方法。首先,采用正常样本训练多个包含不同隐藏层神经元数目的LSTM-AE模型,利用重构得分筛选出识别效果较好的几个模型作为基识别器;然后,采用集成学习对多个基识别器的识别结果进行加权融合,解决单一模型因对样本局部特征过度学习导致的误报与漏报问题,提高模型的识别准确率。从某油田18口井的钻井数据中选取了6000组正常钻进状态下的立压、出口流量、池体积数据,对集成LSTM-AE模型进行训练和测试,结果表明,提出方法的识别准确率达到了94.7%,优于其他常用的智能模型的识别结果,为井漏识别提供了一种新的技术途径。

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.

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。

三相CLLC谐振变换器磁集成平面变压器设计与优化

三相CLLC谐振变换器凭借其高效率、大容量、低器件应力等优势而受到广泛关注。然而,多相结构的磁性元件数量多、体积大,是制约功率变换器尺寸的主要因素。随着宽禁带(WBG)半导体器件的出现,功率变换器的开关频率显著提高,这也为印制电路板(PCB)绕组的使用提供了有利条件。与传统绕线式绕组相比,PCB绕组的扁平特性更适用于平面磁性元件。此外,由于高频带来的低电感需求也使得基于PCB绕组的平面磁性元件更有利于实现集成。该文提出一种新型的基于PCB绕组的电感和变压器的集成结构,详细分析磁心结构的磁路模型,并给出集成磁件的优化设计方法,最后通过搭建一台基于SiC器件的800 V/10 kW的实验样机进行验证。实验结果表明,该集成方案可有效减小变换器的体积和损耗,具有高功率密度和高效率。

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。

基于集成树和MoE的馈线统计线损率双层估计模型

统计线损率是衡量电力系统经济运行的重要指标。然而,用户用电数据采集异常、数据传输中断等因素会导致统计线损率异常或缺失,这严重阻碍了智能配电网的线损精益化管理与经济高效运行。针对馈线统计线损率合理值的估计问题,该文提出了一种基于集成树和混合专家系统(MoE)的馈线统计线损率双层估计模型。首先,使用最大信息系数以更有效地分析统计线损率与其相关特征间的非线性关系,并采用鲁棒性强的K-Medoids聚类算法对馈线进行精细划分;然后,使用Stacking集成学习框架,基于基估计和元估计双层模型对馈线统计线损率进行两阶段估计,选用决策树和各类集成树模型作为基估计模型对统计线损率进行初步估计,将各基估计模型输出结果输入元估计模型MoE中进行最终估计,使用方均根误差(RMSE)和平均绝对误差(MAE)来衡量模型所估计统计线损率的合理性;最后,通过算例分析表明,与其他模型相比,该文所提馈线统计线损率双层估计模型具有更低的RMSE和MAE,对馈线统计线损率的估计效果更好。

双频DC-DC变换器的磁集成技术

双频Buck变换器由两个降压单元级联构成,具有动态响应快,开关损耗小等优势。然而不足的是磁件占据了整个系统的大部分体积与重量,降低了系统的功率密度。针对这一问题,提出一种三段式绕制磁集成技术,将磁件以解耦的方式集成在一副磁心中。该文首先建立集成磁件的磁路等效模型,通过抵消各绕组之间的耦合作用推导出解耦条件,并详细阐述了磁心的选取、匝数以及气隙的设计原则。其次,利用有限元仿真平台对所提集成磁件进行建模分析,与现有的集成方法相比,磁通密度分布更为均匀,磁心的利用率得到了有效提升。最后,搭建一台48 V/12 V、108 W的实验样机,体积和重量同分离磁件相比降低了31.2%和25.3%,提高了系统的功率密度,验证了该集成方法理论分析的正确性和可行性。

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。

美国官方智库关于中美集成电路科技竞争的研究质量分析

[研究目的]集成电路产业是中美科技竞争的焦点,探究美国官方智库关于中美集成电路竞争的主要咨询建议,判断智库对美国政府决策和中美产业竞争走向的影响,为我国加强智库研究、促进集成电路产业发展提供借鉴。[研究方法]从多个相关领域的美国官方智库中筛选出4个代表性样本,采用内容分析和文献资料研究,解析样本智库在2015—2022年间的有关咨询建议。[研究结论]美国官方智库完全从支持政府实现遏制中国的战略目标出发提供建议,通过“旋转门”、广泛的成果宣传等机制影响政府决策,政府行动与智库的建议具有高度的一致性,但是智库研究的客观性、全面性不足。我国应选择性地借鉴美国经验,持续提高智库研究质量,为政府应对集成电路科技竞争提供有效的决策支持。

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。

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。

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。

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。