基于高阶累积量和DNN模型的井下信号识别方法

针对矿井复杂异构的无线环境,提出一种基于高阶累积量和DNN模型的井下信号识别方法,实现了井下BPSK,QPSK,8PSK,2FSK,4FSK,8FSK,32QAM,64QAM,OFDM等数字信号的自动调制识别。分析得到9种数字信号的高阶累积量理论值,并通过傅里叶变换提高信号辨识度;分析井下小尺度衰落信道对高阶累积量的影响,推导出经过井下衰落信道后信号的高阶累积量计算表达式,根据高阶累积量理论值构造特征参数并训练DNN模型,实现信号识别。仿真分析结果表明,该方法在矿井Nakagami-m衰落信道下有出色的调制识别性能,信噪比为-5 dB时平均正确识别率为89.2%以上,信噪比为5 dB以上时平均正确识别率为100%。该方法为在特殊复杂环境下的信号识别检测提供了新思路。

基于深度学习的二手车价格预测模型及影响分析

运用2015~2019年中国二手车行业相关数据,基于深度学习模型,采用对比分析法、控制变量法探究我国二手车成交价格影响因素的重要性程度。结果表明,我国二手车成交量一直处于增长状态且保持较高增速;DNN模型比年限估计法及重置成本法预测的二手车成交价格精度高;新车指导价、已使用时间、已行驶距离、省份及汽车品牌重要性占比依次为67%、13.06%、9.08%、6.22%和4.64%。

基于DNN的OFDM系统非线性失真补偿

针对加性高斯白噪声信道下射频发送时高功率放大器导致的非线性失真问题,提出一种基于深度神经网络(DNN)的正交频分复用(OFDM)非线性失真补偿方法。设计一个双输入双输出含两层隐含层的深度神经网络在接收端对非线性失真进行补偿,并讨论了此网络不同的输入输出数据带来的性能差异。仿真结果表明该方法避免了射频发送信号的获取难度和进行输入功率回退时带来的功率损失,具有一定的补偿非线性失真的作用。

人工智能视频深度处理技术的电力施工监测

针对云计算框架处理电力施工监测视频数据延迟高、功耗大等问题,该研究通过设计mVideo系统,借助于移动边缘节点捕获电力施工监测视频,在边缘节点部署分区深度神经网络计算模型以深度处理视频流,传输模块可以将每个节点的中间结果和状态信息发送到存储服务器中。最终得到mVideo系统比云计算框架处理视频数据的执行时间缩短了45%,功耗降低了113%,证明了mVideo系统在上述部分指标方面的优势,更加实用可靠。

大数据驱动下的刑事审判专家系统建模分析

本文基于近几年贵州高级人民法院"故意伤害罪"案由的多维度大样本数据,设计了一种融合FCM聚类、PCA降维、基于PSO优化的DNN、极限随机树等多种机器学习算法的司法智能专家审判系统。同时,比较了有无PSO算法优化的DNN模型在分类上的效果,并对比了不同模型的预测精度。通过理论与实验的结合分析发现,本文设计的模型在案件分类与刑期预测结果上表现出了较好的效果,能更科学有效地辅助司法机关在量刑过程中减少主客观偏差,实现司法公平公正。

基于神经网络的公共建筑应急疏散风险评估方法

公共建筑空间大、人员密集、水平疏散距离长,在应急情景下的疏散本身存在一定的风险,提出了一种基于深度神经网络(DNN)的应急疏散风险评估方法。给出了DNN预测模型的建立方法,并以某高校体育馆为案例,说明了模型数据获取、模型训练,及模型测试的整个评估过程。结果表明,相较于传统评估方法,该深度学习方法克服了主观性强、对以人为核心的复杂疏散系统风险评估困难等缺点,可以实现对公共建筑应急疏散快速有效的评估。

2002-2021年福建省农业净碳汇的时序特征、影响因素及其趋势预测

【目的】研究福建省农业净碳汇的时序特征、影响因素,并对其变化趋势进行预测,为促进福建省农业低碳发展提供依据。【方法】采用排放因子法测算2002-2021年福建省农业净碳汇,运用拓展随机性环境影响评估STIRPAT(stochastic impacts by regression on population,affluence and technology)模型分析福建省农业净碳汇的影响因素,并采用深度神经网络(deep neural networks,DNN)模型预测2025年全省农业净碳汇。【结果】2002-2021年福建省农业净碳汇整体呈“波动下降-平稳上升”的变化趋势;种植业碳排放占比较大,以水稻和化肥碳排放为主;水稻和蔬菜对碳汇贡献较大;城镇化水平、能源消耗水平、农业净碳汇强度、农村经济发展水平和农村居民人均可支配收入均可提升农业净碳汇,其中,能源消耗水平的提升效果最为显著;2025年农业净碳汇预计比2021年上升36.30%。【结论】近年来福建省农业净碳汇量呈逐年上升的趋势,预测2025年农业净碳汇量比2021年提高36.30%。

基于商用车的驾驶员局域温度预测研究

为实现多种影响因素下驾驶员关键区域的温度预测,探究驾驶员各区域温度分布规律,将东风商用车作为研究对象,基于大量实车实验数据,探究不同环境因素对驾驶员关键区域温度分布影响,采用以驾驶员头部红外图像为输入,Yolov5目标检测与DNN模型预测相结合的方法预测驾驶员11个区域温度值,对预测模型进行评价验证,并通过十折交叉验证模型稳定性。最后基于不同驾驶室温度及外界光照对驾驶员关键区域温度分布规律进行总结,结论表明:不同驾驶室温度及外界光照环境对驾驶员肩部、背部、脚部及手部等区域温度值影响较为明显,在不同外界环境因素影响下,各区域温度分布存在不同规律。