基于因果干预的微服务系统故障根因分析方法

针对现有故障根因分析方法因果关系丢失、在复杂环境中分析效率低下以及缺乏对于非机器指标故障类型分析能力的问题,提出一种基于因果干预的微服务系统故障根因分析(CIMF-RCA)方法。首先,利用马尔可夫假设和调用模式对调用链和微服务进行筛选,从而缩减干预识别的搜索空间并提高故障根因分析方法在复杂环境中的效率;其次,通过解析并融合非结构化的日志数据,实现机器指标数据和日志数据的联合分析;最后,引入因果贝叶斯网络(CBN)和干预数据,提出一种改进的干预识别算法及分治的故障根因分析方式。在大规模微服务基准平台TrainTicket上进行实验的结果表明,对比表现最优的根本原因发现(RCD)方法,所提CIMF-RCA方法的Top-5平均准确率提高了26.33个百分点,所需时间减少了41.61%;而在RCD无法识别的非机器指标故障类型中,所提方法的Top-5准确率达到了77.00%。可见,所提方法能有效地分析微服务系统中的故障根因。

融合视觉特征与运动特征的众源轨迹数据道路交叉口识别方法

随着移动定位技术的快速发展,众源车辆轨迹数据已成为导航路网地图构建与实时更新的重要数据源。道路交叉口是路网地图和路径规划的关键结点,准确识别轨迹数据中的道路交叉口是基于众源轨迹数据构建导航路网地图的重要基础。目前基于众源轨迹数据的道路交叉口识别方法主要分为基于运动特征、视觉特征和深度学习的方法。然而,由于交叉口形状、大小的差异性及轨迹数据密度分布的异质性,采用单一策略或方法难以满足不同轨迹数据场景下(如轨迹稀疏区域和交叉口分布密集区域)的道路交叉口准确完整提取,而导致交叉口的漏提取或错误识别等问题。为此,本文基于组合优化思想,提出了一种融合视觉特征与运动特征的众源轨迹数据道路交叉口识别方法。该方法在提取车辆运动特征识别道路交叉口的基础上,结合人类在观察轨迹数据时的视觉认知过程,通过融合轨迹数据的运动特征与视觉特征,实现不同复杂场景下的道路交叉口识别与结果优化。采用成都市网约车轨迹数据和武汉市出租车轨迹数据进行试验与对比分析,结果表明相比于现有代表性方法,本文方法对道路交叉口识别精度和召回率均具有显著提升。

基于异构数据的患者术后非计划内再入院预测

非计划内再入院是医院风险管理的重要信号,也是医疗质量的重要指标。目前,再入院预测已经成为医疗系统的一项重要任务,大量学者结合机器学习技术提出非常多有效的预测方法,但大多仅以单一结构数据为研究对象或仅使用串联方法融合异构数据。前者未能充分利用电子病历中丰富的数据与信息,后者则未能更好地融合异构数据的信息。基于上述问题,本文提出了一种基于CTFN异构数据融合方法,结合患者出院小结文本与住院期间产生的横断面数据预测患者再入院风险。预测模型的构建分为3个步骤。首先,利用RoBerta模型提取患者出院小结中的特征信息并得到表征矩阵;其次,使用CNN模型学习患者横断面特征信息,得到表征矩阵;最后,通过CTFN方法融合两个表征矩阵,得到异构数据的表征矩阵并通过线性层分类器得到最后的预测结果。CTFN融合方法利用张量外积融合多个单模态表征矩阵,并增加CNN模型及残差结构设计加强异构数据模态内与模态间的信息学习。根据某公立医院的临床数据对上述方法进行验证,实验结果表明其表现出色,其中,召回率达到了76.1%,ROC曲线下面积达到了71.5%,均高于所对比的基线模型。证实了异构数据能提升分类器预测效果,且CTFN融合方法能够更好地融合异构数据间的信息,进一步提升分类器预测效果。

基于OPCUA和ETL的伺服阀综合应用系统设计

针对伺服阀生产过程中存在的设备种类繁多、不同供应商设备之间无法交换数据、数据集成工作复杂困难的问题,提出基于OPC UA (Object Linking and Embedding for Process Control Unified Architecture)和ETL (Extract-Transform-Load)的综合解决方案。该方案使用OPC UA作为通信协议完成设备之间的高效通信,利用ETL技术设计并实现了伺服阀综合应用系统。样机试验验证了方案的有效性。该方案实现了产线信息化过程中的设备互操作能力,是确保伺服阀质量可靠性和性能一致性的关键基础技术。

数字孪生系统及其在药玻检测设备运维中的应用

针对药用玻璃生产设备维保困难大、成本高、周期长等问题,该文文引入数字孪生技术,构建了用于药玻检测设备故障诊断的数字孪生运维系统,以实现对药玻生产线运行过程中的虚拟监控、关键部件的状态预测及联动决策。根据药玻设备的特点构建药玻检测线设备的数字孪生模型。针对实体物理设备因模块协议不统一导致的数据感知异常,基于OPC UA构建了一套针对药玻检测设备的标准化通信协议。采用虚实数据融合的架构模式,结合虚实相似度映射融合规则对多元异构数据进行融合处理,并对融合后的数据进行后期数据分析和处理。将特征输入HSMM预测模型,并结合模糊专家系统对药玻设备故障进行识别分析,给出最终的设备维护建议。仿真实验表明,所设计的系统可真实反映物理设备的运行状态,并通过大量数据样本对设备状态进行评估。

广域滑坡易发性多分支网络评估及动态变化分析

针对卷积神经网络(CNN)在滑坡易发性评估中因数据通道叠加导致过度关注特定因子的问题,本文提出了一种多分支数据融合的滑坡易发性评估模型,该模型通过多分支结构和自适应定权机制实现多源遥感数据的特征融合,进而借助深度CNN充分提取评价因子的语义信息以准确评估滑坡易发性。试验选取青藏高原东南部作为典型研究区,与随机森林、浅层CNN和ResNet101模型的对比分析表明,本文提出的多分支网络模型在广域滑坡易发性评估方面更具优势,其准确率、精确率、召回率、F 1值、曲线下面积(AUC)和频率比精度均优于现有模型(分别达到0.88、0.89、0.92、0.90、0.92和0.97)。在此基础上,结合连续5年的滑坡易发性评估结果,进一步探讨植被、降雨量等环境因子波动与滑坡易发性指数变化间的内在关联,并通过变异系数掲示滑坡易发性指数时空变化规律。研究结果表明,近5年岷江-大渡河流域、雅砻江流域以及雅鲁藏布江流域受归一化植被指数和局部降雨变化的影响,整体风险均呈现出先增大后减小的变化特征;而金沙江流域和怒江-澜沧江流域植被和降雨量波动较小,滑坡易发性等级总体保持在中高风险水平。本文所提出的模型与方法可为同类区域滑坡风险评估提供参考和借鉴。

基于多源数据融合的青藏高原降雪变化特征研究

降雪作为青藏高原水循环的重要组成部分,对维持区域水资源平衡和生态平衡具有不可替代的作用。然而,随着全球气候变暖的加剧,青藏高原地区降雪变化特征不仅对区域气候稳定性构成了挑战,也对水资源管理和生态环境保护提出了新的课题。为了深入理解青藏高原降雪变化的时空特征及其对气候变化的响应,研究选取了拉萨河、年楚河、那曲河、长江源、黄河源和澜沧江源等6个具有代表性的流域作为研究对象,旨在通过多源遥感降水数据融合技术,揭示这一时期内青藏高原降雪的时空变化规律。研究选取了CMFD、CPC和TRMM三种网格降水数据,通过构建基于整体偏差和偏差组分的降水数据评价指标,对这些数据进行了精度评估和优化融合。研究结果表明,2002-2018年间,青藏高原典型流域内的降雪率总体呈现下降趋势,特别是在海拔5 000 m以上的地区,其降雪率的减少更为显著。降雪率的降幅由大到小排序为拉萨河(28.2%)、黄河源(18.2%)、长江源(17.8%)、年楚河(15.4%)、澜沧江源(12.1%)和那曲河(10.5%),这一下降趋势呈现出自南向北逐渐增强的空间分布特征。这一发现与全球气候变暖紧密相关,为理解青藏高原对气候变化的响应提供了重要的科学依据。此外,本研究对于青藏高原地区的水资源管理和气候变化适应策略的制定具有重要的参考价值,也为相关领域提供了数据支持和研究方法,有助于推动青藏高原气候变化研究的深入发展。

基于多时空尺度特性的风电场物理-数据融合动态等值建模

文中提出了一种风电场动态等值建模方法。核心思路是将风电场对象的物理特征分析与数据分析进行有效融合,构建出反映风电场暂态特性的数据特征,并针对风电暂态波动多变特征提出基于形状的距离的分群聚类算法,从而实现场站内具有相似动态风电机组的分群等值。首先,围绕风电场多时空尺度特征展开物理特性分析,提出反映风电场站动态特性的核心因素集合;其次,针对核心因素多且存在相关性这一问题,采用降噪自编码器算法来对核心因素集合进行降维,去除冗余信息后构建数据特征;然后,引入基于形状的距离度量的聚类算法,实现风电场发电单元分群;最后,以某风电场为例,在PSCAD/EMTDC平台仿真验证了所提方法的有效性。

面向生物氧化提金槽温度监测的数据融合策略

为提高生物氧化槽温度估计的准确性,提出一种数据融合策略。利用鲁棒自适应无迹卡尔曼滤波算法对底层采集的数据进行处理,克服噪声对系统性能的影响。利用序贯自适应加权融合算法对滤波后的数据进行局部融合,保证融合结果的一致性与高精度。利用改进的斑马优化算法优化核极限学习机进行全局融合,提升算法的泛化能力与鲁棒性。实验结果表明,提出的融合方法能够提高生物氧化槽温度估计的精度,为后续的控制决策提供有力的数据保障。

基于多源数据的全球路网融合生产应用研究

基于OpenStreetMap (OSM)等开源道路数据,设计了一套多源矢量道路数据获取与预处理、要素匹配融合、名称翻译和属性挂接的生产加工技术流程,从多源路网几何信息和属性信息两个方面进行获取挖掘和补充。对乌拉圭进行道路融合生产应用的结果表明,相较于初始OSM道路,匹配融合加工后的道路几何增长率约为20.31%,准确率约为97%,属性整体增长率约为4.64%,新增属性约为8.91%,准确率约为93%。相关研究成果已应用于境外地理信息资源建设等工程中,可为全球范围核心矢量要素数据产品制作和更新提供借鉴依据。

基于机器学习的传感器监测在金属激光增材制造中的应用

金属增材制造是一种通过逐层沉积金属材料实现成形的先进制造技术。在制造过程中,由于物理环境、设备状态以及工艺参数的综合影响,成形件可能会出现各种缺陷。通过传感器对成形过程中的信号进行监测,并结合机器学习算法,不仅可以识别成形件的缺陷,还能对其质量和性能进行评估。本文综述了声音传感器、热传感器、可见光相机、光谱传感器以及多传感器融合技术在增材制造原位监测、特征提取、数据融合及机器学习算法应用方面的研究进展。同时,结合当前机器学习技术在实际应用中的问题,探讨了基于物理信息驱动的机器学习研究现状。最后,对未来需要解决的关键问题及研究方向进行了总结和展望。

基于三维地球模型的中国大陆重力潮汐因子研究

潮汐现象是地球对日、月等星体引力的响应,重力潮汐因子对于揭示地球内部结构具有重要作用.中国地震局、中国科学院等自20世纪80年代开始布设首批重力仪,用于研究中国大陆固体潮空间分布特征,到目前为止已建成超过50个台站的重力观测网络.本研究利用该网络的重力潮汐因子观测结果,结合考虑了横向非均匀效应的潮汐理论和三维地球模型,构建了中国大陆及周边地区的重力M_(2)、O_(1)因子分布模型.基于微扰理论,本研究发现P波速度扰动、S波速度扰动、密度扰动及综合效应对重力M_(2)因子影响的幅值范围分别为-0.12%至0.14%、-0.19%至0.17%、-0.08%至0.06%和-0.09%至0.11%(对O1因子的影响为-0.13%至0.28%、-0.27%至0.15%、-0.12%至0.10%和-0.15%至0.05%),影响最显著的区域为喜马拉雅造山带(负值)和华夏古陆东南缘(正值),体现了这些地区的特殊构造.本研究利用最小二乘配置方法对重力潮汐因子的理论值与实测值进行了融合,发现中国大陆及周边地区的重力M_(2)因子幅值范围为1.130至1.175,总体呈现周围低、中心高的特征.重力O1因子幅值范围为1.145至1.195,总体呈现从西北向东南逐渐升高的特征.以上结果可为中国大陆及周边地区重力潮汐因子、地球模型等相关研究提供参考.

叉车型AGV精确复合导航技术研究

随着现代菌菇养殖的精细化与规模化,需要能够精确导航定位的自动导引车(AGV)来实现搬运,以提高生产效率。为了提高叉车型AGV导航定位精度,提出一种激光加惯性复合导航定位方法。为了解决多传感器数据融合问题,提出一种基于自适应无迹卡尔曼滤波(AUKF)算法的叉车型AGV最优位姿估计方法。根据运动学方程预测下一刻位姿信息,利用惯导传感器获得的系统观测量修正预测位姿信息,通过激光传感器获得的绝对位姿信息消除惯导的累积误差。实验证明,该复合导航方法具有偏差小、收敛快、抗干扰能力强等优点。

基于数据增强和特征融合的花粉图像分类

传统花粉分析识别方法依赖于人工经验标注花粉图像,这一过程耗时且耗费人力。近年来,深度学习技术取代传统方法,广泛应用于花粉分析识别研究领域。然而,目前深度学习方法在识别时间、内存占用和准确性等算法模型效能方面仍有待优化。为进一步提高算法模型的效能,采用了数据增强技术,通过旋转、缩放和平移等手段扩展花粉数据集并采用局部二值模式(LBP)网络实现特征融合,提升花粉识别的准确度。实验结果显示,该方法在花粉识别上取得了95.1%的准确率和96.4%的精确率,表明数据增强和特征融合技术在提高花粉识别准确性和效率方面的有效性,为花粉分析识别相关研究领域提供技术和方法参考。

基于优化深度置信网络的煤矿事故预警方法

为了对煤矿瓦斯气体泄漏事故进行准确快速的预警,提出了一种基于蝙蝠算法优化过的深度置信网络(Bat Algorithm-Deep Belief Network,BA-DBN)的多传感器数据融合预警方法。针对大部分煤矿等配备精密的传感器设备、能够精确测量各气体浓度参数的应用场景,考虑采用适用于一维数组分类的深度置信网络作为煤矿事故预警的算法,以矿井巷道内各气体浓度参数作为算法输入,对矿井内多个传感器数据进行融合,以实现矿井内环境状态分类,并通过蝙蝠算法优化深度置信网络隐含层中各神经元的数量,提高分类准确率。实验结果表明,系统在传感器数据分类方面的准确率得到明显提高,具有更优秀的分类效果。

气象要素数据融合算法研究

数据融合是一种将多源信息对同一事件通过一定的算法准则,实现达到客观可靠的数据处理技术。在气象领域中,大部分数据融合相关问题一般来自于数据缺陷,当传感器提供的数据受到测量不确定因素影响时,采集数据存在模糊性或错误性的数据,也有可能出现数据缺陷现象。本研究选取多设备同一气象要素数据进行融合,通过传感器的优势互补,消除一定的测量误差,实现多通道融合后数据测量可靠性更高。

基于雷达与AIS数据的快速融合方法

雷达数据与船舶自动识别系统(AIS)的数据信息有不同的优势,进行数据融合可实现两类数据信息的互补。使用常规方法,在查找匹配数据时每次需对大量AIS数据进行解析,较依赖于计算机硬件资源,严重影响运行效率。针对大量AIS数据匹配难,循环遍历搜索慢的问题,文本利用轻量型数据库存储数据方便、查询便捷的优势,通过将一次解析的大量AIS数据存入数据库,避免了AIS数据的重复解析,减少了对计算机硬件资源的依赖。实验表明,针对3万条雷达数据与10万条AIS数据,本文方法可将大规模主动雷达数据与AIS采集的数据匹配融合耗时由原先的1 225 s减少为335 s,实现雷达数据与AIS数据的高效查找匹配,提升数据融合效率。

阿尔茨海默病辅助诊断的多模态数据融合轻量级网络

单模态阿尔茨海默病辅助诊断方法缺少专业标注的影像数据,特征提取不稳定且要求高计算能力,为此融合核磁成像、正电子发射断层扫描影像数据和精神认知评分数据,提出多模态轻量级阿尔茨海默病辅助诊断网络(LightMoDAD).在影像特征提取模块中,去冗余卷积以提取局部特征,引入全局滤波用于提取全局特征,通过配准并相加实现多模态影像特征融合.在文本特征提取模块中,由可分离深度卷积提取精神认知评分数据特征与多模态影像特征融合,通过迁移学习增强特征判别性.采用多层感知器识别复杂的模式和特征,提高所提网络的分类准确率.在ADNI数据库中开展有效性验证实验,LightMoDAD的分类准确率、敏感性和特异性分别为0.980、0.985和0.975.实验结果表明,所提网络有助于提高医生诊断效率,具有移动端部署潜力.

基于数字孪生的天然气井多源数据融合温度场分析

井筒温度场是评估天然气井服役安全的重要参数,其变化直接影响井筒的完整性,由于天然气井生产过程伴随复杂的温度变化,使其全井筒温度场演化分析难以获得精确的数值模拟结果。基于天然气井的数字孪生模型,建立了井筒内流体与时变非稳态地层的传热模型,以及井筒内流体温度场的径向传递模型,进而提出了一种井下监测与数值模拟多源数据的融合方法,建立了井下任意数量与位置测点的温度采集数据与温度数值计算的耦合求解模型,实现了在有限监测数据的条件下,全井筒高精度温度场演化分析。多源数据融合方法有效提高了全井筒温度场预测的精度,为有限数据条件下的井筒完整性评估提供了可靠的分析方法,并为天然气井的高效、安全运行提供了技术支持。

基于多模态知识图谱的河姆渡文化资源库系统设计与实现

以河姆渡遗址群考古报告为数据源,通过信息提取、实体链接等方法构建多模态知识图谱,并设计信息系统,实现了河姆渡文化遗产资源的数据管理和检索。参考学术论文及考古研究,设计一种河姆渡文化知识图谱的本体知识体系,并提出一种从考古报告中提取图像与知识图谱实体进行对齐的算法,实现了多模态文化资源与实体节点的精准匹配。在此基础上,开发了一个河姆渡文化资源库管理系统。该系统具有多模态检索、图谱化展示等功能,并为用户提供了交互式、可视化的数据浏览和分析工具,有助于用户更深入地理解和利用河姆渡文化遗产资源;也可为研究人员、文化机构和公众提供便捷的工具,以更好地探索和理解河姆渡文化,为文化遗产的管理、研究和教育提供了一种新的手段。