基于ERNIE-BiGRU-CRF模型的煤矿安全隐患命名实体智能识别研究

为充分挖掘煤矿安全隐患文本关键知识,帮助煤矿企业安全管理人员更好的开展隐患排查治理工作,提出一种基于预训练语言模型的命名实体识别方法。首先定义煤矿安全隐患实体类别,并采用BIO标注策略构建了7个实体类别和15个实体标签;然后将收集到的煤矿隐患排查数据进行预处理,由煤矿安全领域专家人工标注相关实体,得到1500条煤矿安全隐患命名实体标准数据集;最后采用ERNIE预训练模型对煤矿安全隐患文本词向量进行表征、同时利用BiGRU结构进行上下文语义特征提取以及CRF模型进行实体标签解码,完成煤矿安全隐患命名实体识别研究。实验结果表明:ERNIE-BiGRU-CRF模型在序列标注任务上的精确率、召回率和F1值分别为56.69%、69.23%和62.34%,较于BiLSTM-CRF基线模型分别提高了6.85%、13.74%和9.83%,并且实体抽取结果与实际标注结果相差不大。另外,消融实验也验证了BiGRU层能够更好的捕捉煤矿安全隐患文本上下文语义依赖关系以及CRF层能够进一步优化标签序列的有效性。

基于遗传算法的磨削力模型系数优化及验证

在磨削力模型求解问题中,目前大多使用分段计算法或列方程组直接计算各个待求系数,不仅计算量大且其精度也无法保证。另外,传统的回归模型容易陷入局部最优,难以描述非线性关系。为此,将遗传算法引入到非线性优化函数参数优化中,基于外圆横向磨削力模型、平面磨削力模型、外圆纵向磨削力模型等现有的模型数据,开展磨削力理论模型的系数优化方法研究。相关性分析结果表明:通过计算得到的3种模型磨削力的预测精度提高了14.69%~42.54%,且3种模型所预测的法向磨削力的平均误差分别为5.9%、9.13%、3.23%,切向力平均误差分别为6.78%、8.36%、3.69%。经对比知,优化后的模型拟合度较好,模型预测精度显著提高。遗传算法优化后的非线性优化函数GA-LSQ算法更适合磨削力模型的求解,可对磨削力的预测及实际加工生产中的参数优化提供参考。

基于Deep Forest算法的对虾急性肝胰腺坏死病(AHPND)预警数学模型构建

为预报池塘养殖凡纳对虾(Penaeus vannamei)急性肝胰腺坏死病(AHPND)的发生,自2020年开始,笔者对凡纳对虾养殖区开展了连续监测工作,包括与疾病发生相关的环境理化因子、微生物因子、虾体自身健康状况等18个候选预警因子指标,通过数据标准化处理后分析病原、宿主与环境之间的相关性,对候选预警因子进行筛选,基于Python语言编程结合Deep Forest、Light GBM、XGBoost算法进行数据建模和预测性能评判,仿真环境为Python2.7,以预警因子指标作为输入样本(即警兆),以对虾是否发病指标作为输出结果(即警情),根据输入样本和输出结果各自建立输入数据矩阵和目标数据矩阵,利用原始数据矩阵对输入样本进行初始化,结合函数方程进行拟合,拟合的源代码能利用已知环境、病原及对虾免疫指标数据对目标警情进行预测。最终建立了基于Deep Forest算法的虾体(肝胰腺内)细菌总数、虾体弧菌(Vibrio)占比、水体细菌总数和盐度的4维向量预警预报模型,准确率达89.00%。本研究将人工智能算法应用到对虾AHPND发生的预测预报,相关研究结果为对虾AHPND疾病预警预报建立了预警数学模型,并为对虾健康养殖和疾病防控提供了技术支撑和有力保障。

基于RUN-XGBoost算法的土石坝渗流预测模型

针对传统土石坝渗流预测模型存在局部最优、抗干扰性差和预测精度低等问题,通过RUN算法优化XGBoost算法得到RUN-XGBoost算法,构建了RUN-XGBoost模型以获得更优的土石坝渗流预测结果。该模型在种群初始化时采用RUN算法对XGBoost算法的3个主要参数进行改进,使预测结果有较高的有效性;通过自动寻找最优参数增进算法的整体收敛速度和预测精度,同时引入随机解,使算法能够排除局部最小值并继续搜索,从而获得全局最优结果。工程实例验证结果表明,RUN-XGBoost模型具有简洁、高效、预测精度高、鲁棒性强等优点。

基于模型驱动的密码算法可视化开发平台研究

针对密码算法开发平台普适性差、无法跨平台的问题,本文采用模型驱动实现密码算法开发的方法,设计了一种基于模型驱动的密码算法可视化开发平台,提出了一种基于模型驱动的密码算法开发的领域语言—MCL密码元语言;实现了基于模型的代码生成器和代码映射器.实验证明,该开发平台仅需要开发者拖拽图形块的操作就可以实现密码算法模型的建立,然后平台可以根据建立的密码算法模型生成不同编程环境下的代码.平台实现了C和python的代码映射器模块,密码算法模型可快速映射为C、python代码.平台有较好的实用性,开发者的密码算法实现过程简洁、高效,不同编程环境下的代码均可以通过平台自动生成,提高了密码算法实现的跨平台性.

基于不同算法筛选糖尿病足溃疡截肢预测模型的比较

目的 探讨不同算法筛选的糖尿病足溃疡(DFU)截肢预测模型。方法 收集2015年1月至2020年12月新疆医科大学第一附属医院收治的364例DFU患者的临床资料,按照截肢情况将其分为截肢组(n=213)和非截肢组(n=151),分别通过单因素分析、Boruta算法和随机森林-递归特征消除(RF-RFE)算法进行截肢危险因素分析,并构建临床预测模型,比较模型的c指数、F1分数和Brier分数,评估模型的预测效能和临床意义。结果 两组患者年龄、高血压病程、冠心病病程、Wagner评分、部位-缺血-神经病变-细菌感染-面积-深度(SINBAD)评分、国际糖尿病足工作组(IWGDF)分级比较,差异均有统计学意义(P﹤0.05)。实验室指标中截肢组患者低密度脂蛋白(LDL)、高密度脂蛋白(HDL)、甘油三酯(TG)、血钙、血磷、白蛋白与球蛋白比值(A/G)、平均血小板分布宽度(PDW)、血红蛋白(Hb)均低于非截肢组患者,截肢组患者球蛋白(GB)、中性粒细胞比例(N)、纤维蛋白原(FIB)、国际标准化比值(INR)、平均红细胞分布宽度(RDW)/白蛋白比率、中性粒细胞/淋巴细胞比值(NLR)、血小板与淋巴细胞比值(PLR)均高于非截肢组患者,差异均有统计学意义(P﹤0.05)。多因素分析结果显示,Wagner分级﹥2级、SINBAD评分﹥3分、FIB、Hb、PDW、INR、年龄均是DFU患者截肢的独立危险因素(P﹤0.05)。传统Logistic回归模型c指数、F1分数和Brier分数分别为0.771、0.809、0.163。采用Boruta算法得出对截肢影响最大的影响因素为年龄、Wagner分级﹥2级、SINBAD评分﹥3分、IWGDF分级﹥3级、A/G、INR、FIB、N、Hb、RDW比白蛋白比率、NLR和PLR,模型c指数、F1分数、Brier分数分别为0.686、0.744、0.163.RF-RFE算法得出DFU截肢危险因素为NLR、PLR、N、肌酐和PDW,模型c指数、F1分数和Brier分数分别为0.748、0.769、0.220。结论 不同算法从不同逻辑对DFU患者截肢的危险因素进行评估,可与传统统计学方法结合,为DFU的治疗决策提供依据互补。

基于遗传算法的斜拉桥基准模型参数修正方法

健康监测对于斜拉桥结构全寿命的安全使用十分重要,而使用传感器采集斜拉桥数据进行健康监测存在盲区.结合Benchmark模型对桥梁结构进行监测,能够在给定状态下,比较和评价不同的健康监测方法标准,对桥梁的设计、运营以及管养等方面有重要意义.本文基于背景工程,提出用于斜拉桥结构健康监测的基准模型.首先,使用Matlab建立斜拉桥的鱼骨梁简化有限元模型,并建立斜拉桥的板壳单元精细模型,作为简化补充模型和模态矫正模型;其次,采用正交试验设计,对建模过程中的待修正参数进行斜拉桥动力特性参数的显著性分析;最后,基于遗传算法对模型参数进行修正,提出了动态自适应技术和并列选择的方法优化遗传算法结构,干涉遗传选择过程,并赋予初始种群更高的离散性,与调用GA函数的方法对模型进行修正进行比较,验证了改进后的遗传算法具有更高的计算效率,模态参数误差较小.

基于量子衍生涡流算法和T⁃S模糊推理模型的储层岩性识别

鉴于梯度下降法易陷入局部极值、普通群智能优化算法易早熟收敛,提出一种基于量子衍生涡流算法(Quantum Vortex Search Algorithm,QVSA)和T⁃S模糊推理模型的岩性识别方法,QVSA具有操作简单、收敛速度快、寻优能力强等优点,有助于T⁃S模糊推理模型获得最优参数配置,从而实现储层岩性的准确识别。首先利用具有全局搜索能力的QVSA优化T⁃S模糊推理模型的各种参数;然后利用主成分分析方法降低获取的地震属性维度;再利用优化的T⁃S模糊推理模型识别储层岩性。实验结果表明,利用反映储层特征的8个地震属性识别储层岩性时,所提方法的识别正确率达到92%,比普通BP网络方法高5.1%,同时查准率、查全率、F1分数等指标也较BP网络方法提升明显。

基于遗传算法优化C-LSTM模型的心律失常分类方法

结合遗传算法全局寻优的特点提出一种GC-LSTM模型,该模型通过特定遗传策略的遗传算法自动迭代搜寻C-LSTM模型最佳超参数配置。利用遗传迭代结果配置模型,并按照医疗仪器促进协会制定分类标准在MIT-BIH心律失常数据库上进行验证。经过测试,本文提出的GC-LSTM模型在分类准确率(99.37%)、灵敏度(95.62%)、精确度(95.17%)、F1值(95.39%)上相较于手动搭建模型均有所提升,且与现有主流方法相比亦具备一定优势。实验结果表明该方法在避免大量实验调参的同时取得较好的分类性能。

防止纹理扭曲的倾斜摄影模型轻量化算法

针对倾斜摄影模型网格简化后出现纹理扭曲的问题,基于二次误差度量算法(quadric error metrics,QEM),提出一种防止纹理扭曲的倾斜摄影模型轻量化算法。该算法依据模型中各顶点的拓扑连接关系对顶点进行分类,对不同类型的顶点制定相应的折叠策略,并引入顶点起伏度因子、纹理形变因子和顶点一环领域内三角形平均面积对QEM算法中的边折叠代价进行改进。实验结果表明,改进算法可以在高简化率下避免出现纹理扭曲现象,有效保持了模型的几何特征和纹理特征,并且相较于传统QEM算法,改进算法处理的模型最大误差、平均误差和均方差均分别至少降低了43.55%、52.50%和21.61%;在90%简化率的情况下,相较于带纹理模型的简化算法,改进算法处理的模型最大误差、平均误差和均方差分别降低了34.90%、10.61%和12.31%。

一种基于ISBO算法的锂离子电池等效电路模型辨识方法研究

锂离子电池等效电路模型的参数辨识方法对模型精度有较大的影响。针对缎蓝园丁鸟优化SBO(satin bowerbird optimization)算法收敛精度低和收敛速度慢的问题,提出一种改进的缎蓝园丁鸟优化ISBO(improved satin bowerbird optimization)算法。采用惯性权重、柯西变异、高斯变异和贪婪选择策略来提高ISBO算法的收敛精度,并利用标准测试函数对其收敛性能进行验证。结合电池充放电数据,将提出的ISBO算法用于锂离子电池等效电路模型的参数辨识。实验结果表明,与SBO和自适应权重粒子群优化算法相比,ISBO算法参数辨识精度较高且辨识精度不受电池工况的影响。

改进的容量约束设施区划模型的算法及应用

针对经典的容量约束设施区位模型(CFLP)缺少考虑公平、效率与服务质量三方面的因素,以及平衡三者关系的问题,文章提出了引入覆盖半径ϕ、最低覆盖率μ、设施建设成本CAP对模型进行改进,算法的求解实质是求解线性规划问题的最优解。根据以上方法进行案例区的计算验证,实验结果表明,与传统模型算法相比,改进的CFLP模型通过灵活选择设施的服务半径和覆盖率参数求解计算,能较好地兼顾服务成本、服务质量和空间公平性三者之间的关系,并可于5s内得出最优解,相比传统算法150s的平均计算时间,有显著的提升,对城市公共服务设施的布局优化具有较高的实用价值。

大模型时代公共性算法的应用场景、层次嵌套及逐层规制——以数字政府建设为例

以大规模的深度学习模型来解决复杂问题为特征的“大模型时代”悄然而至,算法在其中扮演着关键的角色。数字政府建设作为我国国家治理转型的重要战略,必然需要面对大模型时代的趋势与公共性算法的运用。从具体的应用场景来看,大模型时代下的公共性算法能够在数字治理、数字政务以及数字监管中提升多方效能,助力政府数字化转型。从具体的运作机制分析来看,算法分别在数据层、协同层以及理念层上实现了层次嵌套,通过数据喂养训练合格技术、人机交互赋能多元主体、价值内化保障数智理性。但上述运作机制存在法治保障的不足,应当分别从上述三个层面的运作机制出发,尝试通过事前与事后并行的方式,规范算法运作、公众与机关共治的形式,保障有效交互、伦理与司法审查的途径,从而实现数智理性。

基于改进北方苍鹰优化算法的封闭小区开放决策模型

为减少封闭小区开放过程中安全、环境与噪声等因素带来的影响,考虑小区开放的影响因素与费用值之间的关系,同时考虑小区出口和入口数量对内部交通疏散的影响,建立封闭小区是否开放的多目标优化模型。在北方苍鹰优化算法基础上,优化苍鹰的捕食行为,改进北方苍鹰优化算法对模型进行求解。通过虚拟路网验证模型和改进算法的有效性,计算结果表明,合理设置封闭小区的决策方式,可以减少车辆出行时间和出行总费用值,开放封闭小区能有效缓解交通压力。此外,将改进北方苍鹰优化算法(ENGO)与非支配排序遗传算法和社会工程优化器进行比较,研究结果能表明ENGO具有的优越性,相比其它两种算法,其反世代距离平均上升9.59%,超体积平均上升3.21%,运行时间平均下降5.88%。

基于凝聚层次聚类算法的ATT&CK模型改进

在应用ATT&CK模型(网络攻击模型)进行网络安全威胁分析的过程中,ATT&CK模型提供的技术集合过于复杂。针对ATT&CK模型应用复杂的问题,论文对模型的技术集进行聚类简化研究,提出了基于聚类算法的模型改进方法,首先对ATT&CK模型的技术集合进行量化和聚类趋势评估,然后对量化的数据应用凝聚层次聚类算法得到简化的聚类结果,最后通过实验验证模型改进有效性。

一种光伏组件5参数模型参数求解算法

针对目前牛顿-拉夫逊法在求解光伏组件5参数模型特征参数时存在的雅克比矩阵奇异化和参数漂移问题,本文运用Levenberg-Marquardt(LM)算法求解光伏组件5参数模型参数。结合目前两种常用组件实测数据的算例分析,验证了本文所提出的LM方法对不同类型组件具有精度高、收敛速度快、实用性强等优点。

基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

基于改进SPRINT分类算法的数据挖掘模型

为解决目前数据挖掘模型分类时间长、挖掘准确率不高的问题,提出基于改进决策树分类算法(SPRINT)的数据挖掘模型。先采用最大-最小规范化公式完成原始数据线性变换,利用改进后的SPRINT分类算法按照输入数据特性进行分类,使用协同过滤技术生成与数据相近的属性集,计算数据属性相似度,生成语义规则集,为用户提供更优的数据服务。选取某公司营销数据集作为样本进行对比实验,结果表明,与对比模型相比,所提出的数据挖掘模型分类时间更短,挖掘准确率更高,能为用户提供更优质的数据服务。

基于阿基米德优化算法对质子交换膜燃料电池的模型参数估计

随着新能源汽车市场占有率不断提高,燃料电池电动汽车也在不断地发展,质子交换膜燃料电池作为其关键部件之一,设计制造成本尤为重要。在文章研究中,提出了一种新的模型识别方法,用于质子交换膜燃料电池的最佳参数识别。所提出的方法使用了改进型阿基米德设计优化算法,然后在实验研究中,实施了该设计的模型,并将结果与一些众所周知的方法进行比较。最终结果表明,所提出的方法对于Nexa模型的误差值为0.10,比较其他算法中,本研究提供了最佳解决方案。

基于鲸鱼优化算法的长短期记忆模型水库洪水预报

洪涝灾害是世界主要自然灾害之一,优化洪水预报方案对防洪决策至关重要,然而传统水文模型存在参数多、调参受人为因素影响,泛化能力弱等问题。针对上述问题,本文提出基于改进的鲸鱼优化算法和长短期记忆网络构建自动优化参数的WOA-LSTM模型,通过优化神经网络结构进一步增强该模型的稳定性和精确度,并且建立不同预见期下的洪水预报模型来分析讨论神经网络结构与预报期之间的关系。以横锦水库流域1986-1997年洪水资料为例,其中以流域7个雨量站点的降雨以及横锦站水文资料为输入,不同预见期下洪水过程作为输出,以1986-1993年作为模型的率定期,1994-1997年作为模型的检验期,研究结果表明:(1)以峰现时差、确定性系数、径流深误差和洪峰流量误差作为评价指标,相比较于LSTM模型和新安江模型对检验期的模拟结果表明WOA-LSTM模型拥有更高的精度、预报结果更稳定;(2)结合置换特征值和SHAP法分析模型特征值重要性,增强了神经网络模型的可解释性;(3)通过改变神经网络结构在一定程度避免由于预见期增加和数据关联性下降而导致的模型预报精度下降的问题,最终实验表明该模型在预见期1~6 h下都可以满足横锦水库的洪水预报要求,可以为当地的防洪决策提供依据。