考虑裂纹分形维数的平行黏结模型细观参数标定的神经网络模型

针对试错法在平行黏结模型细观参数标定过程中存在繁琐耗时,且无法定量评价数值模拟与室内试验的裂纹匹配程度等局限性,统计并分析了近10年平行黏结模型细观参数取值范围,采用盒计数法获取了数值模拟试验、室内试验所得破坏后岩石表面裂纹分形维数。在此基础上,建立了以宏观弹性模量、宏观泊松比、峰值强度和裂纹分形维数等4个参数为输入层,黏结弹性模量、黏结法向与切向刚度比、黏结内聚力、黏结内摩擦角、黏结抗拉强度和摩擦系数等6个细观参数为输出层的神经网络模型,对比分析了考虑与不考虑裂纹分形维数时平行黏结模型细观参数标定效果。研究结果表明:(1)所建立的神经网络模型具有较好的收敛速度、预测精度与泛化性能,测试集输出数据与期望值误差约为3.34%。(2)将裂纹分形维数纳入神经网络模型后,数值模拟所得弹性模量、峰值应力与泊松比等宏观参数与室内试验结果的误差小于3.00%,优于不考虑裂纹分形维数标定结果。(3)该方法可定量保障数值模拟所得裂纹不规则性与室内试验结果的一致性,其在一定程度上可视为对现有神经网络模型细观参数标定结果的修正。研究成果可为提高平行黏结模型细观参数标定效果提供新思路。

基于话题序列的网络热点数据挖掘模型研究

随着互联网信息的爆炸式增长,如何从海量数据中准确、高效地挖掘出网络热点话题,成为当前数据挖掘领域的重要研究方向。界定话题序列的概念,并分析其在网络热点数据挖掘中的重要作用,可以提出一种基于话题序列的网络热点数据挖掘模型。该模型可以对话题进行时间序列分析,结合文本挖掘和机器学习技术,实现对网络热点话题的自动识别。仿真实验结果验证,基于话题序列的网络热点数据挖掘模型有效性较高,在准确率方面相对其他传统方法有显著提升。

基于PCA-BP神经网络的巷道通风摩擦阻力系数预测模型

根据实测巷道通风摩擦阻力系数数据的特点,建立了主成分分析PCA-BP神经网络预测模型。采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7个因素进行降维。将降维后因素的贡献率进行排序筛选,得到3个主成分指标(F_(1)、F_(2)和F_(3)),作为BP神经网络输入层的神经元。利用实测数据对PCA-BP神经网络模型进行训练和测试,并将测试结果与支持向量机回归(SVM)模型和BP神经网络模型的测试结果进行对比,结果显示:全因素的BP神经网络预测模型和SVM预测模型的平均精度分别为92.9420%、93.0235%,而PCA-BP预测模型的平均精度达到了96.4325%。PCA-BP神经网络模型不但简化了网络结构,更提高了网络的泛化能力,使预测误差更小、精度更高,为更准确地获得巷道通风摩擦阻力系数提供了一种有效的方法。

基于改进PCA-BP神经网络模型的海宁市需水预测

需水预测是地区水资源规划中的重要部分,对于实现水资源合理有序开发,保障社会经济的可持续发展有重要的指导意义。采用改进PCA-BP神经网络模型对影响需水量的9个影响因子进行降维处理,并分别以海宁市2001~2014、2015~2020年数据作为训练样本和检验样本完成模型训练,其中,综合灰色预测模型GM(1,1)对降维后的影响因子独立预测,从而预测海宁市规划年需水量,并与传统定额法的需水预测结果进行对比分析。结果表明,人口、GDP、居民生活用水量、城镇公共用水量为影响海宁市需水量的主要因子;通过构建改进PCA-BP神经网络模型得到的2025、2030、2035年需水结果,比传统定额法更为真实、合理,进一步证实了预测模型的合理性,可为海宁市未来水资源规划提供指导。

演化视角下的网络暴力治理研究——基于SEIQR模型

[研究目的]采用传染病模型模拟网络暴力舆情演化过程,有助于监管部门预测舆情趋势、评估治理策略和制定应急预案。[研究方法]首先,融入生命周期理论改进标准传染病模型,研究网络暴力舆情的扩散机制和影响模式;其次,基于中央网信办加强网络暴力治理的通知内容深入分析模型基本再生数的参数含义;最后,通过六组对照仿真实验研究网络暴力舆情在不同阶段的治理侧重点。[研究结果/结论]实验结果表明,在网络暴力舆情的成长期加强内容识别预警有助于降低暴露人群比例;在爆发期通过及时发布权威信息能避免活跃人群放大负面舆论;在衰退期开展宣传教育能够增大传播链中隔离人群比例;在平缓期持续完善防控机制可以监督恢复人群的情绪变化。

基于注意力循环神经网络的联合深度推荐模型

为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。

基于SNPR模型的重大突发事件网络谣言传播治理研究

网络时代不仅便利了信息交互,也为谣言肆虐创造了条件,探索重大突发事件网络谣言传播规律对政府相关部门有效治理谣言传播提供参考。基于协同治理理论和经典传染病模型,考虑多主体间的交叉影响,构建了政府部门、主流媒体和网民三方主体参与的重大突发事件网络谣言传播模型。该模型包括易感者(S)、消极信息传播者(N)、积极信息传播者(P)以及免疫者(R)。通过案例分析验证模型的适用性,并应用MATLAB仿真模拟不同条件下的谣言传播演化趋势。研究结果表明,初始阶段增加积极信息传播者的数量有助于引导和控制后续谣言的传播。政府干预和媒体引导在将消极信息传播者转变为积极信息传播者方面起到了关键作用,从而影响了网络谣言的传播动态。此外,网民的自身素质,尤其是其科学文化素养和理性判断力,也会对网络谣言的传播产生重要影响。

用于任意工况变流器阻抗模型黑箱辨识的神经网络设计

阻抗分析法因能够在设备控制结构或参数未知的条件下分析系统稳定性而受到工程的青睐。以电力电子变流器为代表的交流并网设备阻抗特性易受交流稳态工作点的影响,因此基于黑箱辨识快速导出变流器任意工况的阻抗模型可以极大地提升稳定性分析效率。基于神经网络的辨识方法可以弥补基于最小二乘法的辨识方法的局限性,文中进一步改进神经网络的设计以显著提升其可解释性。在数据收集阶段,使用扫频方法获取闭环阻抗模型在足够多工况下的频率响应。在模型训练阶段,计及变流器阻抗模型的隐藏特征,设计与扰动频率数量相同的神经网络,并采用集成贝叶斯正则化的Levenberg-Marquardt算法提升由小型数据集得到的训练网络的泛化能力。在模型验证阶段,将设定工况输入网络,实现稳定工况极高精度辨识和不稳定工况离线预测。文中方法为新型电力系统稳定性分析的工程应用提供了实用选择。

基于改进引力模型的成渝地区双城经济圈城市经济联系网络演变研究

借助改进的引力模型,结合社会网络分析方法,以成渝地区双城经济圈132个区县为例,从综合网络、“双核”网络和廊道网络3个视角探索成渝地区双城经济圈区县经济联系的网络特征与变化,结果表明:1)2005—2019年间区县间经济联系总量显著增长,一级联系的数量和占比大幅度增加,但四川省、重庆市之间仍旧缺乏高质量的一级联系.2)综合网络的网络密度和网络可达性明显提升,层级性下降趋势明显,区县间等级结构依旧分明;“双核”网络均属于同配性核心-边缘网络,小世界特性逐步明显;廊道网络属于韧性网络,网络密度和网络可达性整体提高.3)网络中心度水平整体较高,呈现明显的圈层结构,成都市和重庆市主城区始终处于核心地位,掌握着网络权,相较于重庆市,四川省部分区县差距仍较大,省内发展不均衡问题依旧明显.4)2005—2019年15 a间,绝大多数区县都融入了相近模块的发展趋势,截至研究期末仅存在古蔺县、芦山县、宣汉县和仪陇县4个孤立区县.

改进粒子群优化算法结合BP神经网络模型的水体透射光谱总磷浓度预测研究

使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总磷浓度含量的预测。具体而言,首先对测得的长江水质光谱数据进行最大最小归一化和均值中心化两种预处理操作,在消除不同数据量级差异的同时去除了噪声,确保了数据的一致性和可靠性。其次,为了解决光谱数据的高维度问题,采用了核主成分分析(KPCA)方法来降低数据维度并提取特征。KPCA方法通过在高维度的空间中找到一个分类平面,选出能代表原始数据99.42%信息量的前6个主成分,用于后续预测模型的训练。接着在原始粒子群算法的基础上引入了粒子初始化规则、多种群竞争策略、参数自适应更新策略、种群多样性引导策略和粒子变异机制,提高了粒子群的寻优能力,降低粒子陷入局部最优解的概率。并使用改进后的粒子群算法对BP神经网络(BPNN)中的初始化权重和参数大小进行寻优,从而加快网络的收敛效果,提高预测能力。最后,使用本研究所提出的预测模型对测试集中的样本进行总磷浓度的预测,实验结果得到R^(2)为0.975786,RMSE为0.002242,MAE为0.001612。将本模型与当前预测性能较好的其他基准模型进行预测效果的对比,本研究所提出的模型对长江水体总磷浓度预测拟合效果更好,精确度更高。在水资源保护和环境管理领域中使用光谱数据结合融合算法进行预测模型的研究和实践提供了新的思路和观点。

求解单层织物热湿耦合模型正反问题的物理信息神经网络方法

针对织物热湿耦合模型难以解耦和反问题求解时间长的问题,提出了一种求解单层稳态织物热湿耦合传递模型正反问题的物理信息神经网络(Physics-Informed Neural Networks,PINNs)方法。首先,给出了求解单层织物热湿传递方程正问题的PINNs方法,并采用数值实验验证了方法的有效性。其次,提出了基于热湿舒适性的厚度参数决定反问题,并使用PINNs方法进行求解。数值实验结果显示,PINNs方法在求解参数决定反问题时,仅需5 min即可预测出概率函数,相比于微分方程数值求解和粒子群结合方法,求解效率提高了25倍,展现出显著的优越性和应用潜力。

基于GA-BP神经网络岩石单轴抗压强度预测模型研究

为探究更为精确的上覆岩层砂岩和泥岩单轴抗压强度与其弹性模量之间的关联性,结合胡家河矿56组砂岩和泥岩单轴抗压强度与弹性模量历史数据,运用遗传算法优化了BP神经网络的结构参数和学习参数,得到了最佳的网络结构和参数设置,利用GA-BP神经网络对煤矿砂岩与泥岩单轴抗压强度进行了预测,并与传统的BP神经网络和非线性回归分析法进行了比较。研究结果表明,GA-BP神经网络预测模型在预测砂岩和泥岩单轴抗压强度与弹性模量间关系上具有较高的精度和泛化能力,能够有效地解决传统BP神经网络的局部最优和过拟合问题,相较于非线性回归分析,拥有更强的非线性关系建模能力,是一种适用于砂岩与泥岩单轴抗压强度预测的有效方法。

基于MLP神经网络优化改进的BW模型

神经网络具有强大的建模能力和对大规模数据的适应性,在拟合核质量模型参数方面表现出显著效果.本研究旨在探索神经网络拟合核质量模型参数的问题:采用多层感知机(multilayer perceptron,MLP)神经网络结构,评估不同参数下Adam优化器的训练效果,训练出准确的模型参数.研究发现,基于AME2020数据,更新系数后的BW2核质量模型在双幻数以及重核区域的均方根误差降低明显;BW3模型重新拟合后的全局均方根误差为1.63 MeV,较之前1.86 MeV有所降低.结果表明,该方法能够有效地拟合模型参数,并具有良好的拟合性能和泛化能力.这项研究为BW系列核质量模型的系数提供了新的拟合方法,也为其他核质量寻求最佳拟合参数提供了有益的参考.

结合高斯噪声的回声状态网络模型及其时间序列预测性能

为了模拟回声状态网络模型在时间序列预测实例中的影响因素,在回声状态网络模型的储备池层引入高斯噪声,构建结合高斯噪声的回声状态网络模型;利用公式推导分析所提模型的非线性性质;采用股票序列数据与Logistic混沌序列数据进行实验验证和对比分析。结果表明,本文所提模型的预测效果优于回声状态网络模型、压缩感知回声状态网络模型和反向传播神经网络模型,股票收盘价预测、Logistic混沌序列预测的平均绝对误差均最小,分别为1.33×10^(-3)、5.21×10^(-4)。

基于中间态的网络安全机器翻译模型

针对网络安全领域的中译英机器翻译存在大量专业术语,数据规模小以及不同语言的句法结构存在差异等问题,提出了一种基于中间态的网络安全机器翻译模型。通过研究中英句法结构上的差异,制定将中文转换为中间态的规则。结合BERT与SpaCy生成包含语义嵌入的中间态词向量,利用BERT捕捉句子的上下文语义信息,通过SpaCy解析依存关系,将两者整合为高维特征向量。实验结果表明,所提出的翻译模型在低资源网络安全双语数据集BLEU值达到了28.2,提升了1.0个BLEU值,WMT18公开中英双语数据集BLEU值达到了21.1,提升了0.9个BLEU值。可见通过中间态以及捕捉上下文语义信息和句法结构信息,模型能够更准确地处理专业术语、复杂句法等问题。

基于加权网络模型下的金融系统稳定性研究

近些年来,世界金融系统面对着严峻的挑战,在一波未平一波又起的浪潮下,各国政府对本国金融系统的监管强度都有了明显提升。而将企业与银行视为节点,借贷关系视为连边,则该网络系统可视为一种加权网络模型,本文通过引入幂律分布复杂网络,以现实金融体系下各企业的生存状况为基础,设计了一种网络模型,并对节点出入度之比进行约束,对不同约束条件下网络的稳定性进行了研究。

基于人工智能的网络安全检测与分解模型改进设计及其实现研究

随着现代计算机网络技术的全面应用和普及,网络安全已成为当今社会关注的重点。为实现网络安全的良好保障,以人工智能技术作为支持,对网络安全检测与分解模型的改进设计及其实现进行研究,包括网络安全检测现状,网络安全检测分解中的智能算法及其优化,人工智能支持下的网络安全检测与分解模型改进设计和实现分析。经研究可知,以往的支持向量机在网络安全检测与防护中存在一定不足。为有效应对其中存在的不足,需要在人工智能技术的支持下合理建立网络安全模型,以满足现代网络安全检测和分解等方面的实际需求。

基于大数据的高职院校网络思想政治教育创新模型构建——以陕西机电职业技术学院为例

文章以陕西机电职业技术学院为调研对象,采取问卷调查、访谈等方式对陕西机电职业技术学院网络思想政治教育现状进行调研分析,构建了基于大数据的高职院校网络思想政治教育模型,为高职院校开展网络思想政治教育提供了新思路,为促使青年一代成长成才,推动国家有序健康发展提供了新方法。

基于改进引力模型的滦河流域区县经济空间网络结构演变研究

研究滦河流域区县经济空间网络特征对于精准提升滦河流域经济发展水平具有重要意义。本文以滦河流域40个区县为研究范围,引入流空间理论对引力模型进行改进,构建2000年、2010年、2020年滦河流域经济网络模型,运用社会网络分析法探究滦河流域内经济网络特征与时空演变规律。研究结果表明,近20年滦河流域经济发展重心逐渐由秦皇岛向唐山转移,强经济流主要分布在唐山市内部。经济网络密度呈上升趋势,但是流域整体较低;唐山市路北区、路南区的点度中心度、中间中心度、接近中心度均较高,说明其对外影响力与对内吸引力较好,不易受其他区县经济发展的影响。流域经济网络核心区逐渐扩大,呈现“下游强、上游弱”的特点。流域内部网络权力分布由不均衡向均衡发展,但仅有下游路北区、路南区位于核心权力区,对边缘权力区县的带动作用有限。

基于ASO-MLP神经网络的大气加权平均温度模型

为了得到高精度的本地大气加权平均温度(T_(m))模型,本文在多层感知(MLP)神经网络模型的基础上引入原子搜索优化(ASO)算法,构建ASO-MLP模型。将气象参数作为模型的输入因子,在此基础上使用ASO算法对模型的权值与阈值参数进行寻优。利用东北地区6个探空站数据进行模型训练并进行后一年T_(m)预测,实验结果表明,本文提出的ASO-MLP模型的T_(m)预测结果的Bias为-0.05 K,RMSE为4.07 K,R^(2)为0.931,较对比模型具有更好的精度指标,拟合度更高。本文针对东北地区的本地化T_(m)模型研究可为地基反演大气可降水量提供支持。