基于SOA-RF智能算法的深部巷道支护参数优化研究

强开采扰动作用下深部沿空巷道围岩稳定性控制是一项技术难题。为了研究深部沿空巷道在动载荷作用下位移及应力场的演化特征,以高家堡煤矿103工作面为背景建立数值模型。然后,利用FLAC 3D软件分析了动载作用下深部沿空巷道位移及应力场演化特征。最后,通过机器学习的方法,进行了巷道响应参数敏感性分析。结果表明:根据重要性得分,不同动荷载因素作用下巷道围岩对动荷载幅值响应最为明显;不同动载幅值作用下巷道最大变形速率达到17.5 mm/MPa,两帮最大变形速率达到16.1 mm/MPa,塑性发育最大速率达到3552.5 m^(2)/MPa。利用回归分析方法得到了动载荷条件下的经验方程。在此基础上,提出了“让压-支护”协同控制技术,以缓解沿空巷道围岩变形。数值模拟与现场监测结果验证了协同控制技术的可行性。

改进群体智能算法的无线传感器网络覆盖优化

为解决无线传感器网络(Wireless Sensor Networks,WSN)节点分布不均和随机部署中的低覆盖率问题,该文提出一种改进群体智能算法的无线传感器网络覆盖优化算法,即改进的黑猩猩优化和哈里斯鹰优化的混合优化算法(Improved Chimp Optimization and Harris Hawk Optimization Algorithm,ICHHO).该算法首先对黑猩猩优化算法(Chimpanzee Optimization Algorithm,ChOA)进行改进,使用Levy Flight来改善其探索阶段,然后设计一个更新的公式来计算猎物逃逸能量,作为开发和探索之间的选择因素.传感器节点随机部署后,将ICHHO在传感器节点上执行,按照改进策略更新个体位置信息,计算相应的适应程度,找到最优传感器位置,并根据传感器概率模型确定网络最优覆盖率.仿真结果验证了ICHHO对于解决WSN覆盖问题的适用性,与其他优化算法的对比结果显示,ICHHO在提高覆盖率方面优于其他算法.

智能算法的亚群优化策略综述

群智能算法的优化是提升群智能算法性能的一个主要途径,随着群智能算法越来越广泛地运用到各类模型优化、生产调度、路径规划等问题中,对智能算法性能的要求也越来越高。亚群策略作为一种优化群智能算法的重要手段,能够灵活地平衡算法的全局勘探能力和局部开发能力,已经成为群智能算法的研究热点之一。为了促进亚群优化策略的发展和应用,对动态亚群策略、基于主从范式的亚群策略和基于网络结构的亚群策略进行了详细调查,阐述了各类亚群策略的结构特点、改进方式和应用场景。最后,总结了亚群策略目前存在的问题以及未来的研究趋势和发展方向。

智能算法推荐背景下高校网络意识形态安全建设的重点及策略

作为描述将输入转化为所要求的输出的过程,计算机算法具有很强的目的性。智能算法推荐一定程度上个性化地预置了人们在互联网学习、浏览的内容,进而影响人们的判断和观点。随着智能算法推荐技术应用不断深入,其价值引导功能越来越不容忽视,给高校网络意识形态安全建设带来了新挑战。在此背景下,抵御非主流意识形态网络化渗透与传播,强化法学、新闻学、经济学等学科价值导向,防范计算机信息安全相关专业技术滥用等成为高校网络意识形态安全工作新重点。需要从健全网络意识形态工作体系、提升网络意识形态安全意识、建强网络意识形态工作队伍、增强校园网络智能算法推荐的应用发展等方面,切实加强高校网络意识形态安全建设。

基于粒子群算法智能算法的TSP问题优化

旅行商问题(TSP)是组合优化领域最著名的问题之一,具有深远的理论意义,并在现实应用中产生广泛影响。本研究采用基于粒子群优化(PSO)的智能算法来解决TSP问题。PSO算法利用集体智慧寻找最优解,相比传统方法,能更快速地接近最优解,特别是在处理大规模问题时表现突出。此外,PSO算法不需要问题的具体细节知识,如梯度信息,因此非常适合解决复杂优化任务,这些任务难以通过精确的数学模型定义。将PSO算法应用于TSP问题不仅展示了其在具体问题上的有效性,还证明了该算法在处理更广泛复杂优化问题上的潜力和适应性。这突显了群体智能算法解决实际问题的能力,为解决其他复杂问题提供了有价值的启示。

智能算法的“伪中立性”及其对网络意识形态安全的影响与应对

以大数据为支撑的计算机智能算法技术在演进过程中生发出与意识形态的耦合,变革了技术中立的传统属性。算法技术的“伪中立性”加大了主流意识形态的认同度难度,削弱了主流意识形态的引领作用,消解了主流意识形态的权威性,为我国网络意识形态安全带来隐忧。对此,应发挥人的主观能动性从源头上着手优化算法逻辑,善用社会主义制度的优越性加强对资本的限制和引导,注重对公众的“算法素养”培育,倒逼算法行业自律,使智能算法成为助力主流意识形态建设的新引擎。

基于机器学习的煤层气产能标定智能算法及影响因素分析

煤层气是我国常规天然气现实可靠的战略补充资源之一,智能化标定煤层气产能对于天然气工业的发展具有重要意义.对山西沁水盆地某煤层气区块的煤层气井进行了实际地质、生产数据的收集及数据预处理,提出了基于生产井史的煤层气单井产能计算公式.利用预处理后的生产数据及储层数据,建立了基于深度神经网络、支持向量回归机、随机森林的煤层气产能标定智能算法,对煤层气单井产能进行了预测,比较了三种机器学习模型的预测结果,分析了不同排采天数的生产数据作为输入参数对模型精度的影响.基于预测效果最好的机器学习模型,进行了动态参数(排采前期的日产气、日产水和井底流压)和静态参数(煤层埋深、孔隙度、渗透率、煤层厚度和含气量)对煤层气产能标定模型的重要性程度分析.结果表明:三种机器学习模型标定煤层气单井产能的平均决定系数为0.828,其中深度神经网络模型决定系数最高,达0.923;增加生产数据前期排采天数,决定系数增长趋势明显,之后增长趋势减缓并最终趋于平稳;动态参数和静态参数对产能的影响都较强,这两类参数对于产能预测模型的贡献度分别为48%和52%.

基于人工神经网络智能算法的9310钢本构模型优化

目的研究9310钢在变形温度为800~1200℃、应变速率为0.01~50s-1和高度压下量为70%条件下的热变形行为,建立预测效果相对较好的9310钢本构模型。方法使用Gleeble-3800热模拟机对9310钢进行等温恒应变速率热压缩实验,基于热压缩实验数据,分析了应变速率对9310钢流动软化效应的影响,建立了考虑应变补偿的Arrhenius本构模型与支持向量回归(SVR)本构模型,并进行了模型精度分析,之后引入人工神经网络(ANN)智能算法优化了Arrhenius本构模型。结果与变形温度相比,应变速率对9310钢流动软化效应的影响更为显著。相较于支持向量回归(SVR)本构模型,考虑应变补偿的Arrhenius本构模型精度更高,其相关系数R为0.9934,平均相对误差(AARE)和均方误差(MSE)分别为0.0556和89.362,它在预测高应变速率(1、10、50 s-1)流动应力时出现了较大偏差,经ANN智能算法优化后,相关系数R提高至0.9991,AARE和MSE分别降至0.0199和9.998,且绝对误差在±10MPa以内的预测流动应力占比为98.34%。结论在低应变速率(0.01 s-1)下软化效应更强,在高应变速率(10 s-1)下再结晶程度较低,软化效应较弱。ANN智能算法优化后的Arrhenius本构模型具有较高的精度,能较准确地预测9310钢的流动行为。

智能算法下日常生活的数字异化与扬弃

智能算法嵌入数字化社会的各个方面,重构人的日常生活。智能算法深刻改变人的生活方式,指向一个美好的数字化未来,但其发展带来的日常生活数字异化正在消解人的主体性的现实不可忽视,解蔽日常生活数字异化旨在为数字时代人的回归指明实践路向。对此,应反思智能算法技术伦理,建构合理的日常生活;警惕智能算法异化宰制,恢复现代人的主体性;善用智能算法赋能日常,推动数字技术生活化。

电力调度中的智能算法分析

阐述电力调度的特点和面临的挑战,介绍人工智能算法的原理和分类,探讨在相关领域的应用。分析电力调度与人工智能算法的集成方法,通过实验设计和结果分析,评估其在电力调度中的效果。

人工智能算法的进化及其伦理效应

由人工智能算法技术的发展,可以看到智能算法自主性的萌发。在这一发展阶段,人机伦理问题主要源自人类的人工智能使用。而在技术算法基础上由情景算法发展到智能算法,人工智能开始为拥有伦理属性奠定基础。从深度学习算法甚至可以在某种程度上看到智能算法自主进化的趋势,这意味着智能算法开始拥有伦理属性。人类的未来发展过程毫无疑问将是一个机器智能自主性不断发展的过程,在人类未来的形塑中,会学习的智能算法将扮演越来越重要的角色——这同时也是一个人机伦理关系演化的重要发展阶段。在人机共同发展条件下,前景中将出现的是人类自主还是共生自主甚至机器智能算法自主,就成了一个不是简单的“是”与“否”,而是涉及更深层次具体机制的问题。它涉及超越人类自然进化视域的更高层次智能进化——广义智能进化,涉及更高层次的人机伦理关系。

智能算法的资本化效应及其辩证检视

资本虽然具有与生俱来的逐利剥削性及残酷性,但也不自觉地推动了生产力的更新发展,从而体现出“文明面”。智能算法作为当代资本主义社会生产过程中的数智化劳动资料,在收集、分析处理人类数字活动所产生的数据化生产要素中具有重要作用。资本增殖逻辑必然引发智能算法资本化,导致人的数字异化。但资本的二重性也隐含了对这种异化的扬弃。辩证地检视资本二重性下智能算法的社会应用,要走出其异化效应,就需要走向数字生产资料的共同占有,发展共享性数字技术文化,推动智能算法的社会主义构建,实现人的自由发展与人的本质的复归。

基于智能算法的代理购电业务电量预测与评价体系研究

我国电力市场目前仍处于改革中,电力企业代理购电预测的准确与否,在市场资源配置中起着决定性作用。为保证代理购电机制平稳发展,需明确电力企业市场化购电规模。目前代理购电电量主要是根据代理购电工商业用户用电量及典型负荷曲线进行预测,缺乏完整的体系,难以精确预测,导致缺少合理的规划。文章提出一套相似日月度预测算法与混合时序月度预测算法相结合的智能算法,用于代理购电业务电量预测与评价,围绕江苏省2022年用电情况进行预测,从5个维度对预测结果进行评价,帮助电力企业精准预判整体售电量规模,合理规划购电计划。

智能算法技术赋能高校思想政治教育供需互契研究

智能算法技术凭借其在数据挖掘过滤、用户画像预测、信息内容分发、算法模型训练等方面无可比拟的优势,为高校思想政治教育实现供需动态平衡带来了机遇,能贯通学生群体的真实所需与潜在所求,实现优质资源的精准供给与智能推送,统一供给成效的质性评价与量化评估。但智能算法技术作为一种新兴技术范式和变革性技术力量,在运行维度“黑箱效应”潜隐存在,离散需求主体的价值认同;“过滤气泡”悄然滋生,消解供给内容的系统结构;工具理性过分张扬,弱化供给主体的人文关怀。为此,我们要应势而动,以算法治理透视“黑箱效应”,以技术规制戳破“过滤气泡”,以价值理性统合工具理性。

智能算法在计算机技术创新教学中的应用

阐述人工智能在计算机领域的应用案例,探讨人工智能算法在计算机教改中的创新教学模式,包括个性化学习、智能辅助、跨学科教学与实践。分析该模式对学生学习和教师教学的影响。

基于智能算法的火电机组变负荷控制策略优化

现有火电机组的AGC(automatic generation control,自动发电控制)系统存在控制精度低、响应速度慢等问题,为满足电力保供要求,引入人工智能算法对火电机组变负荷控制逻辑进行升级优化。对行业内已开展应用的神经网络、模糊控制、智能优化算法、专家系统、模型预测控制等各类智能算法进行特性总结与适用性分析,在此基础上提出利用线性自回归模型修正锅炉、汽轮机主控逻辑的方案,并在某350 MW超临界燃煤机组上进行10%额定出力的变负荷仿真实验,结果表明,智能算法优化后的控制逻辑有利于机组缩短响应时间,减少超调量,提高AGC系统的调节品质。

群体智能算法在路面参数反分析中的适用性及优选策略

随着群体智能算法在路面参数反演中的成功应用,复杂多元非线性优化难题得以解决,但算法的选择仍然是路面参数反分析问题中亟待解决的难题。针对路面参数反分析中模型复杂、反演参数众多、绝大多数运算时间消耗在正算程序上等问题,选择8种常见的群体智能算法,开展限定正算调用次数下算法性能相关研究,并以考虑材料横观各向同性以及层间接触状态的路面结构参数反演问题为例,对群体智能算法进行实际测试。结果表明:不同算法各具特点,其中,粒子群算法、遗传算法、头脑风暴算法、人工蜂群算法以及烟花算法在多峰问题上具有较好的适用性;萤火虫算法在解决最优解附近存在平缓区域的问题时具有较快的收敛速度;对于遗传算法,实数编码方式后期收敛速度较二进制编码方式有所提高,但对于多峰问题的搜索能力有所下降;鱼群算法、混合蛙跳算法仅有在较大正算调用次数下才有较好的寻优能力。对于路面参数反演问题,从弯沉曲线匹配上看,粒子群算法、遗传算法、头脑风暴算法以及萤火虫算法均有较好的反演结果;而从相关系数上看,头脑风暴算法具有最佳反演结果。

基于智能算法的云南甘蔗产量预测

构建基于智能算法的甘蔗产量预测模型,对云南省8个甘蔗产区甘蔗产量进行预测。选取云南省临沧市、德宏傣族景颇族自治州、普洱市、文山壮族苗族自治州、红河哈尼族彝族自治州、保山市、西双版纳傣族自治州、玉溪市2000—2020年每日的气象、土壤数据及产量数据,通过专家打分法初步筛选对甘蔗产量影响较大的气象、土壤因子,应用逐步回归分析算法筛选甘蔗生长周期内的气候、土壤关键影响因子。在数据集划分和筛选关键影响因子的基础上,以每年气象、土壤因子作为输入变量,以每年甘蔗产量为输出变量,建立了BP神经网络产量预测模型。以每日和每年的气象、土壤因子作为输入向量,以甘蔗产量为输出变量,建立了长短期记忆网络(LSTM)神经网络产量预测模型。测试集结果表明,BP神经网络模型决定系数(R^(2))为0.916、平均绝对误差(MAE)为28.65万t、均方根误差(RMSE)为40.83万t,LSTM神经网络模型R^(2)为0.978、MAE为16.04万t、RMSE为20.72万t。LSTM神经网络模型预测精度高,模型性能优良,能较好地预测云南省甘蔗产量。

“离散”与“重构”:智能算法赋能铸牢中华民族共同体意识的逻辑机理

智能算法技术深度介入数字传播域的现实趋势,形塑了铸牢中华民族共同体意识工作全新的面貌:智能传播模式的嵌入为铸牢中华民族共同体意识提供了精准“靶向”;算法信息的生活化呈现将中华民族共同体意识以潜隐性方式融入用户的日常交往实践;智能视觉技术的应用为铸牢中华民族共同体意识提供了沉浸式的场景体验。同时,智能算法的“双刃剑”属性亦为铸牢中华民族共同体意识的数字化转型带来诸多风险:“信息孤岛”引发铸牢中华民族共同体意识的离散性风险;“数字致瘾”造成铸牢中华民族共同体意识的缺场性风险;“群体极化”导致铸牢中华民族共同体意识的流动性风险。消除智能算法嵌入铸牢中华民族共同体意识产生的数字症候,应从数字制度建构、算法技术设计与主体意识复归等维度协同发力,提升智能算法嵌入铸牢中华民族共同体意识的实效性。

基于AI智能算法的设备故障诊断技术优化与仿真实验

为提高电力设备在线监测效率,设计了一种基于AI智能算法的智慧电力资源库。利用人群搜索算法(SOA)优化深度置信网络(DBN)的隐含层节点数,并用于电力变压器设备的故障诊断;基于C/S(Client/Server)框架的电力变压器设备故障分析模块,实现电力变压器设备故障在内的实时监测。结果表明,SOA优化DBN的故障诊断模型可有效诊断电力变压器的高温过热和高能放电故障。相较于标准DBN网络、SVM模型和BPNN网络,SOA优化DBN网络具有更高的准确率和查全率,分别达到95.38%和94.78%;所设计的电力设备资源数据库可对电力变压器数据进行实时诊断操作,从而能更好的辅助电力工程人员运维。