基于自适应深度集成网络的概念漂移收敛方法

概念漂移是流数据挖掘领域中的一个重要且具有挑战性的难题.然而,目前的方法大多仅能够处理线性或简单的非线性映射,深度神经网络虽然有较强的非线性拟合能力,但在流数据挖掘任务中,每次只能在新得到的1个或一批样本上进行训练,学习模型难以实时调整以适应动态变化的数据流.为解决上述问题,将梯度提升算法的纠错思想引入含概念漂移的流数据挖掘任务之中,提出了一种基于自适应深度集成网络的概念漂移收敛方法(concept drift convergence method based on adaptive deep ensemble networks,CD_ADEN).该模型集成多个浅层神经网络作为基学习器,后序基学习器在前序基学习器输出的基础上不断纠错,具有较高的实时泛化性能.此外,由于浅层神经网络有较快的收敛速度,因此所提出的模型能够较快地从概念漂移造成的精度下降中恢复.多个数据集上的实验结果表明,所提出的CD_ADEN方法平均实时精度有明显提高,相较于对比方法,平均实时精度有1%~5%的提升,且平均序值在7种典型的对比算法中排名第一.说明所提出的方法能够对前序输出进行纠错,且学习模型能够快速地从概念漂移造成的精度下降中恢复,提升了在线学习模型的实时泛化性能.

基于XGBoost增量实现业务流程执行结果的预测性监控方法

随着工业制造业务流程智能化提升,以预测执行结果为目标的监控技术成为必需。该技术基于历史执行构建预测模型,从而对正在执行的流程进行结果预测。但现有研究假定流程执行行为一直保持不变,实际上流程在运行中常发生变化(即流程执行发生漂移),因此预测模型也需要适应这种漂移。针对这种情况,受到在线学习思想的启发,提出了基于XGBoost增量实现以流程执行结果为目标的预测流程监控技术,并分别在真实数据集和合成数据集上进行了大量的实验。实验结果表明,基于XGBoost的增量学习技术能够很好地为工业制造真实场景中的预测性流程监控提供一种有效的解决方案。

井下动态环境基于DAE的XGBoost自适应定位算法研究

针对煤矿井下高动态环境导致WiFi定位模型的精度降低的问题,提出极端梯度提升(XGBoost)的指纹定位算法,利用其高维数据特征的学习能力完成定位。与传统的梯度提升树(GBDT)算法相比,在完成更好定位效果的同时,速度也大大提升。同时针对WiFi数据的波动性和XGBoost算法面对动态环境模型漂移问题,分别提出融合降噪自编码器(DAE)和自适应机制的D-XGBoost算法和Z-XGBoost算法。实验结果表明:XGBoost算法的定位精度比GBDT算法提高了,效率提高了5倍多。融合DAE的D-XG-Boost算法的定位准确率比XGBoost算法提高了17%;融合了自适应机制的Z-XGBoost算法有效降低了模型漂移造成的误差。所提改进算法更好地改善了WiFi定位模型精度降低和模型漂移问题。

基于盈余公告漂移的LGBM多因子量化策略

在资本市场波动加剧的时代,挖掘有效因子与市场信息,构建合适的投资组合策略,可以实现对风险的控制和获取稳定且持续的超额收益率.选取2018—2022年第1季度中国沪深两市A股上市股票的业绩报告作为研究对象,以公司盈余公告后的1~12周作为时间窗口,通过研究盈余公告后的股价漂移(post-earnings-announcement drift,PEAD)选取市场异象的代理变量预期外盈余因子与其他5个相关市场异象因子,并使用信息系数(information coefficient,IC)、信息比率(information ratio,IR)和双重排序法进行有效因子的筛选和检验.考虑到本次量化选股是低数据量、低频次、特征值高有效性的分类任务,采用基于轻量梯度提升树的多因子量化策略构建投资组合预测股票的收益率,并与传统量化策略(简单打分法、基于预期外盈余的单因子模型、IC值加权的多因子选股模型)、基于其他机器学习模型(支持向量回归(support vector regression,SVR)、人工神经网络(artificial neural network,ANN)与分布式梯度增强(extreme gradient boosting,XGBoost))的量化策略进行对比.实证结果表明,在基于A股市场第1季度PEAD效应的股票超额收益率预测中,轻量级梯度提升机(light gradient boosting machine,LGBM)机器学习多因子量化策略构建的投资组合在多空组合中实现的年均收益率达到21.633%,超过基准年化收益率20.184%.LGBM多因子量化策略构建的投资组合在A股市场表现优异,较其他量化策略有显著提升且更为稳定,可更好地控制组合风险并获取更高的超额收益.

带电粒子在地磁场中的漂移运动

利用数值计算方法模拟带电粒子在地磁场中的运动轨迹,分析了入射角度和起始位置对带电粒子在地磁场中的横向漂移运动的影响并将结果可视化。

基于有限元法的土石坝除险加固渗流问题分析

土石坝坝体在坝前水位作用下极易产生渗流,为研究坝体加固对渗透水压的影响,针对具体水库实例,采用有限元法对除险加固前/后的坝体进行渗透坡降、单宽渗流量、准流网等计算,分析3种工况下的渗流过程,为土石坝的除险加固设计提供参考。结果表明:加固后上游坡各工况下的安全系数明显提高,其中单宽渗流量最大,可达0.636m^3/d,远大于规范允许值。

地震作用下空间框架结构层间相对位移响应梯度和海赛矩阵的计算

提出一种在地震作用下空间框架结构层间相对位移响应梯度和海赛矩阵的精确计算方法。在有限单元法和纽马克-β法的基础上推导出在地震作用下空间框架结构层间相对位移响应梯度和海赛矩阵的计算公式,给出在地震作用下空间框架结构层间相对位移响应梯度和海赛矩阵的计算步骤,用Matlab语言编制了空间框架结构层间相对位移响应梯度和海赛矩阵的计算程序,实现了空间框架结构层间相对位移响应梯度和海赛矩阵的精确计算。最后通过一个二层空间框架结构的计算实例表明本文所提出的计算方法是有效的。

光纤陀螺传感线圈及绕法

通过对温度梯度对光纤陀螺传感线圈影响的分析 ,结合几种光纤传感线圈的绕法 ,简要说明了不同绕法的光纤传感线圈对温度梯度的抑制效果。

重力垂直梯度测量平差新方法

对重力梯度同步观测数据处理模型进行改进,可以同时计算出高低测点的重力段差、两台重力仪读数的系统差和零漂改正差。将实例计算结果与常规的数据处理模型结果进行对比,验证了该方法的有效性和适用性。

基于RBF网络的智能气敏传感器温度补偿

研制出一种基于ARM7的智能气敏传感器,通过测量气敏薄膜的电阻,并将所测阻值和气体浓度进行校准,从而显示气体浓度。为了减小温度漂移带来的附加误差,提高传感器的测量精度,将气敏传感器所测量的电阻值与加热电压作为神经网络的输入,气体浓度值为输出,构造了一个双输入单输出的RBF神经网络温度补偿模型。采用RBF网络的带遗忘因子的梯度下降算法进行RBF网络的参数调整,实验表明RBF算法学习速度快,精度高。对实验中采集的数据进行非线性补偿后,误差保持在1.5%以内,大大提高了传感器的性能和测量精度,该装置能够很好地对环境中的气体进行监控。

海底沉积物地温梯度测量系统设计

随着石油和天然气水合物调查工作的深入开展,为了对海底勘探区地温场的结构、状态需要有更细致的了解,设计一种高分辨、高精度的海底沉积物地温梯度测量系统.以高精度NTC型热敏电阻为传感器,选用16位高性能、多通道、低能耗的MSP430F123芯片作为主处理器,通过直流不平衡电桥的测量方式间接测量热敏电阻的阻值,在硬件方面和软件方面都采用滤波技术,克服电压源的干扰、仪器温漂和时漂带来的偏差,采用STEINHART＆ HART方程来进行R-T转换,经过零点漂移和温度漂移的修正,进而得到更精确的海底沉积物地温梯度曲线.系统测试结果表明,测量系统的分辨率可达1 mK,精度可达±3 mK（0～25℃）,该系统具有可靠性高、功耗小、体积小、操作方便等特点,具有很高的实用价值.

梯度RBF神经网络在MEMS陀螺仪随机漂移建模中的应用

为了提高使用精度,研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了该陀螺仪随机漂移数据的平稳性,并根据该漂移为均值非平稳、方差平稳的随机过程的结论,采用梯度径向基(RBF)神经网络对漂移数据进行了建模。实验结果表明:相比经典RBF网络模型而言,这种方法建立的模型能更好地描述MEMS陀螺仪的漂移特;相对于季节时间序列模型而言,其补偿效果提高了大约15%。

高效液相色谱中用于梯度洗脱的有机溶剂的纯度测试

在反相高效液相色谱中，空白梯度基线的漂移和杂质峰，可能由含水溶剂和有机溶剂中杂质所引起的。当含水溶剂通过预柱在线净化后，根据空白梯度色谱图可测试有机溶剂的纯度。按照此法，对国产不同等级的乙腈和甲醇进行了测试，指明这些试剂用于梯度洗脱的可能性。

光纤陀螺的离散动态温度模型

光纤陀螺漂移的温度模型可分为静态温度模型和动态温度模型.通过控制温控箱的温度变化率,对光纤陀螺进行温度实验,建立其漂移的静态、动态温度模型,以研究温度、温度变化率和温度梯度对光纤陀螺漂移的影响.研究结果表明,温度变化率和温度梯度对光纤陀螺漂移的影响不容忽视;考虑了温度和温度变化率(或温度梯度)的动态模型的补偿精度比单纯考虑温度的静态模型提高了50%.因此在对光纤陀螺建立温度模型时,应该建立动态温度模型,以取得较好的补偿效果.

GaN HFET沟道中的强场峰和场效应管能带

引入新的解析函数来描绘GaN HFET沟道中的电势、电场强度和电场梯度。自洽求解二维泊松方程和薛定谔方程计算了沟道强场峰中的场效应管能带。研究了不同栅、漏电压下的场效应管能带,计算出强场峰中的局域电子气势垒。详细计算了强场峰中的电场峰、能带谷、能带峰和局域电子气势垒随栅、漏电压的变化曲线。研究了高漏压下场效应管射频工作性能的退化和沟道开关时电场梯度与沟道电子状态间的相互作用。由此证明漏压决定了沟道中的电场梯度,栅压控制了沟道电子的状态,两者之间的相互作用描绘出一幅复杂的场效应管能带图像。通过EL谱和可靠性测试中的退化率直接观察强场峰内的局域电子气。最后讨论了这一场效应管能带理论在优化设计器件结构中的重要作用。

电荷在非均匀磁场中的漂移运动

运用积分的方法讨论了电荷进入轴对称的环形非均匀磁场后,电荷在与磁感线垂直的平面中的回旋漂移运动。

等离子体片边界层中静电不稳定性产生的波-粒动量交换率

本文介绍了非均匀等离子体片外边缘离子束流-密度梯度漂移不稳定性的二级理论 。二级动量交换率的计算表明,模型等离子体中冷、暖束流离子的场向动量以及暖束流离子的横向动量可以被静电波来减小。这些波是由离子束流-密度梯度漂移不稳定性产生的。这些结果对于理解等离子体片外边缘等离子体的各向同性化和热化是很有用的。

带权Laplacian方程解的最优梯度估计

设M为n维完备无边界的流形,它的Ricci曲率有下界-K,这里K为实常数.假设M上的向量场B满足|B|≤γ且▽B≤K_*,这里γ为非负常数,K_*为实常数,则带权Laplacian方程ΔAu+Bu=0任意正的光滑解满足最优梯度估计|▽u|~2/(u^2)≤m(K+K_*)+((mγ~2)/(m-n)),其中任意常数m>n.

曲靖E区场向不规则体回波特征观测研究

利用曲靖VHF相干散射雷达2016年3月至2018年2月间持续观测数据,对电离层E区场向不规则体(field-aligned irregularities, FAI)回波形态特征进行统计分析,结果表明:E区FAI回波在地方时和高度上呈现出三个高发区间,日侧主要位于07:00—12:00LT和90～105 km,而夜侧两个高发区间分别对应于15:00—01:00LT和90～100 km以及18:00—04:00LT和100～115 km;E区FAI回波发生率还具有明显的季节变化,夏季5—8月是其高发期,而冬季的11和12月发生率为极小; E区FAI回波多普勒速度均在-85～85 m/s变化,而其谱宽主要分布在60 m/s以内,三个区间的平均多普勒速度均仅为数m/s,明显小于其平均谱宽,后者约在20～30 m/s.此外,高度分层研究发现,日侧E区FAI的各层平均多普勒速度总体上为负值,但在96 km高度上下薄层内存在一个小幅正值,而夜侧则以105 km高度为界,其上端各层均为负值,下端各层均为正值.曲靖E区FAI表现出典型的Ⅱ型回波特征,其生成和演变过程源自电离层电子密度梯度漂移不稳定性,子午风和低F区电场在其中起着重要作用.

用SAR原始数据对雷达脉冲信号失真的校正

该文提出了一种对雷达发射脉冲进行相位估计的算法。该算法利用Chirp Scaling原理对SAR信号进行距离迁移校正,但仅在方位向波束锐化,然后利用自聚焦的方法(Map Drift,PGA),在距离向进行自聚焦处理,提取距离向的相位误差信息。文中分析了影响相位估计精度的各种因素,并在算法中加入了迭代补偿方法,仿真结果验证了算法的正确性。