基于分形维数的高速铁路地震预警系统地震P波震相识别方法

为更好保障高速铁路的运营安全,高速铁路地震预警系统的实施十分必要。5级以下的小震事件占据地震事件的95%以上,提高高速铁路预警系统在小震震相识别的速度与精度能有效保障高铁安全运营。提出一种基于分形维数的地震震相识别算法,优化传统分形维数的计算方法,提高分形维数的计算速度。引入分形斜率曲线并划分为4个阶段,分析临界点的分形斜率特征,通过识别分形斜率极值时刻判断地震波精准到达时刻。提出的算法平均误差达到0.006 3 s,标准差达到0.043 8 s,满足高速铁路地震预警系统的时效性和准确度要求。

基于Adaboost_LSTM预测的矿山微震信号降噪方法及应用

微震监测预警对保障矿井安全具有重要意义,微震信号降噪和P波初至的准确拾取是微震监测结果可靠性的基础。通过观察海量微震信号,发现单个微震信号的噪声段具有良好的重复性,由此创新性提出基于预测数据的信号降噪思路。具体地,构建了基于自适应增强(Adaptive Boosting,Adaboost)策略提升长短期记忆网络(Long Short-Term Memory,LSTM)的微震信号预测模型,提出了基于模型预测数据与观测数据之差的微震信号降噪方法,研发了长短时窗均值比(Short-Time Average/Long-Time Average,STA/LTA)与赤池信息准则(Akaike Information Criterion,AIC)联合的P波初至拾取方法(S/L-AIC法),并使用P波初至拾取误差评估和方法比较不同降噪信号和拾取效果。含噪Ricker子波理论测试和耿村煤矿微震数据应用均表明,Adaboost_LSTM模型对于噪声具有很好的拟合性,而对于未进行神经网络训练的微震有用信号拟合性较差,且Adaboost_LTSM模型的信号预测和降噪效果均优于LSTM模型的结果。基于Adaboost_LTSM模型的预测数据几乎能全部去掉微震信号噪声,其降噪效果显著优于小波低频系数重构结果,对非平稳信号的适应性明显增强。小波和Adaboost_LSTM降噪信号能明显提升微震信号P波初至拾取效果,且Adaboost_LSTM降噪信号的P波初至拾取效果更优。S/L-AIC法的P波初至拾取效果优于STA/LTA法和AIC法,兼具了STA/LTA法的稳定性和AIC法的准确性特点,降噪信号S/LAIC法P波初至拾取误差整体在10 ms以内。综上,矿山微震信号降噪和P波初至拾取方法能为矿山微震监测预警提供重要保障,可尝试推广至天然地震信号降噪和P波初至拾取。

基于LSTM的船舶纵摇极短期预报

为船舶航行决策相关设备的精度校准提供数据支持,保障船舶安全航行及船用设备的稳定运行具有重要意义。传统水动力学分析方法难以精确、高效地预报船舶的非线性运动。为了提高船舶极短期预报的精度,分别构建单特征和多特征输入的长短期记忆人工神经网络(LSTM)模型,对船舶在波浪中的纵摇运动进行研究和预测,分析了运动参数和波浪参数对模型预报精度的影响,并对输入参数的时间间隔和模型训练数量等参数展开分析。结果表明,该方法在单特征输入情况下有效预测时间可达6 s,在多特征输入的情况下有效预测时间可达12 s,验证了LSTM算法对船舶在波浪中的纵摇运动进行极短期预报的可行性。

基于多普勒信号校正和短步长波束形成的列车轴承故障检测

针对受多普勒调制的移动声源信号时域幅值畸变、频域频带展宽,且在强背景噪声下信噪比(SNR)低,难以提取其故障特征等问题,提出了一种基于多普勒信号校正和短步长波束形成的列车轴承故障检测方法。首先,由声源和麦克风的相对运动关系和莫尔斯声学理论,得到了插值时间序列和幅值还原公式,对受多普勒调制的畸变信号进行了恢复;然后,提出了基于麦克风阵列的短步长波束形成方法,分段截断了信号,并对每段信号在其期望方向上进行了增强;最后,通过仿真研究了不同信噪比情况下该方法的有效性,设计了轨边故障检测实验,对产生内圈裂纹缺陷的滚动轴承进行了实验分析,并结合仿真与实验,对该方法的有效性进行了验证。研究结果表明:相较于8个麦克风收集的原始信号,信号时域、频域均被校正,且信噪比增加了11.5 dB,在强噪声背景下,采用该方法能够恢复多普勒畸变信号,并有效提取移动声源的故障特征。

带月池船舶的波浪载荷计算研究

由于“奋力号”打捞船的用途特殊、自带开底月池且L/B>5及B/D≤2.5,已不满足采用规范公式计算波浪载荷的条件,故需进一步用直接计算的方法确定其波浪载荷。以“奋力号”为例,简要介绍利用三维频域线性水动力计算软件SESAM,计算“奋力号”在调遣和工作工况时,波浪弯矩和波浪剪力的长期及短期预报值,并与规范公式计算的波浪弯矩剪力值进行对比,为后续“奋力号”全船结构强度有限元分析中波浪载荷的施加提供依据。

基于卷积神经网络-长短期记忆神经网络模型利用光学体积描记术重建动脉血压波信号

目的直接动脉血压(arterial blood pressure,ABP)连续监测是侵入式的,传统袖带式的间接血压测量法无法实现连续监测。既往利用光学体积描记术(photoplethysmography,PPG)实现了连续无创血压监测,但其为收缩压和舒张压的离散值,而非ABP波的连续值,本研究期望基于卷积神经网络-长短期记忆神经网络(CNN-LSTM)利用PPG信号波重建ABP波信号,实现连续无创血压监测。方法构建CNN-LSTM混合神经网络模型,利用重症监护医学信息集(medical information mart for intensive care,MIMIC)中的PPG与ABP波同步记录信号数据,将PPG信号波经预处理降噪、归一化、滑窗分割后输入该模型,重建与之同步对应的ABP波信号。结果使用窗口长度312的CNN-LSTM神经网络时,重建ABP值与实际ABP值间误差最小,平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)分别为2.79 mmHg和4.24 mmHg,余弦相似度最大,重建ABP值与实际ABP值一致性和相关性情况良好,符合美国医疗器械促进协会(Association for the Advancement of Medical Instrumentation,AAMI)标准。结论CNN-LSTM混合神经网络可利用PPG信号波重建ABP波信号,实现连续无创血压监测。

基于长短时记忆神经网络的舟山海域多要素海浪预报模型

本文以2019年1月1日至2021年12月31日舟山群岛南部外海观测点所涵盖的气象、海洋、地形等多种物理量数据为数据基础,使用长短时记忆(Long Short Term Memory,LSTM)神经网络搭建深度学习海浪预报模型,探讨输入输出序列比和输入要素数量对模型预测性能的影响,在舟山海域实现波浪三要素,即有效波高、有效波周期、传播方向的短时预报,并用2022年台风“轩岚诺”和“梅花”期间的数据检验模型对极端海况的预测能力。研究结果表明,根据实测数据所训练的多要素海浪预报模型具有较好的预测准确度和稳定性,能较好地实现对极端海况的预测,当输入输出序列比为1∶1时模型准确度较高,预报时长为1 h的三要素模型对于日常海况中有效波高、有效波周期和波向的预测均方根误差(Root Mean Squared Error,RMSE)分别为0.116 m、0.569 s和24.583°,对于极端海况中有效波高的预测RMSE为0.191 m,输入要素数量的增加可进一步提升模型准确度,但在预测时长较长时也会增加训练成本。

基于数据增强算法和CNN-LSTM的高精确度手势识别

近年来,基于雷达的手势识别技术在工业和生活中得到了广泛应用,但愈加复杂的应用场景对手势识别算法的准确率和鲁棒性提出了更高要求。对此,设计了一种基于毫米波雷达的高精确度手势识别算法。通过对已有分类算法的研究对比,构建了一种用于手势识别的卷积神经网络-长短期记忆网络(CNN-LSTM)深度学习算法模型;同时,运用布莱克曼窗抑制手势信号处理中的频谱泄露问题,并联合运用小波阈值和动态补零算法实现高效杂波抑制和数据增强。实测结果表明,设计的手势识别算法正确分类率达到97.29%,在不同的距离和角度情况下也可以保持较好的识别准确率,具有良好的鲁棒性。

瑞利参数在海浪波高机器学习预测中的应用

海浪直接影响海上活动和航行安全,同时也蕴藏着巨大的可再生能源,对海浪核心参数之一波高预测至关重要。基于2015年7月~2022年6月山东小麦岛(36°N,120.6°E)站点实测的波高数据,利用反向传播神经网络(back-propagation neural network,BPNN)、长短记忆网络(long short-term memory,LSTM)和支持向量机回归(support vector regression,SVR)三种机器学习模型对波高进行预测,并分析了瑞利参数的引入对预测结果的影响。结果显示,模型输入项引入瑞利参数后,对1 h和6 h波高预测提升效果有限,预测值与测试集的相关性提升不超过0.02,均方根误差的降低不超过0.01 m;在12h和24h的预测中,BPNN和LSTM模型预测结果相关性提升0.03~0.07,均方根误差降低0.02~0.03m,而SVR模型预测结果变化不显著。说明瑞利参数有助改善BPNN和LSTM模型中长期海浪预报。此外,特征扰动方法(机器学习中特征重要性的计算方法之一)验证了瑞利参数在波高预测中的重要性,瑞利参数的引入为波高的机器学习预测提供了新思路。

NCEP/NOAA全球预报产品在江苏近岸及长江口外的精度评估

利用2021年1—7月江苏近岸和长江口外13个测风站、3个波浪浮标的观测数据,与美国国家环境预报中心/美国国家海洋和大气管理局(NCEP/NOAA)全球预报系统的风场、波浪预报数据进行对比。结果表明:与上一代预报产品相比,目前全球业务预报产品在风场预报方面的准确度明显提高,江苏近岸地区的风速预报误差明显小于长江口外地区,24 h风速和风向预报的均方根误差分别为2 m/s和45°。对大风天、大浪天环境下全球预报产品精度的评估表明:大风天风速预报精度在长江口外降低,在江苏近岸无明显变化,风向预报精度在长江口外无明显变化,在江苏近岸提高;大浪天波高、浪向的预报精度分别降低、提高。在台风极端天气条件下,全球预报产品对长江口的风场仍有一定的预报能力,但预报的最大风速的出现时间滞后6~9 h,且无法预报出风速剧烈变化的情况。尝试基于长短期记忆网络方法利用NCEP/NOAA预报及观测改进业务预报,可以改善短期单站预报水平。

基于深度学习的残缺冲击波信号构建方法

爆炸冲击波参数是评估弹药威力的主要依据之一,而在实际测试过程中,测试系统可能受破片或其他因素影响而导致损坏,从而无法捕获完整信号,影响了后续的毁伤评估。本文针对该问题提出了一种基于双向长短时记忆网络(BiLSTM)融合多头自注意力模块的方法对残缺的冲击波信号进行完整性构建,采用BiLSTM分析了冲击波信号的局部时序依赖关系,以多头自注意力模块捕捉信号中的频率信息,最终实现了时序信号与频率信息的融合,从而得到完整的冲击波信号。在一次信息采集过程中,所测得的信号数据通常只有数十组,从而导致了小样本问题,本文建立了以LSTM单元为生成器的GAN网络,对完整的冲击波信号进行扩充,增强了数据集容量。基于扩充数据集的构建实验结果表明,本文所提方法构建的完整信号与原始信号之间的MSE和MAE分别为0.0068和0.1462,优于LSTM、BiLSTM、CNN+BiLSTM等方法,本文所提方法可以满足构建残缺冲击波信号的实际需求。

基于TCN-BLSTM-TPA模型的不规则波中船舶运动预报

为了提高不规则波浪中船舶运动预报精度,将时序卷积神经网络和注意力机制双向长短期记忆神经网络相结合,建立能够挖掘时序特征并聚焦局部信息的网络结构,用于预报不规则波浪中船舶运动,并提出一种自适应粒子群优化算法用于神经网络超参数优化。以5级海况下船舶在横浪中的横摇运动和迎浪中的垂荡和纵摇为测试算例,验证该模型的有效性。研究结果表明:改进的粒子群算法增强了模型对不同提前预报时长的适应性,有效提高了模型的预报精度;在提前预报时长达到15 s时,相较于注意力机制双向长短期记忆神经网络模型,所提出模型在船舶横摇、垂荡和纵摇运动预报精度上至少提升了29%、31%和44%。该研究成果可为船舶在不规则波浪中运动短期预报提供参考。

基于ConvLSTM的中国东南沿海波浪智能预报和评估

相较于半理论半分析和数值模型的波浪预报方法,智能波浪预报有着精度高、计算资源需求低的优势。该文基于卷积长短期记忆网络(convolutional long short-term memory network,ConvLSTM)算法,建立了有效波高(significant wave height,SWH)二维预报模型,以中国东南沿海2014—2022年ERA5数据进行训练,通过敏感性试验优化模型配置,并开展中国东南沿海SWH在2023年4个预报时效(6 h、12 h、18 h、24 h)下的预测性能评估。敏感性试验显示,输入时间序列长度N=4(即输入-18 h,-12 h,-6 h,0 h的SWH值)时,模型在4个预报时效下的准确性均优于其他时间序列长度;输入物理要素组合为SWH、平均波向和海面10 m风矢量时,模型在12 h、18 h和24 h预报时效下的准确性优于其他组合。通过对ConvLSTM模型训练及配置的精细调整,可以实现对中国东南沿海SWH的二维、高精度的智能预报。

海洋工程试验中多单元造波机波浪模拟方法

由若干独立摇板组成的多单元造波机已经成为实验室研究波浪及其与海洋工程结构物相互作用的重要设备。介绍海洋深水池双边多单元造波机及其模拟波浪的方法,通过物理试验对所模拟的长峰规则波、不规则波和三维短峰波进行初步的试验研究。模拟波浪的时域和频域分析结果表明利用双边多单元造波机能够生成良好的长峰波浪和三维短峰波浪,所模拟的波浪能够满足海洋工程试验的要求。

长短波相互作用方程Jacobi椭圆函数新的展开法求解

在原有椭圆函数求解方法的基础上,推广了 Jacobi 椭圆函数展开方法,引入 Jacobi 椭圆函数的负幂次展开研究复非线性演化方程组的求解,得到了更多更新的长短波相互作用方程的准确包络周期解.该结果在一定条件下包含了相应的孤波解.

共振长短波方程的孤波解(英文)

本文研究了共振长短波方程的孤波解. 利用扩展映射法和符号计算, 得到许多新的孤波解. 这些孤波解能很好地模拟水波, 辅助方程用更一般方程代替的扩展映射法能更有效找到这些孤波解.

海北高寒湿地地气长、短波辐射的季节变化特征

利用2004年微气象观测资料，分析了海北高寒湿地长、短波辐射以及地表反射率（A）和光合有效辐射（PAR）占太阳总辐射（DR）比例（η）的变化特征。结果表明，海北高寒湿地长、短波辐射均具有明显的季节变化。DR在12月最低，4月最高。PAR在12月最低，7月最高。受下垫面性质影响，反射辐射（UR）和A在1～2月明显大于其他季节，7～10月小，A在植物生长季节的5～9月平均值为0．172，年平均值为0．299。地面长波辐射（DLR）、大气逆辐射（ULR）和净辐射（Rn）的最低值均出现在1月，最大值出现时期则不同，DLR与Rn均出现在6月，而ULR出现在8月。地面有效辐射（ELR）无明显的季节变化。叩的季节变化比较弱，7月最高值为0．434，1月最低值为0．316，年平均值为0．40。

车身漆膜长短波倒置问题的解决

汽车漆膜的长波(L_w)往往小于短波(S_w),且一般要求L_w是S_w的1/3~1/2。L_w与S_w接近甚至更大的情况被称为"长短波倒置",会严重影响视觉效果。为解决某主机厂喷涂部分颜色时出现的长短波倒置问题,以"素色白"为例,通过现场试验和批量生产,发现提高中涂膜厚、中涂漆增加消光剂、适当提高清漆膜厚、适当延长清漆流平时间等措施可有效解决问题。

油漆桔皮的影响因素及防治方法

分别从车身板材、油漆材料、涂装工艺及喷涂设备等方面对油漆桔皮的影响因素进行了分析和讨论,并提出了防止油漆桔皮的方法。

长短波相互作用方程的精确解

通过构造辅助方程来研究复非线性演化方程组的求解问题,得到了长短波相互作用方程的多种类型的精确解,包括孤波解、三角函数解、椭圆函数解、幂函数解,其中许多解是新解.