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。

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。

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。

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。

基于CEEMDAN-SG-BiLSTM的变压器油中溶解气体体积分数预测

变压器油中溶解气体体积分数可对变压器潜伏故障诊断提供重要依据,为了更精确的预测变压器油中溶解气体体积分数,提出了CEEMDAN结合BiLSTM网络的组合预测方法,先针对EMD中的模态混叠现象和EEMD重构误差较大的问题,提出了CEEMDAN,将气体序列分解,得到模态分量,并对高频波动分量进行Savitzky-Golay(SG)滤波,消弱高频分量中的极值点和噪声干扰。然后利用BiLSTM网络对各个分量进行预测,进一步提高特征提取的完整性。叠加重构所有分量的预测结果,得到变压器油中溶解气体体积分数预测值。经算例验证,相较其他模型,所提方法精度更高,证实其有效性。

基于多周期趋势分解和两级融合策略的浪高预测方法

不同海区的近岸海浪浪高具有明显差异性。针对当前大部分时间序列预测模型缺乏对不同地区(多源)浪高预测的适应性难题,提出了一种基于局部加权回归的多周期趋势分解(Seasonal and Trend decomposition using Loess,STL)和两级融合策略的浪高预测模型,简称为MSTL-WH(Multiple STL-Wave Height)。结合多源近岸浪高时间序列的多周期性、非线性和非平稳性的特点,首先利用周期图法提取多源近岸浪高数据集中的4个主要周期,并基于主要周期进行多次STL分解,将复杂的原始浪高序列分解为周期项、趋势项和余项;然后利用长短期记忆网络(Long Short Term Memory,LSTM)并结合两级融合策略,搭建近岸浪高预测网络;最后使用自注意力机制重新调整权重并输出未来12 h的浪高值。通过与当前主流时间序列预测方法对比,验证了所提方法在多源近岸浪高序列预测中具有较好的实用性和更低的预测误差。

基于长短期记忆网络的半潜平台波浪爬升预报

波浪爬升问题与半潜式平台安全密切相关,波浪爬升的实时在线预报有助于保障海上作业安全.基于长短期记忆(LSTM)神经网络模型,以波浪和平台运动时间序列为输入,建立半潜式平台波浪爬升高度的极短期在线预报方法.通过平台模型试验获得训练与测试数据,对LSTM模型性能进行检验.结果显示,在提前预报量为6 s和12 s时,波浪爬升高度的平均预报精度分别为92.90%和84.09%,最大值相对误差不高于19.69%和30.66%;同时,模型在提前预报量低于6 s时能够对较大的波浪爬升极值实现准确且稳定的预报,可为海上平台运营过程中波浪砰击和越浪等风险预警提供有效技术支持.

LSTM模型在无袖带式异常血压预测中的应用

研究了无袖带方式的血压测量。利用脉搏信号的时序数据,融合脉搏传导时间特征,构建了基于多生理参数的LSTM异常血压预测模型。实验结果表明,本文模型在准确率、召回率和F1值等评估指标上优于其他非时序模型,可以为多生理参数的连续血压测量提供数据支持。

基于Attention-LSTM网络的龙口海域波高预测研究

龙口海域位于莱州湾东北侧,常年受季风环流影响,易形成以寒潮浪、台风浪为代表的复杂海况,大波高波浪会对海上作业和涉海工程产生较大影响。为开展近岸波高短期预测研究,利用龙口海域测波站实测数据,结合多种神经网络开展短期波高预测研究,引入统计学指标评价,推断出LSTM网络波高预测效果最好。为进一步优化模型的预测能力,利用注意力机制和多变量输入进行改进,建立多变量Attention-LSTM网络波高预测模型。当采用历史风要素和历史有效波高作为输入信息时,模型绝对相关系数为0.958,平均绝对误差为0.073 m,推断出将Attention-LSTM网络应用于短期波高预测是可行的且误差可接受。

辐射制冷涂料用于数据中心机房的节能潜力模拟分析

辐射制冷涂料用于建筑可以降低制冷负荷,达到节能目的。为分析辐射制冷涂料应用于数据中心机房的节能潜力,依据显式辐射平衡方程分析了围护结构辐射特性对建筑能耗的影响,结合WUFI-Plus软件对西藏宁算数据中心机房在围护结构有无保温层、不同室内设备产热量以及围护结构外表面不同辐射特性的多种工况下进行了数值模拟。模拟结果表明:内热源较小时,保温层会减小全年总负荷,辐射制冷涂料会增大全年总负荷;内热源较大时,去除保温层能降低全年总负荷,且辐射制冷涂料的效果随着内热源的增大而增大,最终达到极值。辐射制冷涂料在夏季的节能效果大于其他季节,且短波吸收率比长波发射率对负荷的影响更加显著。

长短时窗比算法特征函数优选试验研究

长短时窗比(STA/LTA)算法广泛应用于工程中,然而其特征函数的选择标准未形成统一的认识。构建评价体系,即通过分析不同特征函数的灵敏度和鲁棒性系数来优选特征函数。室内岩石微振动实验分析表明:在误差范围内,以平方作为特征函数的算法具有较高的灵敏性和鲁棒性,其触发阈值、长时间窗以及短时间窗参数的最优摄动区间分别为:8.6~13.0、1.20~1.30 ms、0.02~0.06 ms。综合现场信号的到时拾取结果,以平方作为特征函数的算法的拾取误差为0.07 ms,以另外两种函数作为特征函数的拾取误差分别为0.10、0.08 ms。在保证鲁棒性和灵敏性的基础上,以平方作为特征函数的算法表现出更高的拾取精度,验证了该评价体系的有效性。

基于注意力机制和双向长短时记忆网络的横波速度预测方法及应用

横波速度信息对油气勘探而言至关重要,但实际测井资料中常常缺失横波速度资料。横波速度与测井参数之间存在非线性相关性,二者关系复杂难以用解析解表征。为此,提出了一种基于注意力机制和双向长短时记忆网络的横波速度预测方法(AT-BLSTM)。该方法首先利用注意力机制为测井参数分配权重,自动聚焦对横波速度预测贡献大的测井参数,然后利用双向长短时记忆网络以及横波速度曲线纵向上的时序特征,挖掘各种测井参数与横波速度之间的相关关系,获得各种测井参数与横波速度之间的学习模型,再输入优选测井参数,最终可直接获得横波速度的预测结果。将上述方法应用于挪威北海Volve油田和我国西南某工区的实际测井资料进行横波速度预测,并将预测结果与常规双向长短时记忆网络、门控循环神经网络以及基于经验公式的传统方法的预测结果进行对比。结果表明,利用基于注意力机制和双向长短时记忆网络的横波速度预测方法得到的测井参数权重分配合理,横波速度预测结果与实测横波速度误差较小、相关系数较高,有效提高了横波速度预测精度,预测结果具有良好的稳定性。

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。

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.

广义长短波方程的显式精确解

通过选取适当的变换结合假设待定法,求出了具高阶非线性项的Liénard方程a″(ξ)+la(ξ)+ma2p+1(ξ)+na4p+1(ξ)=0的8类显式精确解,据此求出了广义长短波方程的孤波解、奇异行波解和三角函数型周期波解.