基于调查数据的东海小黄鱼资源变化模式及评价

为筛选表征小黄鱼(Larimichthys polyactis)种群时间变化的主要特征,并分析其变化模式,根据2000―2015年渔业资源调查数据,利用最小/最大自相关因子方法(min/max autocorrelation factors,MAF)将生物学、捕捞强度、空间分布等19个指标进行融合分析,探讨了小黄鱼种群的年际变化模式和资源现状。通过一阶变异值计算各指标与时间的相关性,并以1为时间相关性分组标准,共筛选出7个指标,分别为生殖群体的性比组成(Sexratio S)、纬度分布重心(YCG)、异速生长系数(BS)、铺展面积(SA)、资源密度(CPUES)、条件因子(Condition S)和75%体长。将筛选后的指标用于MAF分析,根据MAF主分量值,两个主分量的一阶滞变异值为0.16、0.19,表现出相对较弱的时间连续性。从MAF得分的位相年际变化上,2000―2015年期间主分量MAF1可划分为3个位相,分别为2000―2002年、2003―2012年、2013―2015年;从趋势变化上,可分为2个趋势,分别为2000―2007年和2010―2015年。主分量MAF2可以划分2个位相,分别为2000―2007年和2010—2014年;从趋势上,可划分为4个趋势,分别为2000―2003年、2004―2006年、2007―2012年和2013—2015年。对第一主分量贡献度最高的指标是生殖群体的纬度分布重心(–0.756)和异速生长系数(–0.609);对第二分量贡献度最高的指标有生殖群体的性比组成(0.590)、异速生长系数(0.539)和扩散面积(–0.606)。主分量MAF1得分的年际变化与纬度分布重心和异速生长系数负相关;MAF2得分与性比、异速生长系数正相关,而与铺展面积负相关。由上可知,MAF1和MAF2在时间尺度上的变化模式反映了各指标的共同变化方向。研究结果为进一步甄选识别种群变化的主要指标及评估资源变化趋势提供科学依据。

基于MAF的传感器故障检测与诊断

针对工业控制系统中变量之间既存在线性相关性,且在时间结构上呈现自相关的特点,提出了一种基于最小/最大自相关因子(min/max autocorrelation factors,MAF)分析的传感器故障检测与诊断方法。首先,利用正常工况下的历史数据进行自相关因子分析,获得强自相关因子和弱自相关因子;在此基础上构造故障检测统计量,由核密度估计方法获得故障检测控制限,根据贡献图进行传感器故障定位。将所提出的方法应用于连续反应釜仿真过程的传感器故障检测与诊断,与经典的多变量统计方法——主元分析方法相比,所提出的方法能避免虚警,更快地检测缓变故障,并能更好地诊断和解释复杂故障。

求解二次指派问题的最优迭代最大最小蚂蚁算法

为提高二次指派问题的求解质量,设计了一个有效的最大最小蚂蚁求解算法。首先,运用最优迭代思想,让每只蚂蚁从当前最优路径中随机地选择位置及其对应的任务作为下一轮迭代的初始值,增强每轮搜索的有效性;其次,采用加入新任务后目标值的增量作为启发式因子来引导状态转移,增加每步搜索的目的性;然后,应用多精英策略来进行信息素更新,增加解的多样性;并设计有效的双重变异技术来提高解的质量,提高算法的收敛速度;最后,应用QAPLIB数据集进行了大量实验,结果表明:该算法在二次指派问题的求解质量和稳定性上显著优于其他算法。

最大自相关因子方法及其在遥感影像分析中的应用进展

最大自相关因子方法是一种基于遥感影像空间相关性和主成分分析的多元图像统计计算方法.对多元遥感影像进行最大自相关因子变换,可生成波段间互不相关的、按空间相关性大小排序的数据分量.介绍了最大自相关因子方法的数学原理,以高光谱影像数据处理为例展示了最大自相关因子相对于主成分分析的优势,综述了近年来最大自相关因子方法在遥感影像分析应用中的研究进展.并对该方法在多时相雷达影像后向散射系数变化检测等研究方向的应用前景进行了展望.

严重非均质油藏开发层系重组渗透率级差界限研究

提出了严重非均质油藏水驱开发后期层系优化重组的调整思路,以及确定多层组合渗透率级差界限的方法。根据油藏动、静态资料,合理选取严重非均质油藏(以胡7南沙三中为例)储层渗透率和级差分布;通过长岩心水驱油实验,确定影响单层驱替效果的主要因素,为数值模拟研究提供参数取值依据;考虑启动压力的影响,对不同渗透率储层在多层组合条件下的驱替进行模拟研究;提出用综合影响因子来反映非均质性对低渗透层动用特征、驱替效果的影响程度,并确定多层组合的渗透率级差合理界限。这些研究结果可为同类油藏水驱开发后期层系优化重组等开发政策的制定提供参考。

基于2类决策和改进蚁群算法的多CCD调度

多CCD系统的调度要求同时兼顾调度质量与实时性。以无人值守变电站视频监视系统为研究对象,在考虑系统特性的基础上,以目标与CCD间距、节点载荷、优先级和模糊预测因子为指标,使用模糊决策动态调整预测区域半径,并建立基于2类决策的快速调度模型。对多目标调度的求解,研究了改进的最大最小蚁群算法,通过引入合适的收敛性判据和状态转移规则,避免了过多使用启发式算法造成的决策耗时,提高了决策的效率和算法的全局搜索能力。最后进行了系统仿真和真实实验,实验结果表明该方法可减少激活节点的数目,特别是对于较复杂的多CCD-多目标调度,能同时保证算法具有较好的实时性和求解性能,验证了模型的有效性。

蚁群算法在WSN QoS路由中的优化研究

针对蚁群算法收敛速度慢、存在局部收敛、路由搜索方面的盲目性的缺陷,构建了用于野外监测的无线传感器网络的QoS路由模型,利用最大最小蚁群算法、自适应机制及方向因子对蚁群算法进行QoS路由算法优化。仿真结果表明,带方向因子的最大—最小自适应蚁群算法克服了基本蚁群算法的缺陷,能更迅速地、更有效地找到最优路径。

不确定环境下一种新的双蚁群路径规划算法

蚁群算法作为一种新型的模拟进化算法,被广泛地用于路径规划问题。但是传统的蚁群算法存在搜索时间长、收敛速度慢、易于陷入局部最优等缺点,为了克服算法的不足,该文提出一种改进的双蚁群算法,通过改变启发因子,同时引入最大最小蚁群系统思想对信息素进行更新以提高算法性能。实验结果表明,与同类算法相比,该算法能得到更优的路径。

不同渗透率级差组合与水驱采收率关系研究

储层层间物性差异是影响非均质油藏水驱采收率的重要因素。层系内合理层间渗透率级差是提高储量水驱动用程度的关键参数。针对胡状集油田进行多层不同渗透率级差的长岩心水驱油试验,研究渗透率级差组合对采收率的影响,发现胡状集油田层系内渗透率级差小于6倍能显著提高水驱采率。据此在胡状集油田6个开发单元按渗透率级差重组细分开发层系,取得了较好的效果。

应用于机组组合问题的启发式蚁群算法

针对机组组合(UC)的整数-实数混合规划问题,先用二次规划计算各时段不同机组组合最优负荷分配,并选取各时段煤耗最小组合构造启发式初始解,根据解提供的信息设计一种删除不合理候选运行组合的方法,大幅缩小解空间。利用最大最小蚁群算法(MMAS)在解空间中搜索机组启停策略。针对MMAS效率低搜索慢的问题,算法在迭代完成后引入局部搜索。为降低启动煤耗,在蚂蚁转移概率公式以及信息素更新表达式中加入运行机组数因子及启动煤耗惩罚项,降低启动煤耗高的组合被选中概率,进而优化各时段同时运行机组数量。仿真结果表明以上改进能够大幅提高算法求解速度,具有较强的全局寻优能力。

基于可变天气因素的MMAS改进算法

针对最大最小蚂蚁系统(MMAS)容易导致算法快速陷入局部最优的问题,提出一种基于可变天气因素的MMAS改进算法(variable weather MAX-MIN ant system,VW-MMAS)。通过由天气变化影响信息素的变化来改善MMAS的寻优过程,具体引入以下机制:在信息素挥发机制方面,参考天气变化因素对蚂蚁觅食的影响,设置信息素挥发系数和蚁群数量;在算法陷入局部最优时,综合考虑TSP问题中城市间的距离,增强不是最优路径的信息素,扩大蚂蚁的搜索范围。应用该算法解决TSP问题,将仿真结果与其它算法进行比较,验证了该算法的有效性,提高了解的质量。

一种基于旋转最小-最大超盒的聚类算法

针对传统聚类算法无法解决复杂分布数据聚类的问题 ,本文提出了一种基于旋转最小 -最大超盒的聚类算法 .该算法首先对数据集归一化处理 ,然后借助旋转最小 -最大超盒对样本空间进行划分 ,从而生成一系列的初始分类 ,最后利用类别间的可融合度概念将初始类别融合为最终的聚类 .仿真结果表明 ,该算法在无需聚类数目的前提下 ,对复杂分布数据具有很好的聚类效果 ,其聚类性能与传统的

基于贝叶斯网络模型的山西省糖尿病相关因素

目的针对2015年山西省糖尿病调查数据,利用最大最小爬山(max-min hill-climbing,MMHC)算法构建糖尿病相关因素的贝叶斯网络模型,探索糖尿病及其相关因素间的网络关系,通过网络模型推理反映各影响因素对糖尿病的影响程度。方法采用单因素及多因素Logistic回归分析模型对2015年山西省≥18岁居民的糖尿病调查数据进行变量初筛,再以MMHC算法构建贝叶斯网络模型,参数估计采用极大似然估计法。结果2015年山西省糖尿病的检出率是9.5%。经Logistic回归分析模型对变量进行筛选后,年龄、职业、日均摄油量、高血压、高脂血症、BMI和心率被纳入贝叶斯网络模型;贝叶斯网络模型结果显示:年龄、高脂血症、高血压与糖尿病直接相关,BMI通过影响高脂血症与糖尿病间接相关,日均摄油量通过影响BMI和高脂血症与糖尿病间接相关。结论贝叶斯网络模型能很好地揭示糖尿病及其相关因素间复杂的网络关系,在分析疾病相关因素上具有较好的适用性和应用前景。