基于低秩张量补全的非侵入式负荷监测缺失数据修复方法

非侵入式负荷监测技术(non-intrusive load monitoring,NILM)作为实现智能电网用户侧细粒度感知的重要手段,有助于实现需求响应、提高“源-网-荷”互动效率和优化用能,助力实现“30·60目标”。高质量的量测信息是数据驱动型NILM的基础,但由于数据采集装置故障、通道拥塞以及延时等都会导致数据缺失,尤其是严重的连续性缺失,由此造成非侵入式负荷监测与分解的精度下降,影响用户画像、需求响应等高级应用。因此,针对该问题,提出了一种基于CP分解的正则化低秩张量补全的量测数据缺失修复方法。算法突破传统单维数据处理局限,对NILM多维量测数据构建了三阶观测张量,从而利用数据内部时序关联性和参量维度间电气关联性进行正则化低秩张量补全。并针对每次核范数计算过程中奇异值分解计算量过大问题,采用基于CP因子矩阵分解的核范数计算降低计算量,减少计算时长,并证明了变换的等效性。最后基于NILM公开数据集iAWE进行了实验,实验结果表明所提出的方法可以提高数据修复精度,在高缺失率和连续缺失情况下仍能有较好地补全效果,并且通过非侵入式负荷分解实验证明其可有效提高分解精度,对智能电网提升细粒度感知能力具有良好的实际意义。

基于贡献度和数据有效性检验的共识机制

将区块链技术引入到分布式数据维护系统,旨在解决基于传统中心化数据库的分布式系统存在的数据维护不透明、数据易被篡改、历史记录不可追溯等问题,提出一种基于贡献度和数据有效性检验的共识机制.该算法提出一种贡献度优先的随机可验证领导者选举机制,保证记账权分配的随机性及可验证性.进一步引入密度峰值算法对交易数据有效性进行校验,对打包区块的正确性达成共识.最后将所提出的共识机制应用于梅花鹿分布式养殖场场景,结果验证了密度峰值算法在交易数据有效性检测任务中的准确性和高效性.出块时延分析和安全性分析表明,所提出的共识机制能够满足数据有效性验证的实时性需求,能耗较小,具有很强的灾备能力.

中条山断裂带痕量氢观测网建设及观测现状

中条山断裂为山西南部运城断陷盆地的主控构造,是开展痕量氢成网观测的理想场地。该研究选取中条山断裂带上夏县、平陆、芮城和盐湖区防震减灾中心,运城地震监测中心站5个痕量氢台站作为研究对象,对台站勘选、测孔建设、辅助设备建设等环节,从完整性、稳定性及动态特征方面进行质量评价;对比分析运城站自2022年7月以来出现的高值变化及可能引起变化的原因,初步判定与该区温泉水开采量减少有关;对观测数据存在的背景值偏低及数据超差个数较多的情况,提出相应的改进建议。

支持访问行为身份追踪的跨域密文共享方案

作为在云环境下被广泛应用的密文数据授权访问机制,密文策略属性基加密(ciphertext-policy attribute-based encryption,CP-ABE)具有细粒度、1对多和拥有者可控的特点.由于多个用户可能拥有相同属性集合,传统属性基加密机制难以追溯到滥用解密权限的恶意授权用户身份.虽然现有研究解决了恶意用户的特定解密权限滥用行为(白盒攻击与黑盒攻击)的身份追踪问题,但仍难以实现针对授权用户访问行为的身份追踪,这将导致潜在的安全风险和数据访问知情权合规性问题.为了在现实应用场景中实现密文数据访问行为身份追踪,方案基于密文策略属性基加密机制构造跨域密文共享方法,通过数字签名和交互式外包解密流程将可追踪密钥和授权用户访问行为绑定为访问请求,并利用区块链的不可篡改性实现访问请求的完整性保护.为了解决引入区块链所导致的访问行为身份追踪效率低下问题,方案引入加密倒排索引结构以优化区块遍历效率,并通过BLS签名和隐私集合交集思想实现索引查询的隐私保护.理论分析和实验验证表明所提方案是实用与高效的.

可靠响应表示增强的知识追踪方法

知识追踪是教育数据挖掘领域中的一项关键任务,旨在建模学生随时间不断变化的知识状态,以推断学生对知识点的掌握程度。然而,现有知识追踪方法大多忽略了基于学生-习题-知识点关系构造的学生-知识点空间的不可靠性和高维稀疏性,并且未结合学生在习题上的作答情况生成习题的可靠响应表示。针对上述问题,提出可靠响应表示增强的知识追踪方法。具体地,首先根据学生的作答记录细粒度地划分学生-习题空间,并基于习题-知识点空间得到不同划分下的学生-知识点空间;其次,从学生-知识点空间的相对可靠性和绝对可靠性2方面获得学生-知识点空间的可靠性,并采用维数约减方法得到可靠且低维的学生-知识点空间;再次,结合学生在习题上的作答情况和习题表示方法得到习题在2种作答下的可靠响应表示;最后,利用长短期记忆网络和得到的可靠响应表示评估学生在不同时刻的知识状态。在4个真实数据集上验证了本文方法的有效性和可解释性。

数据革命与人口研究新视野

数字时代,互联网的传播和人工智能技术的快速发展改变了数据的生产和使用方式,促进了可用数据的爆炸式增长,在社会科学领域掀起了一场数据革命,迎来了从设计数据(过去)到痕迹数据(现在)再到生成性数据(未来)的发展变迁。痕迹数据包括电子存档数据、设备感知数据和网络平台数据,相较传统的设计数据在时效、规模、范围和成本上的优势为人口研究的拓展和创新带来了巨大潜力。在研究内容上,痕迹数据通过强化流动性测量、收集人口行为背景、捕捉特定研究对象,极大地推动了人口的迁移流动研究,并为微观的人口过程分析提供了丰富洞见。在研究思路上,痕迹数据从时间尺度改变了人口动态的分析单位,空间维度打破了传统人地分离的研究瓶颈,方法上要求促进不同来源类型数据的结合提升研究效度,应用中推进了人口与社会动态的实时监测与预警,为循证决策提供了及时有效的研究支撑。新时代,对痕迹数据的挖掘需要充分发挥数据想象力,加快对前沿计算方法的掌握和跨学科合作的形成,建立现代化的数据生态系统以实现数据的开放、共享和使用。

基于机器学习的埃达克质岩构造背景判别研究

埃达克质岩具有重要的地球动力学和金属成矿意义,其构造背景的准确识别为探讨区域构造-岩浆演化过程提供了重要依据。由于埃达克质岩源区、热源和岩浆产生机制的多样性,传统低维度地球化学手段在识别构造背景时存在局限性。随着地学数据的指数增长和人工智能的发展,机器学习为解决该问题提供了新方法。因此,本文将机器学习与地质大数据相结合,构建高精度埃达克质岩构造背景判别模型和可视化图解。文中收集了1 075条全球埃达克质岩主、微量地球化学数据,使用主成分分析和t分布-随机近邻嵌入等无监督学习方法进行高维数据降维,采用随机森林、支持向量机、人工神经网络和K近邻等机器学习方法进行数据训练,得出准确率为98.5%的高斯核支持向量机埃达克质岩构造背景判别器,并提出Ba-Sr/Nd图解,为汇聚板块边缘、板内火山活动和太古宙克拉通(包括绿岩带)3种构造背景判别提供依据。这项工作将拓展机器学习在埃达克质岩构造背景研究中的应用,为构造-岩浆作用研究带来新的思路。

基于机器学习的闪锌矿微量元素特征在铅锌矿床类型识别中的应用

闪锌矿微量元素特征是识别铅锌矿床成因类型的重要指标。拟通过机器学习方法识别出判断铅锌矿床成因类型的关键控制元素,建立基于闪锌矿微量元素特征的广义铅锌矿成因类型判别图。系统收集了密西西比河谷型、火山块状硫化物型、喷流-沉积型、矽卡岩型4种成因类型铅锌矿床中3700条闪锌矿的12种微量元素数据(Cd,Mn,Ag,Cu,Pb,Sn,Ga,In,Sb,Co,Ge和Fe),使用支持向量机和随机森林2个机器学习分类模型对其进行分类,对这些特征元素重要性进行排序。基于闪锌矿微量元素特征,利用大数据和机器学习方法构建的铅锌矿床分类模型可以有效地区分不同成因类型的铅锌矿床,支持向量机和随机森林分类模型在测试集上的准确率分别为98.5%和96.9%。同时,通过主成分分析对12种元素特征进行统计分析和降维可视化,并结合随机森林模型特征元素重要性排序,识别出能区分铅锌矿床4种成因类型的关键化学元素。结果显示,闪锌矿的12种微量元素中,Mn,Ge,In,Co,Sb和Ga这6种元素用于区分铅锌矿床成因类型效果显著。新构建了4种成因类型铅锌矿床闪锌矿ln(Mn/Cd)-ln(Ge/Cd)-ln(Co/Cd)三元二维图,以及ln(Mn)-ln(Sb)、ln(Co)-ln(Ga)和ln(Mn)-ln(In/Ge)二元二维图,可用来有效区分密西西比河谷型、火山块状硫化物型、喷流-沉积型、矽卡岩型4种类型铅锌矿床。

海洋背景涡度对台风康森引起的近惯性波的影响研究

近惯性波是海洋中普遍存在的一种内波,它在海洋中的传播和耗散受到背景涡度的影响。基于混合坐标海洋模型(hybrid coordinate ocean model,HYCOM)再分析数据,研究了海洋背景正、负涡度对台风康森在南海引起的近惯性波的不同影响。结果表明:负涡度能捕捉并促进近惯性能量向海洋深层的传播,可传播到1200 m以深;而正涡度则阻碍近惯性能量的下传,使其主要集中在海洋上层500 m以内。负涡度区域能维持较强的近惯性能量10 d以上,而正涡度区域内的近惯性能量维持时间在1周左右。负涡度区域内的近惯性波由第二和第三模态主导,而正涡度区域内的近惯性波由第一和第二模态主导,导致海洋内部(500~1000 m)负涡度区域内的近惯性波剪切比正涡度区域内的近惯性波剪切强1~2个量级。波射线模型模拟结果显示,近惯性波在负涡度区域边缘发生反射,进而被负涡度区域捕获;而正涡度区域内的近惯性波有加速远离源地的趋势。上述结果进一步说明,海洋背景负涡度能增强近惯性能量的垂向传播,而正涡度则促进了近惯性能量的水平传播。

射线追踪驱动的三维斜缆地震资料海底多次波预测

斜缆采集已成为海上宽频地震采集中常用的采集方式,本文针对斜缆地震数据的多次波预测问题,提出了射线追踪驱动的三维斜缆地震资料海底多次波预测方法。首先基于叠加速度(或偏移速度)的射线追踪方法,根据炮点深度、检波点深度模拟出海底多次波的大体时间延迟量,并基于原始数据的相关谱分析确定出与海底多次波周期拟合最佳的延迟时,然后通过时空域(偏移距域)的褶积过程实现海底多次波预测。模型数据试验和对实际数据的处理试验结果均证实了本文提出的方法能够有效地预测斜缆地震资料海底多次波,其在实际斜缆地震数据的多次波压制处理中具有广阔的应用前景。

基于区块链的医药数据追溯探索研究

目的:探讨基于区块链的医药数据追溯与监测技术的可行性和有效性。方法:提出了一种基于区块链的医药数据追溯与监测系统架构,并通过与药品监管码的结合,设计了相应的数据流程和加密安全机制,利用分布式账本技术,实现医药数据的可信追溯和实时监测。结果:基于区块链的医药数据追溯与监测系统能够实现医药数据的可信追溯和实时监测。相比传统方法,该系统具有更高的数据可信度和安全性,在医药监管、药品追溯和健康管理等方面具有广泛的应用场景。结论:基于区块链的医药数据追溯与监测技术,提高了药品的可塑性和安全性,具备良好的可行性。

小波变换在甘肃天水痕量氢气浓度观测数据分析中的应用

利用db4小波变换分析原理,对甘肃天水毛集、马窑和原家庄3个测站2023年1月-2024年1月的痕量氢气观测数据进行分析,并将其中的中低频和高频信息进行有效分离。结果表明:小波变换方法对不同频率的信息识别功能较强,能够更直观和清楚地反映地震前兆异常现象。结合震例研究表明,小波分析是消除痕量氢气观测资料噪声、识别地震中短期异常的一种有效方法。

应用数据基线模型的重燃叶片制造质量异常溯源路径搜索方法

针对重型燃气轮机高温透平叶片(以下简称重燃叶片)质量异常溯源时质量因素的改进难度大、质量异常溯源路径不清晰的问题,提出一种应用国家质量基础设施(NQI)数据基线模型的质量异常溯源路径搜索方法。该方法构建重燃叶片全域的NQI数据基线模型,提供重燃叶片制造全域的制造逻辑标准与NQI质量控制逻辑标准;根据质量事件间复杂逻辑关系,构建T-S质量风险树,引入超椭球模型进行计算分析,求解基本事件的后验概率和关键重要度;考虑后验概率、关键重要度及启发式信息值等属性,采用改进VIKOR算法求取各方案的区间折衷值,结合二元联系数可能度函数的区间数排序方法得到质量异常溯源的最优方案,考虑属性值随搜索进程的更新,得到最优的质量异常溯源搜索路径。以NQI数据基线模型的某工艺过程为例进行应用验证,结果表明,利用该溯源路径搜索与随机搜索诱因相比,溯源效率提升38%,能在更短的时间内找到引发型壳质量异常的原因,为质量改进提供了参考。

低温热综合利用及探讨

某公司公共管廊管线伴热介质为低压蒸汽,消耗量约8t/h,如果将加热介质改为热水,将会大大降低低压蒸汽的消耗量,经济效益非常可观。该公司通过对公共管廊各伴热线的运行现状进行分析,发现存在蒸汽管网末端压力低,蒸汽外排,而且疏水阀更换维修成本较高等情况。通过对各装置低温余热分析,计划采用120×10^(4)t/a催化裂化装置的热媒水余温给公共管廊各管线加热。从经济性和操作方面对两种改造方案进行对比,决定采用热媒水直接给工艺管线伴热的方案。设计阶段,充分考虑热媒水伴热和原低压蒸汽伴热的互补,新增伴热水上水及回水总管,并设置伴热水上水和回水分水缸,各伴热分支管线增设限流孔板控制流量,伴热线整体利旧。项目实施后,节约低压蒸汽消耗8.2t/h,伴热期按4个月计算,可节约2.36×10^(4)t/a低压蒸汽,降本效果明显。

供热收费系统的信息化管理技术分析

阐述供热收费信息化管理系统的现状和特点,分析现有的信息化管理系统应用,能够提高收费管理效率和精度、实现数据追溯和分析。提出供热收费信息化系统的优化建议。

运用多种数据调查高压供电侧故障引发的火灾事故

介绍一起在台风天气下发生的大型厂房火灾事故的调查过程,在前期调查过程中现场起火点不定、引火源不明、物证无法提取,起火原因无法定性的情况下,通过调取火灾现场与原因相关的视频数据、网络数据、电表数据、高压录波数据等多维电子数据,结合高压供电故障痕迹形成的机理和诱发因素,综合分析认定了火灾原因。该起火灾的调查过程可为相关类型火灾事故调查提供参考。

基于痕量溶解氢测量技术的四管泄漏检测系统设计

在锅炉事故中,炉水问题对锅炉使用寿命和运行效率有较大的负面影响。特别是痕量溶解氢的异常积累,通常是高温汽水腐蚀等诸多严重后果的前兆,也是锅炉泄漏的重要指示之一。因此,炉水分析技术的研究与发展显得尤为重要。在保证装备运行安全的同时,高效准确的检测技术能够预防潜在的风险,避免经济损失和环境污染。文章提出的基于痕量溶解氢技术的四管泄漏检测系统的研究,旨在更加精准地监测锅炉炉水中痕量溶解氢的浓度,从而为炉水化学分析和锅炉健康监控提供技术创新路径。本研究所采用的泄漏检测系统以其独特的设计原则和系统组成,融合化学分析和仪器监测双重优势,能在更早阶段发现潜在危险,实现对炉水化学状态的综合判定。

建构筑物数据固化模式研究及应用

土地征收补偿环节需要新技术模式支撑,更好地保障政府、村社集体及农民个人等权益。采用无人机、“互联网+”自然资源调查技术和软件开发,建立了以“质量为底线、高新技术为依托、高效真实为导向”的建构筑物数据固化模式,形成固化痕迹证据真实可溯,无盲区的固化成果,解决了传统方法效率低、盲区大、难追溯、使用难等问题,有效地控制了违法建设,节约了土地征拆成本。对类似项目开展具有参考意义。

国产ARM架构芯片的Trace调试数据解析研究

Trace调试技术是一种非侵入式的、需要硬件支持的调试技术。该技术需要设置监视点,在监视点触发时将当前调试信息存入缓冲区中,以便程序运行后读取并解析这些数据,从而分析监视点触发时程序的运行状态。然而,目前片上Trace技术使用的协议不同,对Trace数据的处理也不同。本文针对ARM架构的国产芯片FT 2000/4提出一种新的Trace数据解析办法,为集成开发环境提供Trace功能方面的支持。

多知识点融合嵌入的深度知识追踪模型

知识追踪任务是根据学生历史答题记录追踪学生知识状态的变化,预测学生未来的答题情况.近年来,基于注意力机制的知识追踪模型在灵活性和预测性能上都明显优于传统知识追踪模型.但是现有深度模型大多只考虑了单一知识点题目的情况,无法直接处理多知识点题目,而智能教育系统中存在着大量的多知识点题目.此外,如何提高可解释性是深度知识追踪模型的关键挑战之一.为了解决这些问题,提出一种多知识点融合嵌入的深度知识追踪模型.所提模型考虑涉及多知识点的题目中知识点之间的关系,提出两种新颖的多知识点嵌入方式,并且结合教育心理学模型和遗忘因素提升预测性能和可解释性.实验表明所提模型在大规模真实数据集上预测性能上优于现有模型,并验证各个模块的有效性.