关键词： 环境污染   健康保障   历时演化   互动效应   模式识别  

摘要： 中国在经济社会发展变革时期环境与健康问题凸显,研究二者的演化模式与影响机制具有重要意义。在测度2010—2017年中国31个省市的环境与健康数据的基础上,利用四分区模型对结果进行动静态分析,同时通过联立方程和分位数回归模型探究环境与健康的互动效应。结果表明:环境状况在地理位置上无显著规律,健康状况东部地区好于中西部地区;“环境—健康”上升模式的地区升级幅度不大,区域上以中西部地区为主,进程上以演化后期为主;“环境—健康”平稳模式占区域演化大多数,下降模式多见于北方地区;环境与健康存在互动良性关系,且弹性系数随各自改善而降低。

关键词： 油纸绝缘   局部放电   深度学习   多光谱信息   模式识别  

摘要： 为了获得更丰富的放电特征信息,提高局部放电诊断的效率,提出了一种多光谱信息下的油纸绝缘局部放电深度学习融合方法。首先,基于微型光学传感器件和局部放电光谱分布,构建了局部放电多光谱同步检测平台,通过实验获得了四种放电类型的多光谱数据;然后构建卷积神经网络模型,将不同光谱段的局部放电数据作为模型不同通道的输入,利用通道级融合提取多光谱信号中的有效信息,对油纸绝缘局部放电类型进行准确辨识。结果表明:不同放电类型的多光谱信息可以作为模式识别的有效特征;引入多光谱信息后,本文所提方法的识别准确率可以达到98%以上,相比于仅使用脉冲电流信号有着明显的提升;相比于统计特征参数分析法和深度神经网络,提出的方法对多光谱信息融合的效果更好,识别的准确率更高。

关键词： 电力系统   人工智能技术   模式识别   基础设施   自主决策   智能处理   人工智能算法   数据资源  

摘要： 人工智能技术的迅速发展为源网荷储优化调度提供了新的方法。随着硬件算力的不断提升、数据资源的日益丰富以及算法技术的持续创新,人工智能逐渐展现出强大的智能处理能力,能够在复杂环境中进行高效的数据分析、模式识别与自主决策。在电力系统中,人工智能的应用正逐步深化,成为推动电力行业智能化转型的关键力量。电力系统作为现代社会的基础设施,其稳定运行对于经济发展和社会生活至关重要。

关键词： 网约车出行   大数据   分布特征   时空相似性   时空模式   时间序列模式   聚类分析   成都市  

摘要： 通信与移动计算技术的快速发展产生了各种出行大数据,为理解和挖掘交通时空出行特征、建设智慧城市提供了新的机会。然而,新兴移动数据规模与复杂性的显著增加也为其结构特征分析带来了挑战。本研究以六边形时空分区为基本聚类单元,提出了一种处理高维网约车出行时空模式的分析框架,通过聚类同质的出行分布群体来识别不同的时空模式。首先,将六边形分区内集计的出行分布时空特征概括为起点的需求量分布、终点的空间分布和终点的需求量分布。进一步,提出了基于时空密度峰值的快速聚类(CFSFSTDP)算法,通过计算时空相似性来识别各分区的网约车出行分布时空模式。最后,采用近邻传播算法来对各分区聚类出的出行分布时空模式的时间变化序列进行聚类分析,捕捉网约车出行分布时空模式的时间序列模式。对成都一个月的滴滴出行订单数据进行实证分析验证了该方法,分析了不同的时空模式在需求大小、位置和时间上的差异,探讨了网约车出行在不同区域的功能类型。其识别出的6类时间序列模式把握了网约车出行分布时空模式的时间连续性,有助于进一步构建网约车出行时空演化数字孪生平台。

关键词： 运动模式   MEMS惯性器件   加速度计   陀螺仪   识别算法  

摘要： 针对行人正常行走、上楼、下楼等常见运动模式识别的问题,提出了一种低成本的足部MEMS惯性器件运动模式识别算法。首先,根据MEMS惯性器件的安装关系和实际采集的数据,分析了不同运动模式下的加速度计和陀螺仪的输出特征,然后,选取x轴方向的加速度计和y轴方向的陀螺仪输出的数据,利用输出波峰波谷的先后逻辑顺序,识别正常行走、上楼、下楼3种常见的行人运动模式,最后,对4名实验人员采集的10组数据进行分析。结果表明:采用该方法,正常行走状态识别的平均成功率可达到100%,上楼状态识别的平均成功率达到97.25%以上,下楼状态识别的平均成功率达到98.99%以上。从而验证了该方法的有效性。

关键词： 贵州降水   旋转经验正交分解(REOF)   空间分布   变化趋势  

摘要： 【目的】为了解贵州省区域降水特点和变化趋势,更好地应对气候变化。【方法】应用旋转经验正交函数分解(REOF)方法,将贵州省1963-2022年降雨场划分为4个区域,并分析了各区域降水特征及其变化趋势。【结果】总体上Ⅰ区、Ⅱ区、Ⅳ区呈减少趋势,Ⅲ区呈增加趋势,变化趋势在1989-2014年之间通过P<0.05的显著性检验,其中Ⅳ区变化趋势在1986年有突变;各区均有35 a的主周期变化,其中Ⅰ区未来5 a为下降周期,Ⅱ区未来9 a为下降周期,Ⅲ区和Ⅳ区未来4 a为下降周期。【结论】贵州省降水有明显的年代际变化,Ⅰ区、Ⅱ区相较于Ⅲ区、Ⅳ区出现极端干旱和强降水事件的概率更大,各区年平均降水量均显示出较为明显的周期性变化特征,未来变化有显著的持续性。

关键词： 滚动轴承   迁移学习   故障模式识别   稀疏自动编码器  

摘要： 针对基于迁移学习的故障诊断方法无法充分利用目标域数据,并且要求运行条件平稳,提出了一种基于融合知识迁移网络的变工况轴承故障模式识别方法。将输入瞬时转速作为工况信息输入到稀疏自动编码器中,从而充分利用目标域信息,使操作信息不必只利用局部振动数据集,而可以将整个操作信息纳入模型进行训练,并且通过模型训练大大降低了学习过程中负迁移的风险。然后利用深度卷积神经网络从原始振动中提取特征,通过两种知识迁移模型的结合,建立了融合知识迁移模型。最后,在滚动轴承实验测试台上的实验结果验证了该方法能够在变工况条件下实现有效的故障识别。

关键词： 解酒保肝口服液   高效液相色谱   指纹图谱   多成分定量   主成分分析   偏最小二乘回归分析   化学模式识别  

摘要： 目的建立解酒保肝口服液的指纹图谱及多成分含量测定方法。方法采用高效液相色谱(HPLC)法和中药色谱指纹图谱相似度评价系统相似度软件建立11批解酒保肝口服液的指纹图谱,利用主成分分析(PCA)和偏最小二乘回归分析(PLS-DA)对解酒保肝口服液的质量进行分析研究;确定解酒保肝口服液中有效成分含量测定方法并测定其含量。结果建立了解酒保肝口服液HPLC指纹图谱,确定了29个共有峰,并指认检测了其中葛根素、毛蕊异黄酮苷、芦丁、木犀草苷、槲皮素5种有效成分。11批样品HPLC图谱相似度均大于0.950,PCA和PLS-DA找到了影响指纹图谱的6个主要成分,累计方差贡献率为92.89%,色谱峰24,29,22,23(木犀草苷),3,18,6,17,27,20,7,25,26,19(毛蕊异黄酮苷)的变量重要性投影(VIP)值>1,可作为解酒保肝口服液的质量差异性成分。11批解酒保肝口服液中葛根素、毛蕊异黄酮苷、芦丁、木犀草苷、槲皮素的质量浓度分别为106.698~236.795,0.815~1.868,14.552~16.662,8.204~13.12,18.731~20.427μg/mL。结论HPLC指纹图谱结合模式识别及多成分含量同时测定的方法为解酒保肝口服液提供了科学、可靠的质量评价方法,对解酒保肝口服液质量控制标准的建立具有重要意义,也为中药复方制剂的质量评价研究提供了参考。

关键词： 模式识别   概率神经网络   麻雀搜索算法   平滑因子   贝叶斯决策  

摘要： 现如今,模式识别已被广泛应用于语音识别、机械诊断、遥感和医学诊断等领域。概率神经网络(Probabilistic Neural Network,PNN)作为一种常用的模式识别工具,已被应用于各类工程模式识别,且取得了一定效果。然而,传统PNN模型一般采用默认的平滑因子参数,这容易导致识别率低和分类能力不足的问题。为了解决上述问题,提出了一种基于麻雀搜索算法(Sparrow Search Algorithm,SSA)优化概率神经网络的模式识别方法(SSA-PNN)。该方法通过引入麻雀搜索算法,可以在搜索空间内高效地搜寻到最优的平滑因子,并进行PNN模式识别。将该方法应用于模拟信号和真实滚动轴承振动信号数据,实验结果表明,相比于传统PNN模型和遗传算法优化PNN方法(GA-PNN),改进后的SSA-PNN方法识别率整体提升了6.6%和2.2%,达到了93.3%的高识别率,实现了更好的分类效果。

关键词： 多功能雷达   模式识别   行为推理   机器学习   深度学习  

摘要： 雷达工作模式识别通过对信号的截获分析来辨识雷达功能和行为状态,是情报侦察、电子对抗领域的重要内容。该文从适应背景的不同,研究了基于知识驱动和数据驱动算法的发展历程,从统计分析、行为推理、传统机器学习和深度学习4个阶段总结了现有算法的基本思路、创新点和局限性,归纳了当前研究存在的难点与挑战。统计分析方法解决了信号背景清晰、简单调制类型下的识别问题。行为推理方法通过概率计算分析雷达模式的内在关联性,具备了常规模式识别的能力。传统机器学习从数据分布的角度提取深层规律,在人工配合下能够实现复杂条件下的模式识别。深度学习方法基本摆脱人工的干预,通过“端到端”的识别实现了自动化的处理。