关键词： 技术创新   绿色发展   模式识别   协调机制   互动关系  

摘要： 技术创新是驱动高质量发展的核心动力,绿色发展是转变经济发展方式的必然要求,研究技术创新与绿色发展的关系具有重要意义。基于四象限分区模型,生动刻画了技术创新与绿色发展的关系画像与升级路径,从理论上分析了技术创新与绿色发展的协调机制,并基于中国省级面板数据进行实证研究,以多维视角分析了两者的发展演变特征、耦合协调水平及互动关系。研究发现:(1)技术创新与绿色发展具有内在的协调机制,实现两者的良性协调互动是推动可持续发展的重要前提;(2)在观测期内,技术创新与绿色发展可以归纳为3种不同的演化路径,包括状态升级型、状态稳定型和阶段性调整型,且目前大部分地区有待升级;(3)技术创新与绿色发展的耦合协调水平呈现稳步提高的发展态势,但是存在东部地区优于中西部地区的非均衡发展格局;(4)技术创新与绿色发展具有积极的正向互动关系,从长期看其互动强度有待提高。因此,要注重技术创新与绿色发展的协同发展,并强化技术创新对绿色发展的驱动作用,绿色发展要培育良好的技术创新环境。

关键词： 模式识别   骚扰号码   风险评估   多层感知神经网络  

摘要： 提出一种基于模式识别的数据处理算法-主成分分析和分类算法-多层感知神经网络。通过对经由运营商核心网设备的近一年电话号码进行分析,研究了基于电话号码的十个特征综合分析。通过主成分分析简化特征,利用多层感知神经网络等模式识别算法判定电话号码为骚扰号码的分险程度,灵活度高,评估出电信诈骗风险等级,并提示其它用户防范。

关键词： 豆粕   箱线图   分布拟合   聚类分析   主成分分析   化学模式识别  

摘要： 目的对市售不同用途豆粕中溶剂残留含量进行测定,分析豆粕中溶剂残留组分情况,并采用化学模式识别法分析比较不同豆粕的差异。方法参照GB 5009.262—2016《食品安全国家标准食品中溶剂残留量的测定》对32批次豆粕进行检测,并对豆粕数据进行直方图、频次图、箱线图和分布检验统计,借助主成分分析和聚类分析对不同种类豆粕进行分类并筛选出差异标志组分。结果豆粕样品中溶剂残留为未检出~40.50 mg/kg,均低于GB 14932—2016《食品安全国家标准食品加工用粕类》限量;食用低温豆粕样品溶剂残留检出率36.4%,最高值31.50 mg/kg,食用高温豆粕样品溶剂残留检出率54.5%,最高值40.50 mg/kg;饲用豆粕样品溶剂残留检出率90.0%,最高值37.00mg/kg。通过对豆粕峰面积进行主成分分析、聚类分析等可将32批豆粕整体分为低温豆粕、高温豆粕和饲用豆粕,同时显示2-甲基戊烷和3-甲基戊烷对豆粕分类起到主导作用。结论豆粕的成分定量方法高效稳定,化学模式识别分析方法结果可靠,可为豆粕中溶剂残留情况及质量研究提供参考。

关键词： 模式识别   水淹级别   特征参数   测井曲线  

摘要： 油田注水开发中后期油层水淹复杂情况导致利用常规测井解释水淹级别有较大的误差。本文利用delphi编程提取并量化小层的水淹层特征参数,通过模式特征参数建立水淹层识别交会图版,由图版构造驱油效率η与孔渗综合参数Rc的函数,进而对工区59口加密井共计952个小层进行水淹级别的识别,三级别水淹层符合率达到78.7%,效果比较理想。

关键词： 白术   於术   道地性   UPLC-Q-TOF-MS   多元统计分析  

摘要： 目的对不同产地白术和於术的化学成分进行比较分析,鉴定差异成分,为白术和於术药材的质量评价和道地性研究提供依据。方法以ZORBAX Eclipse XDB-C_(18) Analytica(l 4.6 mm×250 mm,5μm)为色谱柱,以乙腈为流动相B,水为流动相C,洗脱梯度;柱温35℃;流速为1 ml/min;并采用UPLC-Triple-TOF 6600+飞行时间液质联用仪,正负离子扫描模式。结合化学模式识别聚类分析、主成分分析和偏最小二乘判别分析寻找不同产地白术和於术的差异性成分。结果不同产地白术和於术的化学成分存在明显差异,共鉴定出5个差异成分,分别为白术内酯Ⅰ、Atractylmacrol D、Isoasterolide A、白术内酯Ⅱ和白术内酯Ⅲ。浙白术的5个差异成分含量显著高于其他产地白术;於术中的Atractylmacrol D、Isoasterolide A、白术内酯Ⅱ和白术内酯Ⅲ成分含量高于各产地白术。结论不同产地白术和於术的化学成分有所差异,具有较明显的产地特异性,於术的有效成分含量优于白术,浙白术的有效成分含量优于其他产地白术。本研究为评价白术和於术的质量和道地性提供了科学参考。

关键词： 无线光通信   卷积神经网络   涡旋光束   轨道角动量   模式识别  

摘要： 涡旋光束轨道角动量(Orbital Angular Momentum,OAM)模式的识别属于OAM复用通信系统中的关键技术之一.本文以高阶拉盖尔-高斯(Laguerre-Gaussian,LG)光束为研究对象,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)的高阶涡旋光束叠加态OAM模式识别方法.将经大气湍流传输后的高阶LG光束叠加态强度图像作为基础训练CNN模型,在给定训练数据的情况下,可以准确高效地对不同条件下高阶LG光束叠加态的OAM模式进行分类与识别.重点讨论了不同大气湍流强度、传输距离、光束截面完整程度和模式间隔对OAM模式识别准确率的影响.研究结果表明,CNN能够在强大气湍流环境下以高于99%的准确率对固定的OAM模式集进行分类和识别.本研究成果为大气湍流环境中叠加涡旋光束的智能解码和解复用提供了新思路.

关键词： 阵列传感   开关柜   局放在线监测   数据处理   模式识别   定位精度  

摘要： 阵列传感开关柜局放在线监测定位系统的时代价值逐步凸显,如何较好地进行数据处理非常重要。本文研究了阵列传感开关柜局放在线监测定位系统中的数据处理与分析方法。首先,介绍了系统的基本原理和组成,包括阵列传感器的布置、数据采集、信号处理和局放定位等关键技术;其次,简介了系统重要性;最后,详细阐述了数据处理和分析的方法,包括数据预处理、特征提取、模式识别和局放源定位等步骤。

关键词： 智能算法   故障检测   深度学习   模式识别  

摘要： 阐述基于人工智能算法,提出一种高效的输电线路故障检测与定位方法。该方法通过对电力系统数据进行智能化处理和分析,实现对故障信号的准确识别和有效分类,从而快速而精准地定位故障点。

关键词： 滚动轴承   ICEEMDAN分解   奇异谱熵   PSO-LSSVM   模式识别  

摘要： 针对滚动轴承疲劳故障振动信号具有能量弱、特征稀疏等特点,提出了一种通过改进自适应噪声完备经验模态分解方法与粒子群优化的最小二乘支持向量机结合的故障识别方法;对轴承不同故障信号利用改进的自适应噪声完备经验模态算法分解为一系列固有模态函数分量;根据相关系数-方差贡献率准则筛选出最能表征原始信号状态的分量,并计算重构分量的奇异谱熵值构成特征向量;将提取的特征向量集合输入到基于粒子群优化的最小二乘支持向量机分类器中,进行模型的训练和故障模式的识别,与SVM和LSSVM分类器模型进行准确率和效率比较;试验结果表明,该方法在滚动轴承故障信号中能有效提取故障特征,准确率达98.75%,具有一定可靠性和实用性。