课程文献中心 更多>>

关键词： 电力系统安全稳定   频率安全分析   预想扰动   图卷积网络   多头自注意力机制  

摘要： 现代电力系统中新能源和电力电子装备渗透率的不断提高使其表现出明显的低惯量特性，在遭受大容量有功扰动事件后频率失稳风险剧增。为此，需在系统稳态运行时针对预想扰动对系统频率安全性进行在线实时的评估，以及时发现潜在频率安全风险，指导后续频率安全预防控制。本文提出一种基于多头自注意力图卷积网络（Transformer-Graph convolutional network， Tr-GCN）的频率安全在线智能分析模型，并设计了包含系统稳态运行方式信息和预想扰动信息的混合输入特征集，可适用于二者各种组合下的频率响应指标预测。该模型基于电网拓扑结构对扰动位置和扰动量进行更合理的编码和计算。此外，通过引入多头自注意力机制，使模型有选择性地关注更重要的信息，提高模型表达能力和预测精度。以含新能源的IEEE-39节点系统和中国东北电网（2 131节点）为例进行算例研究，验证了所提方法的准确性、有效性和可扩展性。

关键词： 旅游知识创新   科研合著论文   国际化视阈   加权指数随机图模型(ERGM)  

摘要： 以“Web of Science”合著论文数据为基础构建中国城市旅游知识创新网络，对2011—2014年、2015—2018年、2019—2022年3个时段网络的空间与拓扑结构演化特征进行分析，继而引用加权指数随机图模型（ERGM）定量研究内生和外生效应对网络形成与演化的影响。结果显示：(1)网络规模扩张迅速，整体联系强度与数量均稳步提升,空间格局由以香港为单一中心辐射的简单结构向多中心辐射的复杂网络转变；(2)网络的“小世界”特征逐渐显著,城市的择优连接倾向明显；(3)网络中节点的中心度差异较大，香港、澳门、广州、北京是旅游知识创新的中心城市；(4)从驱动机制看，自组织性、择优连接、旅游科研投入、国内旅游收入、人均地区生产总值、社会邻近性等多重因素共同作用于旅游知识创新网络的形成与演化，城市属性变量的正向影响强于多维邻近性。国际化视阈下中国城市旅游知识创新网络的结构及其形成机制的探讨，对于挖掘城市旅游知识国际化水平、增强城市间旅游知识合作和培育创新增长极具有重要意义。

关键词： 群决策   信息扰动   产业创新链   优化策略   IVF-GERT网络  

摘要： 立足产业技术创新现实问题，考虑产业创新系统内外部信息扰动双重叠加作用，以新能源汽车为例，构建带有信息扰动的产业创新价值流动随机网络模型（IVF-GERT）；以此为平台，揭示个体决策、关键主体主导式群决策和混合主体参与式群决策三种不同决策模式下，IVF-GERT网络价值流动及价值增值规律。研究表明，新能源汽车动力电池、整车制造和废旧回收等主体，居创新链关键地位，且受信息扰动影响明显；相应地，增加关键主体创新投入，对创新链运行效率提升有显著积极影响。进一步分析，群决策模式更有利于创新价值增值；信息扰动程度与资源投入量大小，对参与主体采取何种类型群决策模式有决定性影响。

关键词： 网络小说成瘾   孤独感   沉浸感   逃避动机   大学生  

摘要： 考察沉浸感和逃避动机在孤独感和大学生网络小说成瘾关系间的中介作用。采用网络小说成瘾量表、孤独量表、逃避动机量表和沉浸感量表对835名在校大学生进行测量。结果发现：（1）大学生网络小说成瘾与孤独感、沉浸感、逃避动机两两之间均呈显著正相关。（2）沉浸感与逃避动机在孤独感与大学生网络小说成瘾之间均起独立中介作用。（3）沉浸感和逃避动机在孤独感和大学生网络小说成瘾之间起链式中介作用。孤独感不仅对大学生网络小说成瘾有直接影响，还通过沉浸感、逃避动机的链式中介作用对大学生网络小说成瘾产生间接影响。

关键词： 空天地多层次算力网络   数字孪生   逻辑靶场   负载预测   自适应变分模态分解  

摘要： 在空天地多层次算力网络背景下，针对数字孪生逻辑靶场中因负载数据复杂性和非平稳特征带来的精准预测挑战，提出了融合格拉姆转场（GAF）、卷积神经网络（CNN）、通道注意力机制网络（SENet）和门控循环单元（GRU）的GCSG模型。该模型通过GAF将一维负载数据转换为二维图像，利用CNN提取局部特征，SENet优化特征重要性，GRU捕捉时序特征，实现了高效的特征融合和精准预测。此外，模型采用自适应变分模态分解（SSA-VMD）对负载数据进行平稳化处理，进一步提高了预测性能。实验结果表明，GCSG模型在不同数据长度下均表现出优异的预测精度和稳定性，且在多步预测任务中同样表现尤为突出。因此，GCSG模型显著提升了负载数据的预测精度，为空天地算力网络中的数字孪生系统负载预测提供了强有力的解决方案。

关键词： 航天器   元器件   社区检测   进化算法   选用推荐  

摘要： 宇航元器件选用是航天任务中的重要环节，空间环境复杂苛刻，对宇航用元器件的可靠性和性能要求极高。传统的元器件选用方法通常依赖于专家经验和单一指标评估，难以全面考虑元器件之间的复杂关联和多维度性能指标。复杂网络理论的发展为元器件选用提供了一种新的思路，特别是社区检测算法，可以帮助识别元器件之间的隐含关系和群体特征，从而优化选用过程，实现宇航元器件精准、快速、高效、灵活的选用。本文介绍了基于复杂网络社区检测算法的元器件选用推荐方法，提出了基于模块度优化的进化算法。该算法引入了基于节点相似度的最大生成树编码方法，还引入了一种生成初始种群的新方法和一种基于正弦的自适应变异函数，并将其用于两个元器件选用网络。该算法有效地检测出了元器件选用网络中的社区结构，实现了元器件的智能选用。

关键词： 流量分类   图神经网络   对比学习   协议分析  

摘要： 网络流量分类技术在网络安全领域中起到了关键性作用。现代网络架构高度复杂，网络流量传输过程中将会不可避免的遇到各种异常情况。为此，本文提出了一种稳定性指标，评估算法对数据异常干扰的抵抗能力，另外还基于图对比学习技术提出一种流量分类算法TCGCL（Traffic Classification Graph Contrastive Learning），可以同时提取网络流量内部的载荷特征及网络流量之间的通联关系特征，更全面的保留数据有效信息，在此基础上通过数据增强技术模拟网络流量异常状态表现，大幅提升了算法在数据异常情况下的分类稳定性。另外，基于协议分析技术，TCGCL对流量分类过程中图结构数据的构造方式进行了研究，提出了一种高质低维的属性生成方法。实验表明，相较于基线算法，在达到近乎相同准确率的前提下，TCGCL的样本输入维度降低了约80%。另外，针对复杂网络通信环境，TCGCL对测试样本进行了噪音混淆，模拟流量异常的情况，测试结果表明，TCGCL在流量出现异常的条件下仍可保持很高的分类准确率，且稳定性指标大幅领先于基线算法。

关键词： 数据融合   蚂蚁算法   无线传感器   格拉布斯准则   覆盖控制  

摘要： 变电站无线传感器网络控制过程中存在网络生命周期短的问题，为此，提出基于数据融合的变电站无线传感器网络控制方法。建立变电站无线传感器网络拓扑结构模型，通过格拉布斯准则，剔除无线传感器的冗余节点数据;通过最短路径树构造无线传感器网络数据传输路径，并基于蚁群算法求解最短路径树完成数据融合，实现变电站无线传感器的网络覆盖控制。实验结果表明，所提方法的变电站无线传感器生命周期更长、效率更高、数据融合延迟效果更好，整体应用效果更佳。

关键词： 网络药理学   分子对接   分子动力学模拟   参苓白术散   变应性鼻炎  

摘要： 目的利用网络药理学、分子对接和分子动力学模拟预测参苓白术散治疗变应性鼻炎(AR)的药效成分和作用机制。方法应用TCMSP和TCMIP平台筛选有效成分,收集作用靶点。利用GeneCards数据库和OMIM数据库收集AR疾病靶点,对参苓白术散药物靶点和AR靶点取交集后得到参苓白术散的治疗靶点,并采用Cytoscape软件进行可视化。采用STRING平台对治疗靶点进行蛋白互作(PPI)分析,Metascape平台进行基因本体(GO)功能富集及基因组百科全书(KEGG)通路富集。采用Autodock软件进行分子对接,YASARA软件进行分子动力学模拟。结果收集参苓白术散药效成分184个,作用靶点637个。收集AR疾病靶点1018个,取交集后得到参苓白术散治疗靶点96个,对交集靶点进行PPI分析后得到蛋白激酶(AKT1)、白细胞介素-6(IL6)、白细胞介素-1B(IL1B)、肿瘤坏死因子(TNF)为关键靶点。GO分析涉及1454条生物过程,65个细胞组分,131项分子功能,KEGG得到通路177条。分子对接显示关键成分槲皮素、山奈酚、木犀草素、豆甾醇与核心靶点AKT1、IL6、IL1B、TNF均具有结合能力。分子动力学模拟进一步验证豆甾醇与TNF具有良好的结合活性。结论参苓白术散可通过多成分、多靶点治疗AR。

关键词： 故障诊断   特征提取   注意力机制   时间序列特征   刀具磨损监测模型  

摘要： 刀具磨损监测在刀具的故障诊断中发挥着至关重要的作用，针对现有的监测方法过于依赖人工特征提取的问题，提出了一种基于注意力机制的混合网络刀具磨损监测模型（CNN-CBAM-LSTM）。首先，通过CNN模块进行数据的局部特征提取，结合CBAM注意力机制模块抑制次要特征并突出主要特征提高模型预测效率；然后，使用LSTM模块获取与刀具磨损相关的时间序列特征，并解决潜在的梯度消失和梯度爆炸问题；最后，将处理后的数据通过全连接网络输出，得到预测的刀具磨损值。通过PHM2010数据集上的测试结果验证了提出模型的有效性，相比于传统的融合模型，提出的模型在平均RMSE上降低了20.0%，在平均MAE上降低了45.8%。