课程文献中心 更多>>

关键词： 瓦斯预测   浓度预测   智能算法   煤矿安全  

摘要： 瓦斯超前预测对于煤矿的安全生产至关重要,然而何种模型更加适宜井下随钻瓦斯预测目前仍无相关研究。该文在研究常用智能预测模型建模的基础上,通过曹家滩矿区某掘进工作面的实测数据,对比研究了灰色预测模型、LSTM模型和BP神经网络模型的随钻瓦斯预测性能,实验结果表明,3种模型在理想的煤矿井下实验条件下均具有良好的预测准确性,但LSTM的预测效果最佳且理想条件下的预测误差小于0.15%。该研究结果可用于高精度的随钻瓦斯浓度预测,并可为煤矿井下瓦斯抽采孔轨迹的动态调控提供必要的数据支撑。

关键词： 海洋可控源电磁法   二维反演   高斯-牛顿优化算法   正则化参数  

摘要： 稳定、高效的反演算法是开展海洋可控源电磁(CSEM)数据解释的基础.本文实现了基于改进的高斯-牛顿优化算法的频率域海洋CSEM二维反演.基于交错网格有限差分法实现可控源电磁场2.5维正演模拟,使用直接矩阵分解算法求解差分离散方程组以实现多场源电磁响应的快速计算,并采用改进的接收点插值算法实现海底任意接收点处电磁场快速高精度计算.使用伴随法隐式求取灵敏度矩阵并基于近似二次收敛的高斯-牛顿优化算法实现反演,同时提出了一种基于灵敏度矩阵特征的正则化参数自动优化选取方法以保证反演的稳定收敛.反演算例验证了本文提出的频率域海洋CSEM二维反演算法的有效性.

关键词： 磷酸铁锂   锂离子电池   自适应无迹卡尔曼滤波(AUKF)   荷电状态(SOC)  

摘要： 准确的荷电状态(SOC)估计有助于电池管理系统延长电池寿命并确保电池安全。由于协方差矩阵的伪正定性和噪声统计误差的累积,使用卡尔曼滤波算法对锂离子电池的SOC进行估计通常不准确。为此,提出基于自适应无迹卡尔曼滤波(AUKF)的锂离子电池SOC估计方法。该方法由无迹卡尔曼滤波(UKF)和自适应算法组成。与UKF比较,验证所提方法在不同老化程度下SOC估计的准确性。所提方法显示出高SOC估计精度,误差在0.5%以内。

关键词： 排球运动训练   效果评估   模型构建   信息增益   随机森林算法  

摘要： 为了对排球运动效果进行有效评估,提出一种智能化的评价方法.首先采用随机森林算法进行运动特征的提取,通过构建决策树与信息增益实现运动特征的识别.同时考虑到随机森林算法面临的参数化问题,引入粒子群算法进行模型参数优化.在不同模型训练效果比较中,所提出的模型在召回率比较中表现最好,召回率均值为0.978,优于别的模型.在排球运动效果比较中,所提出的模型对8个主要指标的评估均高于0.935.此外,在误差以及耗时比较上,所提出模型均表现最好;所提出的智能评估技术可为排球等体育运动效果的评估以及老年群体健康的管理提供技术参考.

关键词： 天然气长输管道   压缩机运行   效率提升   设备管理   维护保养  

摘要： 本文以天然气长输管道站场压缩机运行现状为研究对象,对其进行综合分析,涉及设备本身情况、运行操作、检修及外部环境诸多方面。并据此提出促进压缩机运行效率提高的对策,主要有设备管理、操作流程的优化、维护保养计划的完善和与外部环境相适应的对策等。通过实施上述策略,其目的是保证压缩机设备高效稳定地工作,在降低故障率和延长其使用寿命的前提下,降低对周围环境造成的影响。

关键词： 主流算法   铸牢中华民族共同体意识   媒介实践   传播影响力  

摘要： 算法推荐作为一种新出现的基于计算机技术的信息连接方式,不仅颠覆性改变了传统信息采集、生产和分发的传播体系和规则框架,而且还重塑了信息传播的权力关系和格局。在此意义上,构筑主流算法传播体系,通过智能分发、精准传播推送,实现浸润式、可视化与矩阵化传播,对铸牢中华民族共同体意识具有积极的推动作用。

关键词： 边坡稳定性   安全系数   机器学习   遗传算法   BP神经网络  

摘要： 边坡稳定性预测是采矿和地质技术项目中最重要、最关键的任务之一。快速、精确的边坡稳定性预测对于安全作业和经济有效的边坡维护至关重要。在本文中,将遗传算法和BP神经网络相结合,提出了新的模型—GA-BP模型。此模型能够通过GA自动优化BP神经网络的超参数,提升预测准确度。用五种输入特征预测边坡安全系数,包括单位重量、内聚力、摩擦角、坡角和坡高。使用MAPE、RMSE和R^(2)作为评估指标。结果表明,GA-BP预测模型的MAPE、RMSE和R~2分别为(0.120 45,0.183 38,0.767 84),该结果效果明显,能够证明该模型可以精准预测边坡安全系数。这一综合评估证实了GA-BP混合方法能够对边坡稳定性进行精确建模。

关键词： 人工智能   网络通信   拓扑优化   资源分配   深度学习  

摘要： 本文在充分考虑网络拓扑结构影响通信质量和提高资源利用率的前提下,提出一种智能化的拓扑优化算法。在此基础上引入资源分配策略来有效解决网络资源分配不均衡的问题,从而使网络通信效率和资源利用率都得到显著提升,且具有较好的实用性和可行性,旨在今后的网络资源管理和优化工作中,可以此研究成果为基础加以推广应用。

关键词： 特征选择   数据降维   注意力机制   HSIC Lasso   AHSIC Lasso  

摘要： 特征选择作为高维数据预处理的重要方法,广泛应用于机器学习与数据挖掘任务并取得了良好的效果.然而,随着高维、海量的大数据时代到来,现有的特征选择算法面临着特征选择后所取得的分类准确率不甚理想等方面的挑战.本文提出了一种全新的特征选择算法AHSIC Lasso,通过运用注意力机制寻找特征之间的关联性,根据SoftMax计算特征权重并对数据进行加权,然后基于加权结果,使用HSIC Lasso方法对加权后的数据作特征选择.实验结果表明,本文提出的算法在精度上相比于传统的特征选择算法有较大的提高.

关键词： 港区集疏运   数据管理平台   构建   应用  

摘要： 港区集疏运体系作为连接港口与内陆腹地的关键纽带,其效率直接关系到区域经济的繁荣与国际贸易的竞争力。传统的港区集疏运管理面临诸多挑战,如信息不对称、资源调度不合理、安全隐患频发等,这些问题严重制约了港口物流效率的提升。为了应对这些挑战,构建港区集疏运数据管理平台显得尤为迫切。本文首先阐述了港区集疏运数据管理平台构建与应用的价值和原则,随后详细描述了平台的构建过程,包括平台架构设计、关键技术应用以及平台功能模块。最后,文章探讨了平台在提升运营效率、降低运营成本、增强安全保障能力以及优化客户服务体验等方面的应用效果。本文的研究对于推动港区集疏运体系的智能化、现代化发展具有重要的现实意义和长远价值。