课程文献中心 更多>>

关键词： 量化交易   强化学习   A2C算法   Gym-Anytrading   Stable-Baselines  

摘要： 2024年9月中国A股市场大涨,再次点燃了全民的“炒股热”。然而,牵动股民心弦的股价涨跌——却跟许多因素息息相关。对于散户来说,除了筛选信息进行股票的买进卖出以外,通过算法模型预测也能够起到事半功倍的效果。上世纪六十年代初便有了通过计算机技术进行量化交易的雏形,随着技术的迭代,通过统计学和模型构建成为量化交易的主流选择。而本论文构建了一个使用A2C (优势行动–评论家)强化学习算法的股票交易模型。利用“gym-anytrading”库创建一个股票交易环境,并使用Stable-Baselines库训练一个策略网络来学习如何在该环境中进行交易以最大化收益。该模型的数据来源于Yahoo-Finance的阿里巴巴股票信息(2022年12月至2024年9月),通过pandas-datareader库的接口获取。In September 2024, a significant surge in China’s A-share market reignited the public’s “stock trading frenzy”. However, the fluctuating stock prices that excited stock investors were closely related to many factors. For individual investors, in addition to screening information for buying and selling stocks, using an algorithm model to predict can also have a twice-as-effective effect. In the early 1960s, the embryo of quantitative trading using computer technology had appeared, and with the advancement of technology, quantitative trading based on statistics and model building became the mainstream choice. This paper constructs a stock trading model using the A2C (Advantage Actor-Critic) reinforcement learning algorithm. By using the “gym-anytrading” library to create a stock trading environment and training a policy network using the Stable-Baselines library to learn how to trade in this environment to maximize profits. The data source for the model comes from the stock information of Alibaba (2022 December to 2024 September) obtained through the interface of the pandas-datareader library.

关键词： 共因失效   民机   机载电子系统   失效概率   Alpha因子模型  

摘要： 民机机载电子系统呈现复杂化、综合化的特点,共因失效将破坏系统中失效事件的独立性,可能导致定量安全性评估的结果存在偏差。针对当前民机领域普遍采用定性方法分析共因失效时极大依赖评估人员工程经验的问题,提出一种考虑共因失效的复杂机载电子系统失效概率算法。首先,采用Alpha因子模型对共因失效进行量化;接着,将其引入到基于独立性假设的故障树模型中进行优化;最后,以典型复杂机载电子系统的失效状态为例,对比考虑和不考虑共因失效情况下的失效概率。结果表明:共因失效将对复杂机载电子系统的定量安全性评估结果产生两个数量级的误差影响,本文方法能够实现共因失效问题的量化,可为民机型号复杂机载电子系统的进一步深化应用提供技术支撑。

关键词： 矢量水听器   方位估计   稀疏贝叶斯学习   声能流  

摘要： 复数稀疏贝叶斯学习(SBL)算法计算量大,为此将声能流与稀疏贝叶斯学习算法相结合,提出了基于单矢量水听器的声能流稀疏贝叶斯学习(SI-SBL)方位估计算法。该方法采用声能流取代声压振速信息作为观测量,将参数估计过程从复数域运算转化为实数域运算,同时利用声压通道噪声与振速噪声不相关的特点实现了噪声抑制,进一步加快了稀疏贝叶斯学习算法收敛速度,使SI-SBL算法获得相比以声压振速通道作为观测量的SBL算法更高的估计精度和尖锐的谱峰。仿真数据表明,单矢量水听器SI-SBL算法相比于SBL算法具有更高的精度和更快的计算速度。实验数据验证,SI-SBL算法相比SBL精度提高了25%,运算速度提高了8倍,证明了本文所提SI-SBL算法应用于水平方位估计的可行性。

关键词： 燃煤火力发电   大数据实时分析   智能燃烧优化指导系统   深度强化学习   锅炉效率  

摘要： 针对燃煤火力发电厂锅炉燃烧系统复杂,控制难度大等问题,通过数据在线治理、深度强化学习,建立基于大数据实时分析驱动的人工智能算法模型,开发了一套智能燃烧优化指导系统,优化指导锅炉燃烧相关系统运行,以提高锅炉燃烧全过程的安全性和经济性。系统基于价值网络、约束网络和策略网络,利用深度强化学习技术,构建火电燃烧模拟器,通过大数据的样本积累,对相同负荷下锅炉效率进行优化排序推荐,从而在实际运行时,推荐最优燃烧工况的参数调整方案,锅炉效率逐步提升,并趋于平稳。

关键词： 可逆信息隐藏   密文域   自适应编码   分块置乱   图像加密  

摘要： 针对图像信息隐藏不能产生理想的有效负载问题,提出一种基于像素调制自适应编码密文域的可逆信息隐藏算法。首先,对灰度图像做块间置乱并进行像素调制预处理,设计块内像素位置变换矩阵保证分块置乱前后中心像素的预测误差不变。接着,利用最邻近像素差分方法保持加密图像块内的空间冗余,根据预测误差的频率自适应生成哈夫曼编码,并对比哈夫曼编码中比特位将信息嵌入到预留空间中。最后,对所提出算法进行实验分析,实验结果表明:提出的算法具有可逆性和信息分离性,与自适应差分图像恢复算法相比,平均嵌入率提高了0.299 bpp。

关键词： 压缩感知   混沌映射   约束等距性   测量矩阵   信号重构  

摘要： 测量矩阵的构造是影响压缩感知技术重构性能的重要环节。针对随机性测量矩阵高存储成本以及确定性矩阵较难满足约束等距性(Restricted isometric property,RIP)特性的问题,提出了一种基于混沌映射构造测量矩阵的改进方法,将随机高斯矩阵、确定性矩阵和混沌序列相结合,充分利用随机高斯矩阵少量测量数和混沌映射较低相关性的优势。同时,分析了混沌序列的相空间特性、测量矩阵的RIP特性、以及构造优化测量矩阵的计算复杂度。最后,仿真实验对比了随机高斯矩阵、托普利兹矩阵和现有的复合型矩阵。结果表明,在一维随机信号的相对误差、成功重构概率及信噪比的指标上,所提优化测量矩阵均优于其他3种矩阵;在二维图像的重构时间复杂度、峰值信噪比、结构相似性指数和平均结构相似性指数的指标上,所提优化测量矩阵也均有一定的提升,表现出更好的重构性能和良好的应用价值。

关键词： SAC算法   露天煤矿   无人驾驶车辆   局部地图   避障路径   避障控制  

摘要： 大部分无人驾驶车辆避障控制过程只适用于动作空间和状态空间维度较低的环境,易导致避障控制形成的运动路径过长。针对这一问题,提出了基于Soft Actor-Critic(SAC)算法的露天煤矿无人驾驶运输车辆避障控制方法。建立包含1个演员网络、2个评论家目标网络和2个评论家网络的SAC深度学习网络框架。通过SAC算法的迭代更新,对环境地图中的智能体进行不断训练,规划出最优避障路径。通过模糊PID控制器执行控制指令,实现无人驾驶运输车辆避障安全行驶控制。实验结果表明,该方法形成的车辆避障运动路径长度始终不超过60 m,显著提升了复杂环境中运输车辆的工作性能。

关键词： 煤矿防爆设备   层次分析法   设备管理   模糊综合评价  

摘要： 提出一种基于层次分析法的煤矿井下防爆电气设备管理方法,旨在提高设备管理水平,保障煤矿安全生产。先构建管理指标体系,细化设备选型、安装调试、运行维护等关键环节,然后邀请专家对各层次指标进行两两比较,确定权重,并运用模糊综合评价法综合评估管理效果。研究结果表明,该方法能够有效提高防爆电气设备的管理效率,尤其在设备选型与运行维护方面效果显著,为煤矿安全生产管理提供了科学依据。

关键词： 门式起重机   支持向量机   麻雀搜索算法   灰狼优化算法   易损性曲线  

摘要： 门式起重机作为主要的货物装卸设备,预测其震后损伤状态具有重要意义。文中选取150条地震动记录,并结合4台门式起重机建立了数据集A和数据集B,通过数据集B构建了基于支持向量机的门式起重机结构损伤状态预测模型。对比分析由4种核函数建立模型的差异,将数据集A应用于此模型上,通过易损性曲线的对比评估模型性能。此外,还采用智能优化算法对模型进行优化,并评估优化后的模型性能。结果表明:由高斯核函数建立的模型预测性能最好,模型在数据集A上的表现良好,预测易损性曲线和基于IDA方法的易损性曲线基本保持一致;由麻雀搜索算法优化的模型在数据集A上的表现更好,2种优化后的预测易损性曲线相较于未优化前的预测易损性曲线,其与基于IDA方法的易损性曲线贴合度更高,说明模型的优化效果良好。

关键词： 接触网   吊弦   深度学习   边缘计算   缺陷检测  

摘要： 针对接触悬挂系统中吊弦断股问题,研究基于边缘计算的实时吊弦断股缺陷识别算法。运用基于深度学习与精细化图像处理算法相结合的策略,首先采用改进的YOLOv5定位算法,实现吊弦线夹准确定位,然后采用边缘提取计算方法实现吊弦断股缺陷智能识别。测试结果表明:改进后的吊弦线夹定位算法准确率(召回率)达99.75%,吊弦断股缺陷检出率(召回率)达95.99%,误报比率为0.087%。通过算法优化,将算法在NVIDIA边缘计算模块上实现,计算速度约达27帧/s,极大提升了检测速度。