课程文献中心 更多>>

关键词： 算法   算法媒介   算法传播   权力   技术治理  

摘要： 作为媒介的算法,与受众密切互动,重组了人机关系,导致社会及社会中的个体深度媒介化。探入算法“黑箱”,可洞见算法背后的权力结构,这只“隐形之手”操控了人们的生活,影响到社会建构,并渗透到政治和文化等多个层面。跨学科视角,尤其是从人文角度进行批判式诊断,有助于发现问题、预判风险。《隐形超权力:算法传播研究》一书将实证分析与理论阐释相结合,审视算法传播的对象、内容、方式、机制、效果,深入探讨了智能传播变革的本质。算法媒介与算法传播研究,还需要超越表象、超越批判,在构建宏观框架和核心概念的基础上,立足在地实践进行全面而深入的分析,为中国式现代化背景下的技术治理贡献智慧。

关键词： 强对流天气   时间序列   机器学习   RF算法   电网保护预警  

摘要： 为了提升电力系统在强对流天气下的应急处置水平,文中对电网恶劣天气下的保护预警方法展开研究。将电力设施的气象保护预警抽象为时间序列处理问题,并采用机器学习算法进行建模求解。在讨论决策树集成后RF收敛性问题的基础上引入了一种基于灰度关联的投影算法,通过挖掘电力网络的运行特征,在历史数据中找到与预测日特征最相似的投影日,从而为RF的决策提供支持。以大量真实气象数据为样本,对改进后RF算法进行的仿真实验结果表明,与单CART树相比,基于集成学习的RF算法具有更强的泛化能力,MAE和RMSE分别降低了51.48%及41.70%。而相较于现有主流的FNN神经网络算法,该算法的性能也有明显提升,且MAE、RMSE分别下降了36.91%及26.09%。

关键词： 深度学习   特征提取   随机森林   时间卷积网络   风向预测  

摘要： 为提高风向预测精度,提出一种基于随机森林算法(RF)、分类回归树(CART)、完备自适应噪声经验模态分解(CEEMDAN)与时间卷积网络(TCN)的组合预测算法。其中,基于分类回归树法的输入重要性评测用于评测风向预测模型的输入相关度并进行筛选;随机森林算法用于对风向数据进行自适应处理;完备自适应噪声集成经验模态分解用于对输入风向数据进行分解并进行输入信息特征提取;最后,利用时间卷积网络搭建风向预测模型。实验结果表明,相较于其他8种对比模型,所提模型在四季度数据集上预测误差均小于4.95°,均获得了最高的预测精度。

关键词： 电动汽车   自适应粒子群   换电站   选址模型  

摘要： 近年来,新能源电动汽车市场呈现快速增长态势,从而导致电动汽车的补电系统面临极大挑战。为完善电动汽车换电站科学管理布局,缓解电动汽车用户换电压力,开发一套自适应粒子群优化算法的电动汽车换电站选址模型。电动汽车换电站的选址规划是重要的长期决策,选址的优劣直接影响服务方式、服务质量、服务效率、服务成本等。通过电动汽车换电站选址模型以优化充电站等级、成本、容量以及服务半径为导向,极大节省换电站建设费用,有效提高电动汽车换电效率。

关键词： 气温预测   皮尔逊积矩相关系数   深度置信网络   改进麻雀算法   长短时记忆网络  

摘要： 气温预测是气象学中的一个重要研究领域。随着气象精准化发展,迫切需要提升气温预测的精准度。为解决传统气温预测算法效果不佳,并且对于多个站点气象数据时空特征提取能力不足,提出一种基于改进麻雀算法优化的皮尔逊积矩相关系数(PCC)-深度置信网络(DBN)-长短时记忆网络(LSTM)的气温预测模型。首先利用Pearson相关系数对众多的气象参数进行选择,DBN网络对输入的多站点气象数据特征进行提取和降维,LSTM对提取的特征进行建模和预测。由于模型初始化参数众多,提出改进麻雀算法优化DBN-LSTM网络参数,提高模型的预测精度和稳定性。实验表明:所提模型的RMSE为0.527,精度高于单一模型和同类模型。

关键词： 电离层f_(o)F_(2)   随机森林(RF)   测高仪   COSMIC掩星   国际参考电离层(IRI)   GNSS  

摘要： 电离层F2层的临界频率(f_(o)F_(2))的平方与峰值电子密度(N_(m)F_(2))成正比,是影响GNSS性能的关键参数之一,提升电离层f_(o)F_(2)的预测精度对于优化GNSS广播电离层模型性能并提升GNSS的定位精度具有重要意义.本文基于中国及周边区域的18个测高仪台站和COSMIC(constellation observing system for meteorology,ionosphere,and climate)掩星观测数据,综合考虑世界时、年积日、地理位置、太阳和地磁活动等多维特征,利用随机森林(random forest,RF)算法构建了电离层f_(o)F_(2)预测模型.通过与国际参考电离层(international reference ionosphere,IRI)-2020模型对比分析,验证了该模型的预测精度.研究结果表明,与IRI国际无线电咨询委员会(International Radio Consultative Committee,CCIR)和IRI国际无线电科学联盟(International Union of Radio Science,URSI)模型相比,RF模型的平均绝对误差(mean absolute error,MAE)分别降低了14.81%和17.11%,均方根误差(root mean squared error,RMSE)分别降低了11.21%和13.14%.此外,该模型在不同纬度、地方时、太阳活动和地磁活动条件下,均展现出优于IRI-2020的预测精度.本研究不仅有效提升了中国及周边区域电离层f_(o)F_(2)的预测精度,还为提高GNSS的准确性和可靠性奠定了重要基础.

关键词： 随机森林算法   网络搜索算法   主成分分析   变压器故障检测  

摘要： 针对传统变压器故障检测准确率不高的问题,提出了改进随机森林算法的变压器故障检测技术。通过对随机森林算法的分析指出决策树数量、决策树深度以及特征选择直接影响算法的性能,采用网络搜索算法对决策树数量及深度进行调整,同时通过主成分分析将不重要的特征去除,实现对随机森林算法的改进。将改进的随机森林算法应用于变压器故障检测中,其对变压器故障检测的性能明显由于传统随机森林算法。这对快速、精准检测变压器故障,确保电网安全运行具有一定的参考价值。

关键词： 计算思维   机器人教学   真实情境   协作学习   教学范式  

摘要： 本文聚焦计算思维培养与机器人教学的深度融合,提出一种基于真实情境与协作学习的机器人教学新范式,并通过理论分析阐述了该教学范式的内涵和特征,同时结合“智能搬运小车”项目的教学实践,探讨了该范式在培养学生计算思维、问题解决和创新实践能力等方面的有效性。研究发现,真实情境有助于培养学生计算思维的运用能力,协作学习有助于学生在讨论、反思中深化对计算思维的理解,提升计算思维的高阶技能。因此,该教学范式能够有效促进学生将计算思维知识迁移到机器人实践活动中。

关键词： 虚拟电厂(VPP)   多能流   改进碳交易机制   深度强化学习   注意力机制(AM)   柔性动作评价(SAC)算法  

摘要： 虚拟电厂(virtual power plant,VPP)作为多能流互联的综合能源网络,已成为中国加速实现双碳目标的重要角色。但VPP内部资源协同低碳调度面临多能流的耦合程度紧密、传统碳交易模型参数主观性强、含高维动态参数的优化目标在线求解困难等问题。针对这些问题,文中提出一种融合注意力机制(attention mechanism,AM)与柔性动作评价(soft actor-critic,SAC)算法的VPP多能流低碳调度方法。首先,根据VPP的随机碳流特性,面向动态参数建立基于贝叶斯优化的改进阶梯型碳交易机制。接着,以经济效益和碳排放量为目标函数构建含氢VPP多能流解耦模型。然后,考虑到该模型具有高维非线性与权重参数实时更新的特征,利用融合AM的改进SAC深度强化学习算法在连续动作空间对模型进行求解。最后,对多能流调度结果进行仿真分析和对比实验,验证了文中方法的可行性及其相较于原SAC算法较高的决策准确性。

关键词： 柔性作业车间调度   改进灰狼算法   非支配解   改进鲶鱼效应   多目标优化  

摘要： 针对多目标柔性作业车间调度问题(multi-objective flexible job shop scheduling problem,MOFJSP),提出一种改进灰狼算法(improved grey wolf algorithm,IGWO)来求解考虑完工时间,总能耗以及机器总负荷的多目标优化。IGWO采用二段式编码和基于权重的种群初始化方法,加入遗传算子对编码进行迭代更新,采用Pareto非支配排序和拥挤度距离来求取迭代过程中的非支配解,将非支配解集保存在外部存档中;引入非线性收敛因子,平衡算法的全局搜索能力和局部搜索能力。通过引入改进鲶鱼效应策略,保证种群活力,提高算法收敛精度,避免算法陷入局部最优解。最后通过机加工车间实例验证和对比实验,验证该算法的可行性和优越性。