地下水燃油污染物迁移模型的参数敏感性分析

为了减少地下水溶质迁移模拟中参数的不确定性带来的误差,应用Visual MODFLOW软件对渗入地下含水层的燃油原料迁移进行模拟,建立了燃料溶质地下含水层的理想型迁移模型,用实测数据对模型可信度进行了验证,并采用因子变换法以敏感性指数为量化指标对渗透系数、孔隙度和弥散度三个参数进行分析.结果表明:燃料溶质地下含水层的理想型迁移模型与地下污染物实际扩散的情况基本吻合;孔隙度与渗透系数的敏感性较高,两者的敏感性指数相差了1%,弥散度的敏感性最低;而弥散度的敏感性指数比孔隙度差了8%,比渗透系数差了7%.此外,孔隙度、渗透系数和污染物的扩散范围相关,在渗透系数和孔隙度上下20%的变化中,其中污染物迁移距离随渗透系数的增大而增大,随孔隙度的增大而减小.另外,参数的敏感性指数不随迁移时间而发生改变.     

时间序列AR模型的正则化及其应用

基于正则化理论,通过添加一个正则化因子,构造了一个正则化时间序列模型.算例分析表明,新的正则化时间序列分析模型可改善时间序列分析模型中信息矩阵的病态程度,避免时间序列分析模型产生的不适定性,在一定程度上起到了稳定所求参数的作用.     

正则化学习算法的数学基础

正则化方法使经验风险最小化学习算法变得适定.从数学基础的角度,给出求解不适定问题的正则化方法的思想,证明了正则化算法的核心定理以及Hilbert空间上的正则化方法的有关定理.最后作为一个典型范例介绍了在再生核Hilbert空间上学习算法的正则化方法的基本思想.     

正则化的多项式回归模型及其在路基变形分析中的应用

通过对一般多项式回归模型中的信息矩阵A=XTX添加一个正则化因子α,使其变为XTX+αI,适当选取α,达到改善信息矩阵病态的目的;构造出新的正则化多项式回归模型算法,避免了一般回归模型产生的回归系数有很大变化的不适定现象;数值实验表明,新的正则化多项式回归模型在一定程度上起到了稳定回归系数的作用.     

基于Q函数的变步长LMS算法

为提高变步长最小均方算法(least mean square,LMS)的抗干扰能力,并降低其稳态误差,提出了基于Q函数的变步长LMS算法,通过带有补偿项的相对误差互相关函数控制步长更新,有效克服噪声干扰;利用归一化输入信号代替原始信号降低输入信号动态范围对稳态误差的影响;给出了保证算法收敛的步长界限.仿真结果表明,与既有变步长LMS算法相比,所提出算法的稳态误差小,且收敛速度较快.     

基于自适应滤波算法的牵引网谐波电流检测

研究了自适应噪声对消技术在供电系统谐波电流检测模块中的应用及其使用的传统LMS算法,分析了传统固定步长算法的不足,并借鉴已有的多种变步长函数,提出了一种结合双曲正割和双曲正切变步长函数的自适应滤波改进算法.通过Matlab软件进行实验,分别模拟了采用传统LMS算法、双曲正割函数算法、双曲正切函数算法以及改进后的变步长算法的电流检测过程,并将检测到的基波电流波形进行比较,发现改进算法结合了所选两种函数收敛速度快、稳态精度好的优点,面对系统发生突变有了良好的响应速度和稳定能力,验证了改进算法的合理性.     

S函数变步长LMS算法的一种L_2范数修正

为了提高S函数变步长LMS算法的综合性能和抗干扰能力,引入L_2范数控制步长更新.在L_2范数中引入输入信号,对输入信号实施动态地跟踪,以提高算法的抗干扰能力;利用归一化输入信号代替原始信号,便于处理信号且可以降低输入信号动态范围对算法的影响.在高和低信噪比条件下的仿真结果表明:相较于其他的变步长LMS算法,所提出算法收敛速度更快和稳态误差更小.     

重塑非饱和黄土水-热运移规律试验研究

为研究非饱和黄土中水蒸气吸附与运移规律,采用高温高压水蒸气对重塑非饱和黄土进行增湿模型试验,研究蒸气压梯度、温度梯度和含水率梯度共同作用下非饱和黄土中的水-热运移规律.试验结果表明:在非饱和黄土点源蒸气扩散模式中,水蒸气和温度的扩散范围近似于一个以通气点为圆心的椭球体.水蒸气运移过程中,受到土颗粒阻碍,沿径向随着蒸气压力消散,水蒸气运移速率减小,逐渐被土颗粒吸附.当距离较大时,水蒸气运移量急剧减小,使得增湿程度和增湿范围均减小,土体温度扩散速率沿径向也随含水率和距离的增大而减小;水蒸气增湿黄土时,液态水迁移和气态水迁移共存,蒸气传热和热传导同时发生.在有效增湿范围0～60 cm内,水分运移以蒸气压梯度作用下的气态水迁移为主,温度迁移以蒸气传热为主.而在有效增湿范围之外,随着蒸气运移速度减小,仅有少量水蒸气运移到该范围内,含水率变化主要是由含水率梯度引起的液态水迁移造成的,温度迁移以温度梯度引起的热传导为主.     

人工神经网络预测奥氏体化温度

采用附加动量项和变步长的方法，对人工神经网络的BP算法进行了训练。利用训练后所得到的模型，对奥氏体化温度进行了分析和预测。计算表明，网络预测值与实测值之间具有很高的相关性和精确度，可用来研究单个元素含量的变化对相变，临界点的影响。     

基于SARIMA模型的广珠城际铁路客流量预测

为实现铁路车站发送客流量的短期预测，研究预测步长对短期客流预测效果的影响，分析了广珠城际铁路车站发送客流的特征和变化规律，结合客流特征及季节性差分自回归滑动平均模型（seasonal autoregressive integrated moving average，SARIMA）的适用性，构建了SARIMA客流预测模型，利用Python软件中的Statsmodels模块完成了SARIMA客流模型的精细化调参，以广州南站、小榄站的发送客流量为例验证了模型的有效性. 结果表明，SARIMA预测模型可以较好地适用于不同数量等级的客流预测，其预测精度随预测步长的增加而降低. 预测步长为1时，广州南站、小榄站、珠海站客流预测平均绝对百分比误差（mean absolute percentage error，MAPE）值分别为3.97%，5.83%，5.43%；预测步长增加为2时，各车站客流预测误差显著增加，广州南站、小榄站、珠海站客流预测误差MAPE值分别为5.31%，6.79%，7.62%；预测步长大于2时，预测误差基本保持稳定. 将SARIMA模型预测效果与随机森林（random forest， RF）、支持向量机（support vector machine， SVM）、梯度提升算法（gradient boosting， GB）、K最近邻算法（K-nearest neighbor， KNN）模型或方法的预测效果进行对比，预测步长为1时，SARIMA模型预测效果略优于其余4种模型，5种预测模型预测精度差距较小；预测步长大于1时，RF、SVM、GB、KNN模型预测误差随预测步长显著增加，预测误差为SARIMA模型的数倍. SARIMA模型在客流时间序列的多步预测方面具有较大的优势.      

基于贝叶斯正则化 BP 神经网络的 GPS 高程转换

为了改善BP神经网络在GPS高程转换过程中过拟合的现象,提出了用贝叶斯正则化算法的BP神经网络转换GPS高程的新方法,并利用区域GPS/水准数据,将新方法和未采用正则化算法的BP神经网络进行GPS高程转换的比较.结果表明:在较大区域和高程异常呈不规则的情况下,新方法不仅可以有效提高GPS高程转换的精度,而且通过贝叶斯正则化算法可以改善网络结构,抑制过拟合现象.在约10 km的GPS基线尺度上,新方法可以得到精度达0.050 m的正常高.     

含间隙和弹性约束系统的周期运动与全局分岔

针对含间隙、弹性约束的碰撞振动系统动力学模型,利用四阶变步长Runge-Kutta法对系统进行数值仿真,仿真出了在不同系统参数下系统的全局分岔图,揭示了不同系统参数对系统动力学行为的影响和系统通向混沌的运动过程,从而对系统参数的优化和系统的控制提供理论参考.     

基于ResNet50的列车常见垃圾自动分类算法

针对现今的智能垃圾桶使用方法大都无法应用在列车的问题,提出了一种基于迁移学习方法的智能垃圾分类方法.首先建立了12种列车常见垃圾数据集,并应用迁移学习ResNet50模型进行模型设计与参数设计,给出了模型的准确率与模型收敛速度曲线,并与Inception-V3模型进行了对比实验,实验结果表明ResNet50模型有更好的识别效果.最后通过PyQt5编写GUI仿真系统,实现了基本的拍照与分类识别功能.     

辽宁天舜污水处理池渗滤液运移规律研究

污水池渗滤液是一种高浓度的有害液体,具有种类复杂性、危害性、隐蔽性、长期性、难以逆转性等特点。一旦进入含水层,将会使含水层受到污染。高浓度的氨氮是污水池渗滤液地下水质的主要特征,而它既是一种毒性很大的致癌物质,也是一种易溶的具有较强迁移能力的物质,很容易进入地下水系统,污染地下水环境,使人类健康受到危害。应用Visual Modflow软件,建立该区污水池的水流运动模型和溶质运移模型,通过运动方程进行耦合,进而完成该区地下水污染物运移模型的求解。预测15年后地下水流场分布模式以及氨氮污染羽运移范围、途径、规律和方式等特点,以供相关规划管理部门参考。     

地下水模拟不确定性问题的多模型分析

为研究地下水概念模型的构建偏差及水文地质参数非均质性引起的地下水渗流场模拟不确定性问题,首先根据自然条件的差异构建2组概念模型;以大量原位水文地质试验获取的待估参数数据为先验信息,应用接受条件进行调整的马尔科夫链蒙特卡罗方法（MCMC）中的自适应采样算法（A-M）进行参数样本采集,并基于2组概念模型分别构建多组渗流场计算模型;将输出结果基于AICc准则进行相关多模型定量分析.研究结果表明:调整的A-M采样算法,参数样本的遍历性及收敛性未受影响;计算模型中除存在"异参同效",亦存在"异构同效";异构同效虽存在,但更接近客观条件的概念模型结构获取高精度模型的概率较大,1#、2#概念模型中方差值介于1~2的模型比例分别为65%、46%;各概念模型的100组计算模型中,剔除Delta值大于10的计算模型后,1#模型中仅保留排名前10个模型,累计后验概率0.996,2#模型则保留排名前21个模型,而其排名前10的模型累计后验概率仅为0.884.      

一种自适应正则化参数和模数的图像去卷积方法

自适应正则化方法是解决图像去卷积问题中平滑噪声和保持边缘矛盾的一种方法,传统的自适应正则化方法只考虑到图像的整体信息而忽略了图像内部不同区域的细节信息,本文提出的自适应正则化方法,利用Katsaggelos自适应正则化参数,自适应的改变正则化参数,并通过图像内部不同区域的信息自适应改变正则化模数矩阵．从而实现了平滑噪声和保持边缘的平衡,既保持了边缘又抑制了噪声,取得了更好的去卷积效果．     

基于自适应匹配算法的速度脉冲型地震动模型化

速度脉冲型地震记录至今尚未有完整的波形参数识别方法，从地震动数据库中批量识别脉冲记录并搜集波形参数仍然有一定困难. 针对此问题，将脉冲量化识别、脉冲解析函数、自适应匹配算法三者结合，提出一套脉冲波形参数识别方法，可实现脉冲波形和解析函数之间的自适应匹配；该方法包括一个借助EMD (empirical mode decomposition) 的核心算法，对近场速度脉冲型地震记录实现平滑；再以Mavroeidis函数为脉冲基本模型，根据其特征参数的变化范围，分别对脉冲频率、脉冲形状系数、脉冲振荡特征系数进行了参数样本的循环枚举，并由优化算法确定模型参数取值；在此基础上，给出了当前既有的速度脉冲型记录样本的上述模型参数识别结果，并根据统计给出了地面峰值加速度分布和主脉冲周期的关系. 研究结果表明:和既有的方法利用Dickinson模型识别方法相比，本文算法对波形显著不对称的记录主脉冲周期识别错误率降低了约67%，较好的识别稳定性更有利于工程应用.      

基于IAGSO 算法的VISSIM 模型校正研究与实现

微观交通仿真能够再现城市道路交通状况,其关键步骤是建立仿真模型.为使 模型最大程度地反映实际道路运行状况,需要对所建立的模型进行校正.首先本文设计了 改进的自适应步长的人工萤火虫算法（IAGSO）和以排队长度为指标的目标函数.然后,设 计了基于IAGSO 算法的VISSIM 模型参数校正的方法.最后,设计和实现了基于B/S 结构 的交叉口仿真分析系统,应用VISSIM 对北京市某交叉口建模,利用系统对此模型进行参 数校正,比较模型校正前、校正后和现场调查的四个进口方向的排队长度.通过比较结果 验证了基于IAGSO 算法的VISSIM 模型参数校正的有效性.     

梯度Hough变换在圆检测中的应用

介绍了一种有效的利用图像梯度信息的Hough变换方法——梯度Hough变换(GHT).详细讨论了梯度的求取、GHT的详细算法,讨论了GHT算法和直接累加Hough变换算法的区别及改进之处.     

上市公司财务预警的正则化逻辑回归模型

基于统计学习理论的正则化技术构建L1(一范数约束惩罚)正则化的逻辑回归(Logistic Regression)模型,同比建立了logistic回归模型和L2(二范数约束惩罚)正则化的logistic回归模型,结合沪深股市ST公司和正常公司的T-3年和T-2年财务数据进行仿真实验用于上市公司财务预警实证分析.实验结果表...