基于LS-SVM求解非线性常微分方程组的近似解

提出了一种基于最小二乘支持向量机(LS-SVM)的改进方法求解非线性常微分方程组初值问题的近似解.利用径向基核函数(RBF)可导的特点对LS-SVM模型进行改进,将含核函数导数形式的LS-SVM模型转化为优化问题进行求解.方法可在原始对偶集中获得近似解的最佳表示,所得近似解连续可微,且精度较高.给出数值算例,通过与真实解的对比验证了所提方法的准确性和有效性.     

计算流体力学在烟气脱硫中的应用

为优化脱硫吸收塔内流场分布,提高脱硫效率,降低脱硫投资和运行成本,提出基于RANS方程和多相流模型的烟气脱硫数值模拟方法,基于FLUENT采用多相流模型针对吸收塔内烟气脱硫过程进行模拟.通过对吸收塔烟气和浆液区域进行建模及网格划分,并对内部和喷枪局部处流场进行数值模拟,分析得到浆液和烟气在吸收塔内的流动规律.模拟结果验...     

多相流灾害场景的真实感建模与绘制

自然灾害场景的真实感建模与绘制在防灾救灾、影视特技制作及数字娱乐等方面有着广泛的应用.提出一种新的基于物理的多相流模型来模拟洪水、泥石流、山体滑坡等一系列自然灾害景象.基于各种灾害现象的成因建立不同阶段的流体行进模型,并通过改进传统的平滑粒子流体动力学方法,成功地实现了固液两相之间的相互作用,建立了新的多相流运动模型;通过调节模型中的固相体积比及其他特征参数,可绘制出洪水、泥石流和山体滑坡等不同灾害场景的动态过程,并生动地展示灾害性多相流摧毁建筑物的过程.     

基于相变和似然性的多相图像分割方法

Sine- Sinc模型是一种基于材料科学中Modica-Mortola物理相变原理的多相图像分割方法.针对该模型分割结果不完全、易受噪声和亮度不均匀性影响的问题,提出了一个改进的Sine- Exp-Gauss多相图像分割模型.基于Sine-Sinc模型,Sine- Exp-Gauss模型用指数函数代替Sine-Sinc模型的Sinc函数,并从分段常数图像假设推广到高斯分布函数图像假设;模型偏微分方程的数值解采用凸函数分裂方法迭代,获得每个相的局部最优解,同时给出一种标准初始化方法使迭代过程易于收敛到理想局部极小值.与Sine- Sinc模型和偏差矫正模型相比,实验结果证明Sine- Exp-Gauss模型在噪声消除和自偏差矫正方面都更加鲁棒.     

基于卫星图像数据的大范围风场重建

在机载气象雷达早期开发中,数值天气模型是一个非常重要的环节,而天气模型中风场的准确性直接影响整个模型的准确性。为解决数值天气模型中的连续图像运动分析问题,提出一种基于运动场Helmholtz分解的低维流体运动估计方法。通过少量涡流粒子和源粒子的演化,得到光流场的低维参数化表达,即非旋旋转量和螺旋量基函数的线性组合,其中基函数由格林核梯度构成,系数值和基函数参数通过最小化代价函数获得。实验结果表明,与传统光流法相比,该方法的计算速度快了近4倍,风场更为准确地反映了实际的天气状况,在风场反演中更为可靠。     

Spar平台月池水晃动的等效力学模型及模型参数研究

研究深海Spar平台月池水晃动的等效力学模型,确定模型参数.基于势流理论推导了月池内水体运动的动力学方程,建立了月池内水体晃动的等效单摆模型.采用ANSYS软件建立模型并进行网格划分,采用Matlab软件进行数值计算.运用Galerkin方法求解水体晃动的固有频率、模态函数以及势函数离散解,确定等效单摆模型的模型参数.对比分析了数值模拟结果与解析解,验证了本文计算方法的正确性.建立了不同月池水高度的等效力学模型参数库,为进一步研究平台-月池内流体的耦合运动奠定了基础.     

基于改进相关向量机的模拟电路故障预测

针对模拟电路实际使用过程中的可靠性问题，提出一种基于改进相关向量机的模拟电路故障预测方法。在提取被测电路的故障特征参数之后，将传统相关向量机中单个核函数改进为多个不同核函数组合形成混合核函数，提高算法的泛化性能。利用量子方法改进人工蜂群算法提升其优化效果以对各个核函数的权重因子寻优，从而提高算法的预测精度。将离散灰色模型与多核相关向量机相结合，提升算法的长期趋势预测性能。仿真结果表明，该方法的绝对误差、相对误差和测试误差均小于传统的相关向量机预测方法。     

基于一种新形核函数高斯过程的双频微带天线设计

针对采用高斯过程进行建模时,不同核函数形式有着不同学习效果的问题。提出了一种自定义的平方指数形式的核函数,并基于多项式函数拟合对这种新形的核函数进行了数值仿真。仿真结果表明,该核函数不但可以提高模型的精确度和有效性,而且可以提高模型的学习能力和泛化能力。最后,将基于该核函数的高斯过程建模方法用于矩形双频微带天线优化设计和WLAN双频单极子天线优化设计,进一步证明了这种方法是可行的和有效的。     

基于Python的大规模高性能LBM多相流模拟

Python由于具有丰富的第三方库、开发高效等优点,已成为数据科学、智能科学等应用领域最流行的编程语言之一。Python强调了对科学与工程计算的支持,目前已积累了丰富的科学与工程计算库和工具。例如,SciPy和NumPy等数学库提供了高效的多维数组操作及丰富的数值计算功能。以往,Python主要作为脚本语言,起到连接数值模拟前处理、求解器和后处理的“胶水”功能,以提升数值模拟的自动化处理水平。近年来,国外已有学者尝试采用Python代码实现求解计算功能,并在高性能计算机上开展了超大规模并行计算研究,取得了不错的效果。由于自身特点,高效大规模Python数值模拟的实现和性能优化与传统基于C/C++和Fortran的数值模拟等具有很大的不同。文中实现了国际上首个完全基于Python的大规模并行三维格子玻尔兹曼多相流模拟代码PyLBMFlow,探索了Python大规模高性能计算和性能优化方法。首先,利用NumPy多维数组和通用函数设计实现了LBM流场数据结构和典型计算内核,通过一系列性能优化并对LBM边界处理算法进行重构,大幅提升了Python的计算效率,相对于基准实现,优化后的串行性能提升了两个量级。在此基础上,采用三维流场区域分解方法,基于mpi4py和Cython实现了MPI+OpenMP混合并行;在天河二号超级计算机上成功模拟了基于D3Q19离散方法和Shan-Chen BGK碰撞模型的气液两相流,算例规模达百亿网格,并行规模达1024个结点,并行效率超过90%。     

修正压力与表面张力计算的两相流 自由界面运动模拟

摘 要：在利用光滑粒子流体幼力学(SPH)方法进行多相流的模拟中,多相流在交界面处由 于密度不连续、粒子界面的压力计算出现误差,出现界面处压力振荡,界面破碎的问题。针对 上述问题,提出了新的压力梯度近似公式和改进的界面处人工斥力公式,使交界面更加清晰、 光滑、无穿透、模拟效果更好。此外,通过给出基于密度权重的色函数计算公式,对大密度比 多相流界面处的表面张力计算公式进行了改进,使得多相流交界面密度过渡更加光滑,模拟效 果更好。最后,通过溃坝、Rayleigh-Taylor 界面不稳定性,非 Boussinesq 锁定交换问题 3 个仿 真实验,得到了不同时刻界面粒子分布图、界面锋面距离等。结果验证了新的压力梯度近似公 式以及界面处人工斥力公式的合理性;通过空气中液滴形成仿真实验,得到了圆形液滴形成的 粒子变化图,结果验证了该改进的表面张力计算方法的有效性。     

基于改进KPCA与混合核函数LSSVR的泥石流预测

针对引发泥石流灾害的多重影响因素而导致的预测维数灾难，以及最小二乘支持向量回归（least squares support vector regression， LSSVR）模型中选取单核函数而导致的模型训练性能部分缺陷的问题，提出了一种基于改进的核主成分分析（kernel principal component analysis， KPCA）与混合核函数LSSVR的泥石流灾害预测方法.首先，将影响泥石流发生的7种初始因子赋予权重，利用加权KPCA法筛选出3个主成分影响因子作为模型输入；然后，将局部核函数与全局核函数相结合，运用到LSSVR模型上，进行泥石流发生概率预测，以平衡样本学习能力与泛化能力，并使用果蝇优化算法（fruit fly optimization algorithm， FOA）更新模型的最优参数；最后，以磨子沟监测数据进行仿真验证.结果表明，该方法能够有效地降低维数灾难并提升预测模型精确度，在误差允许范围内预测出泥石流发生概率值及对应的预警等级，为相关决策部门提供一定的借鉴经验.     

Performance evaluation of multilayer perceptron,radial basis function,fuzzy inference system,and an adaptively tuned fuzzy wavelet neural network in parameter prediction of multiphase flow measurement instrumentation

Application of predictive models in industrial multiphase flow metering has attracted an increasing attention recently. Void fraction (VF), water–liquid ratio (WLR), and flow regime are key parameters, measured by oil/water/gas multiphase flow metres (MPFM) in petroleum industry. Artificial neural networks and fuzzy inference systems (FIS) are reliable and efficient computational models, which can be simply implemented on microprocessors of MPFMs, having the advantages of trainability, adaptability, and capability to model non‐linear functions. In this paper, a wavelet‐based adaptive neuro‐FIS (WANFIS) is introduced and validated by the prediction of multiphase flow measurement critical parameters including flow regime, VF, and WLR. The performance of the proposed WANFIS model is then compared with multilayer perceptron (MLP), radial basis function (RBF) network, and an FIS trained by fuzzy c‐means and a subtractive clustering method in the prediction of flow parameters in a customized designed structure of oil/water/gas MPFM. Structural parameters of all predictive models are first optimized to yield the most efficient structure for the available dataset. Comparison is then made between the optimized predictive models, in terms of mean squared error of parameter prediction, computation time, and repeatability of the prediction process. According to the obtained results, MLP model using Levenberg–Marquardt training algorithm and WANFIS model using gradient‐based back propagation dynamical iterative learning algorithm are the most efficient models, which give the best performance compared with other used models. All predictive models can predict the flow regime with 100% accuracy, whereas the highest inaccuracy is related to the prediction of WLR. The results of this study can be used to select and develop the most appropriate predictive model applicable in predicting and identifying flow measurement parameters in industrial MPFMs.     

基于ACO算法的SVM核函数的参数优化

本文针对核函数参数选择的随意性影响支持向量机分类性能的问题,提出了一种基于离散编码的蚁群算法(C-CACO-DE)的SVM核函数优化模型。C-CACO-DE解决了连续函数优化的蚁群算法(C-ACO)求解之前必须进行预处理的问题,解决了基于网格划分策略的连续域蚁群算法(CACO-GT)在求解精度的缺点、最优解必在定义域内的等分割点问题。仿真结果验证了该方法的有效性,F1值达到了90%以上。     

基于凸组合核函数的中文领域实体关系抽取

针对在采用支持核函数的机器学习算法进行基于特征的中文领域实体关系抽取中,不同核函数对不同中文领域关系抽取在效果上存在差异性的问题,该文提出一种基于凸组合核函数的中文领域实体关系抽取方法。首先,选取实体上下文的词、词性等信息,短语句法树信息及依存信息作为特征,然后通过以径向基核函数,Sigmoid核函数及多项式核函数组成的不同组合比例的凸组合核函数将特征矩阵映射成为不同的高维矩阵,利用支持向量机训练这些高维矩阵构建不同分类模型后测试抽取性能,以确定最优组合比例的凸组合核函数。在收集600篇旅游领域语料上进行关系抽取,实验结果表明最优凸组合核函数能增加实体关系抽取效果, F值达到62.9。     

核k均值RBFNN的煤与瓦斯突出预测研究

针对BPNN模型在煤与瓦斯突出预测中存在收敛慢、误差较大等问题,建立了RBFNN模型对煤与瓦斯突出进行预测。采用对样本具有普适性的核k均值聚类算法来确定RBF的中心、梯度下降自适应算法优化网络宽度参数和递推最小二乘法算法调整网络权值。并用国内煤矿的煤与瓦斯突出实测数据对该混合算法及模型进行了验证。实验结果表明,本研究的方法在预测精度和收敛速度上均优于BPNN和基于经典k均值聚类算法的RBFNN,具有良好的实用性和有效性。     

基于自适应核密度估计的运动目标检测

在计算机视频监控系统中,主要的目的是在摄像机固定的视频图像中检测出运动目标,在诸多检测方法中最常用的是减背景技术。减背景技术的关键是背景建模,噪声的干扰、检测方法的自适应性、模型的正确性等问题都是在背景建模过程中必须解决的问题。为了提高建模精度,本文提出了一个非参数化建模技术,称为自适应核密度估计,具有较好的适应性和鲁棒性。它是一种基于场景中像素的概率密度函数来构建的非参数核密度估计的统计模型。     

组合核函数高斯过程的网络流量预测模型

针对网络流量的非线性和时变性等特点,为了提高网络流量预测精度,提出一种组合核函数高斯过程的网络流量预测模型。用自相关法和假近邻法计算网络流量的延迟时间和嵌入维数,构建网络流量学习样本;采用组合核函数高斯过程对训练集进行学习,并且参数通过遗传算法进行优化;最后采用网络流量数据对模型性能测试。仿真表明,相对于对比模型,组合核函数高斯模型获得了更高的预测精度,预测结果更加稳定、可靠,具有较大的实际应用价值。     

基于Ptolemy的通用CPM调制器的建模与仿真

连续相位调制（CPM）是一类具有良好频谱利用率和恒包络特性的调制方式，非常适合应用于带宽及功率都受限的无线环境中，然而建模与仿真工具的缺乏大大限制了这类调制方式的应用。文中采用递归的方法，在ADS Ptolemy环境下定制出CPM调制器的核心模块——通用相位产生模块，并结合库中已有模块，实现了对一个通用CPM调制器的建模，最后给出了不同调制参数下CPM信号的频谱及与测试仪表协同仿真的结果。从仿真得出的频谱和仪表观察的波形可以看出，模型具有良好的通用性，适合对各种CPM调制方式的建模和仿真。     

基于支持向量机的软测量建模方法

提出了一种基于支持向量机的软测量方法，并建立了青霉素发酵过程中菌丝浓度的软测量模型，通过实验分析了参数调整和核函数选择对支持向量机建模的影响．利用现场数据建立各种软测量模型可以发现，与其他软测量方法相比，支持向量机方法在理论上优于人工神经网络等其他建模方法．