基于图卷积网络的多交互注意方面级情感分析

为解决当前方面级情感分析中提取语义句法信息不充分导致分类结果不准确的问题,提出一种基于图卷积网络的多交互注意模型。基于注意力机制和句法相对距离分别重构带有权重的语义图邻接矩阵和句法图邻接矩阵,以这种方式存储更多信息,结合图卷积网络充分挖掘上下文中更深层次的语义和句法信息;通过掩码机制和交互注意完成方面词与上下文的语义交互和句法交互,捕获相关关联并进行特征融合。在SemEval 2014和Twitter数据集上进行实验,实验结果表明,该模型与基于注意力的模型和基于图卷积网络的模型相比,有更好的分类效果。     

基于数据驱动的非球形散体颗粒休止角智能建模方法

针对离散单元法(DEM)仿真非球形散体颗粒休止角计算量大、耗时长的问题,本文基于DEM历史仿真数据,采用数据驱动的智能建模方法—BP、RBF神经网络建立非球形散体颗粒的休止角模型,并与传统克里金回归方法进行比较。结果表明,智能模型的运算速度相比DEM计算速度有很大提升;智能模型相比传统克里金回归模型具有更佳的预测性能,其中BP神经网络模型综合性能最优。最后,采用BP神经网络模型分析颗粒形状及摩擦因数对休止角的影响,发现休止角随颗粒形状变量、摩擦因数的增加都呈现增大的趋势,与现有研究结果一致,进一步证明了智能模型进行休止角预测的可靠性。     

回转窑筒体热损失测量系统的研究

以回转窑筒体的红外热图为基础,通过分析回转窑简体辐射与对流机理,给出了实际回转简体热损失的计算模型,并采用LabVIEW编程语言,设计开发了一套回转窑筒体热损失测量软件.最后,以某水泥回转窑为例,对所提出的方法进行了测试与分析.结果表明,该系统能获取简体感兴趣区域的轴向温度并正确计算出对应的简体热损失功率;简体的辐射热耗与对流热耗大小相当,且煅烧区简体的热损失约占输入热功率的4％.研究成果为回转窑的节能生产、过程参数优化奠定了基础.     

水泥熟料质量软测量模型中的时序分析方法

针对常规水泥熟料质量软测量模型未充分考虑过程变量间时序信息的问题,本文根据水泥生产流程工艺的时滞性、连续性特点,提出了一种时序分析方法,以提高熟料中游离氧化钙含量的软测量准确度.首先根据物料的传输机理,估算出物料在各工艺设备中的停留时间,在此基础上将软测量模型的输入输出变量进行时序匹配,之后采用类高斯函数对各输入变量匹配时刻前后的时序数据进行加权,获得具有时序信息的输入–输出样本对,然后以支持向量机模型结构为例,对引入时序信息后的游离氧化钙含量软测量模型进行训练和测试,并讨论了时序参数对结果的影响.采用某水泥生产线的实际过程数据对本文模型与方法进行验证,结果表明,该模型预测值与实际的游离氧化钙含量吻合良好,能正确预测其变化趋势;将本文模型测量结果与未使用时序信息的常规支持向量机模型对比,结果表明,过程变量间的时序信息有助于提高水泥熟料质量软测量模型的精度.本文提出的时序分析方法为水泥生产等流程工业过程建立软测量模型提供了新思路.