多能源站协同运行管网水力与热力模型及计算

该文改进传统管网水力模型,给出以节点压力表示的回路压力守恒方程,使水力模型只存在节点压力与节点位置信息,减少了模型求解的计算量。同时,结合管道热力传输方程以及两种类型节点温度平衡方程建立了管网热力模型。根据建立的水力模型和热力模型,设计了一款管网仿真计算软件,对一个规则的管网算例进行水力和热力参数计算,并搭建相应的实验装置对计算结果进行实验验证。结果表明,对比实验结果与仿真结果,水力参数的误差均不超过5%,从而验证了模型的正确性。最后在此基础上,对上海某区域实际的供能管网进行了设计工况下水力与热力的计算分析。     

非线性桩基的动力响应分析

假定桩基材料服从一种3次非线性本构关系,同时桩被置于弹性基础上,基于Timoshenko梁的修正理论和广义Hamilton变分原理,建立了非线性弹性桩基动力学行为分析的数学模型,该模型包括了3个位移和2个转动.作为该数学模型的应用,在空间上采用中心差分格式,在时间上采用向后差分格式,计算和分析了非线性弹性桩基受轴力作用时的轴向运动和非线性桩基的平面耦合运动,得到了数值解,考察了非线性弹性性质对结构动力学响应的影响.     

基于双向模糊扩散的保持特征的图像锐化

本文基于模糊集合理论,提出了一个双向模糊扩散框架.这个框架沿着等照度线(边缘)的梯度方向实施模糊的反向扩散;而相反地沿切线方向实施确定的正向扩散.为了保持图像特征的自然过渡,利用图像的局部结构张量的特征值检测图像的不同特征,并进行相应的锐化处理.     

基于负训练和迁移学习的关系抽取方法

远程监督是关系抽取任务中常用的数据自动标注方法，然而该方法会引入大量的噪声数据，从而影响模型的表现效果。为了解决噪声数据的问题，提出一种基于负训练和迁移学习的关系抽取方法。首先通过负训练的方法训练一个噪声数据识别模型；然后根据样本的预测概率值对噪声数据进行过滤和重新标注；最后利用迁移学习的方法解决远程监督存在的域偏移问题，从而进一步提升模型预测的精确率和召回率。以唐卡文化为基础，构建了具有民族特色的关系抽取数据集。实验结果表明，所提方法的F1值达到91.67%，相较于SENT(Sentence level distant relation Extraction via Negative Training)方法，提升了3.95个百分点，并且远高于基于BERT(Bidirectional Encoder RepresentationsfromTransformers)、BiLSTM+ATT(Bi-directionalLongShort-TermMemoryAndAttention)、PCNN(Piecewise Convolutional Neural Network)的关系抽取方法。     

面向GPU平台的并行结构化稀疏三角方程组求解器

稀疏三角线性方程组求解(SpTRSV)是预条件子部分的重要操作, 其中结构化SpTRSV问题, 在以迭代方法求解偏微分方程组的科学计算程序中, 是一种较为常见的问题类型, 而且通常是科学计算程序的需要解决的一个性能瓶颈. 针对GPU平台, 目前以CUSPARSE为代表的商用GPU数学库, 采用分层调度(level-scheduling)方法并行化SpTRSV操作. 该方法不仅预处理耗时较长, 而且在处理结构化SpTRSV问题时会出现较为严重GPU线程闲置问题. 针对结构化SpTRSV问题, 提出一种面向结构化SpTRSV问题的并行算法. 该算法利用结构化SpTRSV问题的特殊非零元分布规律进行任务划分, 避免对输入问题的非零元结构进行预处理分析. 并对现有分层调度方法的逐元素处理策略进行改进, 在有效缓解GPU线程闲置问题的基础上, 还隐藏了部分矩阵非零元素的访存延迟. 还根据算法的任务划分特点, 采用状态变量压缩技术, 显著提高算法状态变量操作的缓存命中率. 在此基础上, 还结合谓词执行等GPU硬件特性, 对算法实现进行全面的优化. 所提算法在NVIDIA V100 GPU上的实测性能, 相比CUSPARSE平均有2.71倍的加速效果, 有效访存带宽最高可达225.2 GB/s. 改进后的逐元素处理策略, 配合针对GPU硬件的一系列调优手段, 优化效果显著, 将算法的有效访存带宽提高了约1.15倍.     

协调多尺度决策系统中基于测试代价的属性与尺度选择

对多尺度决策系统进行处理可以使复杂的问题简单化，属性与尺度的同步选择是该处理过程中一个重要方法.此外，现实中数据处理经常需要考虑代价因素的影响，但是，目前研究还没有在属性与尺度的同步选择中考虑代价因素.为了解决这一问题，文中基于测试代价，研究协调多尺度决策系统的属性与尺度选择.首先，构造相应的粗糙集理论模型，模型中的定义及性质同时考虑属性和尺度这两个要素，并给出基于测试代价的属性-尺度重要度函数.然后，基于适用于多尺度决策系统的粗糙集概念及性质，提出属性与尺度同步选择的启发式算法.在UCI数据集上的实验表明，文中算法可大幅降低总测试代价，提升计算效率.     

大规模结构网格数据的相关性统计建模轻量化方法

高置信度的数据可视分析对于大规模数值模拟至关重要，但是当前高性能计算机的存储瓶颈导致可视分析应用获取原始高分辨率网格数据越来越困难.基于统计建模的方法能够极大降低高分辨数据存储成本，但是重建数据的不确定性高.为此，提出了一种大规模结构网格数据的相关性统计建模轻量化方法，用于对并行数值模拟生成的大规模多块体数据进行高效分析与可视化.该方法的技术核心是通过数据块间的统计相关性，指导邻接数据块的统计建模，从而有效地保留数据统计特征，且不需要对不同并行计算节点中的数据块进行合并与重新分块.通过耦合数据块的数值分布信息、空间分布信息和相关性信息，该方法可以更精确地重建原始数据，降低可视化的不确定性.实验测试采用了最大10亿网格规模的5组科学数据，定量分析结果显示，在相同数据压缩比下，该方法相比现有方法可将数据重建精度最大提升近2个数量级.     

周期复合材料结构高阶多尺度方法的数值精度提高策略

高阶多尺度方法在计算数学、计算力学和计算材料学等领域得到了广泛的应用,为了进一步挖掘高阶多尺度方法的计算潜力,本文结合单胞边界条件优化选择和边界层构造,提出了一种高阶多尺度方法的数值精度提高策略,并给出了施加数值精度提高策略的高阶多尺度方法的误差分析.然后,建立了周期复合材料结构弹性力学问题具有数值精度提高策略的新的多尺度数值算法.最后,通过对周期复合材料结构弹性力学问题的模拟,验证了所提出数值精度提高策略的有效性和最优的数值精度.     

基于网络核心体的复杂网络控制分析

针对无向网络实际控制问题,提出了一种有效设置控制输入矩阵,从而完成网络控制的方法.该方法表明,在一定条件下,对网络控制核心体实施控制即可控制整个网络.实例检验了理论分析的结果,表明该理论的正确性和可行性.该项研究揭示了无向网络中重要结构对整个网络的支配作用,为控制大型复杂网络提供了一个有效的方法.     

双馈风力发电机圆管M型空空冷却器的数值模拟研究

本文采用数值模拟方法研究了5.25MW双馈风力发电机M型圆管空空冷却器的流动和传热特性，计算值与试验值较吻合，验证了数值模拟的可靠性。计算结果表明：位于风力发电机驱动端换热管的能量经济性最高，冷却器的总体传热系数约30W/m²·K，温度效率63%。当内风路风量小于5.0m³/s时，内外风路风阻可用统一算式计算。内风路风量对冷却器的换热性能影响更大，内外风量在一定范围内匹配时，冷却器处于内外风路热平衡状态，此时能量经济性最高。