基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

人工智能在移动通信中的应用

阐述移动通信技术的特点和应用状况，通信网络的优化框架，网络智能优化中的机器学习算法分析，完善后台监控系统，建立软件平台提高服务质量，形成安全的网络环境，保证高效运行。     

大鲵肝茶叶水提液脱腥过程中挥发性有机物的动态变化

目的：探讨茶叶水提液对大鲵肝的脱腥效果。方法：采用感官腥味值结合气相—离子迁移色谱(GC-IMS)分析经茶叶水提液处理不同时间(0，5，10，15，20 min)大鲵肝中挥发性成分的变化。结果：与未脱腥组相比，经茶叶水提液脱腥处理5 min后大鲵肝脏腥味值显著下降(P＜0.05)，处理10 min后腥味值基本稳定。不同脱腥时间下大鲵肝样品中共鉴定出32种挥发性有机物，包括10种醇类、8种醛类、5种酯类、5种酮类、3种烯烃类和1种醚类。经脱腥处理后，大鲵肝中醇、烯烃、醚、酯类物质相对含量下降，酮类和醛类物质相对含量增加。通过正交偏最小二乘法判别分析(OPLS-DA)结合变量投影重要性(VIP)筛选出10种潜在特征标志物(VIP＞1)，包括4种酮类、2种醇类、2种醛类、1种烯类和1种醚类。随着脱腥时间的延长，蘑菇醇、2-丁酮二聚体、异戊醇单体、2-丁酮单体相对含量呈降低趋势，而正己醛单体、异戊醛单体、丙酮相对含量呈增加趋势。结论：茶叶水提液处理5~10 min能够明显降低大鲵肝腥味，通过GC-IMS技术结合多元统计分析可以对脱腥过程中大鲵肝挥发性有机物进行区分。     

算法推荐要真正服务于民

近期,国家互联网信息办公室、工业和信息化部、公安部、国家市场监督管理总局公布《互联网信息服务算法推荐管理规定》(以下简称《规定》),要求自2022年3月1日起施行。此《规定》一经公布就引起了各大传统媒体及新媒体的争相报道,一时间关于《规定》与“算法推荐服务”的话题引发了社会各界的关注与讨论,解读《规定》者有之,声讨算法服务者更有之。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

激光切割镍基合金的工艺研究

镍基合金是一种重要的航天航空材料，所以研究激光切割镍基合金的工艺参数对航天航空制造业有重要的价值。首先，采用正交试验法进行激光切割镍基合金，评估不同工艺参数的切割质量，直观分析优化工艺参数，得出优化值为80.175。然后，采用反馈式神经网络对切割质量进行训练拟合，预测17、18号样本的切割质量，误差百分比分别为3.14%、2.20%。最后，以此预测模型为基础，进行遗传算法的极值寻优，通过概率为0.4的交叉操作和概率为0.2的变异操作寻找种群范围内最优适应度值及对应变量值，此迭代进化过程为100次，得出的理论评分为89.076,验证试验得出的实际评分为89.150,误差仅为0.074。相比正交法直观分析优化，该方法只做少量试验样本，就可以快速找到最优工艺参数。