融合网络结构和节点属性的链接预测方法

链接预测旨在推荐网络中潜在的链接,是理解和研究社会网络特征的重要一步。随着社会网络的发展,许多网络中包含了大量的节点属性信息。研究集中在结合网络结构和节点属性信息来进行链接预测。网络中的两个节点既可能因为结构上相邻形成新链接,也可能因为属性相似产生联系,基于此假设提出了一种新的融合网络结构和节点属性的随机游走模型用于链接预测。首先建立了两个不同的网络图以及转移概率矩阵用于新的迭代规则,而后再简化该模型用于计算并提出了一种近似的快速算法。在两个标准数据集上进行的实验表明该方法较同类方法有明显的效果提升,同时进一步分析了随机游走粒子在两个网络图中游走的概率对预测结果的影响,分析结果显示节点属性可有效提高模型的预测能力。     

GPU无锁跳步哈希表

由于GPU具有卓越的并行加速能力,将通用的内存索引结构应用于GPU成了一个新的研究方向。目前,针对GPU进行优化的支持并发访问且可动态更新的内存索引结构还比较少。提出一种支持并发访问且可动态更新的GPU无锁跳步哈希表(GPU lock-free hopscotch Hash table,GLHT),采用全局内存配合原子操作以及特定的并发控制策略,在实现并发访问和无锁特性的同时,保证了读操作的无等待特性。GLHT结合高效的GPU内存合并访问和warp协同工作共享策略,获得了很高的并行加速能力。与现有CPU跳步哈希表相比,具有4～9倍的性能优势;比采取预先分配内存的GPU无锁链式哈希表更加灵活,并且在写操作较重的工作负载中获得了更好的性能。     

超精密气体静压系统节流器法向随机微振动研究

以无气腔平面节流器为研究对象,对节流器流固耦合法向随机微振动进行了理论仿真和实验研究。受限于节流器厚度与气膜厚度尺寸的差异和输入初始边界条件,建立了节流器的COMSOL仿真简化模型,对节流器-气膜微流场进行双向流固耦合数值模拟。仿真结果表明,节流器的法向随机微振动幅值关于节流器中心对称,且由中心向边缘逐渐增大;微振动幅值随气体入口流速的增大而增大。实验采用纳米级激光测振仪,依次测量供气压力为0.1,0.2,…,0.5 MPa时尺寸为75 mm×50 mm×14 mm的HEXAGON双环联结型节流器多个不同位置的法向振动,实验结果表明,法向随机微振动幅值分布特性与仿真结果一致,关于节流器中心对称,且由中心向边缘逐渐增大,验证了节流器法向微振动的"跷跷板"振动形式;在0.5 MPa供气压力下,边缘振动幅值超过1 nm。对实验数据进行功率谱密度分析,结果表明不同供气压力下法向随机微振动均在9.4 kHz和10.6 kHz处产生较大功率,可认为与节流器-气膜流固耦合系统的固有频率有关。研究结果有效地揭示了节流器法向随机微振动的特性,为气体静压系统避开随机共振区、优化气体静压系统的设计提供了理论指导。     

计及调峰影响系数的费用分摊及随机经济调度

为提高机组参与调峰过程的积极性，提出一种计及调峰影响系数的费用分摊机制及随机经济调度模型。考虑火电深度调峰煤耗特性，并将煤耗成本非均分严格分段线性化，建立了考虑燃煤机组深度调峰煤耗特性的随机经济调度模型。以市场主体上网电量为基准，并结合不同电源峰谷差率，提出了考虑调峰影响系数的费用分摊方法。以修改后的IEEE6机30节点系统为例进行仿真，结果表明，考虑市场主体的调峰影响系数进行费用分摊能有效提高机组的调峰积极性。相关结论可为火电机组参与深度调峰辅助服务的费用分摊机制提供参考。     

基于地表变形数据的潜在滑坡识别研究

潜在滑坡识别对地质灾害高发区的滑坡研究有重要意义。文章以中巴经济走廊灾害多发区某一试验区为例,结合由2014-2019的Sentinel1-A雷达数据计算出的地表变形数据,选取试验区地形、水文、地质、聚类共8种特征变量基于随机森林模型进行滑坡识别,滑坡识别结果总体精度为88.62%,Kappa系数为0.78。结果表明,结合地表变形数据的随机森林模型可以较好的识别潜在滑坡,聚类特征对于识别结果有重要贡献。     

基于大数据挖掘的深土井壁极限承载力模糊随机模型

为有效抵御地下结构工程中复杂多变的外荷载,提升深土井筒支护的安全可靠性,运用两淮矿区深厚冲积层井壁为原型,按相似性原理浇筑钢筋混凝土井壁模型,进行了大量钢筋混凝土井壁模型的极限承载力试验,结果发现影响井壁极限承载力的主要因素有混凝土抗压强度、厚径比和配筋率。其中,混凝土抗压强度对井壁承载力影响较为明显,配筋率影响较弱,但各影响因素在深厚冲积层实际工程中又伴随着不同程度的不确定性。针对深厚冲积层井筒施工过程中极限承载力及其影响因素的模糊随机性,以大量井壁试验和两淮矿区的钢筋混凝土井筒工程参数作为大数据样本集,分析结构材料、几何参数和计算模式的不确定分布情况,得到混凝土抗压强度、厚径比和配筋率的模糊随机分布规律。采用最大期望算法(EM)优化传统的大数据HMM挖掘模型,分别经过E步骤计算极大似然估计值和M步骤计算参数期望估计,改进后模型经过两次模糊随机过程,相比原算法具有误差小、效率高和收敛快等优点,更能满足实际地下工程中的不确定特性。基于改进后的大数据挖掘HMM算法,综合大数据环境下的材料性能、几何参数和计算模式的模糊随机分布,建立大数据挖掘井壁极限承载力模糊随机模型,实例证明该模型更加可靠合理,更具有工程实用价值。     

基于数据挖掘的开源电子资源访问行为统计模型

为了解决当前图书馆资源个性化推荐过程中存在推荐的准确率、召回率以及效率较低的问题,采用二维距离模型构建用户社区模型,用于描述访问用户与图书馆开源电子资源之间的关系,并对互联网用户需求和访问行为进行模糊规则推理.依据互联网用户属性和图书馆资源访问需求属性之间的模糊规则,建立图书馆开源电子资源访问行为统计模型,并利用该模型向用户提供个性化推荐服务.仿真结果表明,所建模型的推荐召回率高达98. 4%,推荐准确率为99. 2%,运行时间小于0. 04 s.所建模型能够为互联网用户提供准确、高效地图书馆资源个性化推荐服务.