工业无线传感器网络攻击源定位任务分配优化算法

针对工业无线传感器网络中参与攻击源节点定位的任务分配问题,构建和求解多目标优化定位任务分配模型,任务分配模型中设定参考节点组合总能量消耗、距离平均标准偏差目标函数,以及空间约束和剩余能量约束条件;采用循环拥挤排序将非支配排序遗传算法(NSGA-Ⅱ)进行改进后加入基于稀疏度局部搜索的混合优化算法联合求解任务分配模型,将稀疏度最小的解作为稀疏解,再采用极限优化策略在稀疏解周围进行局部搜索使得解拥有更好的分布特性.Matlab仿真结果表明该改进的混合优化算法可以提高算法收敛速度以及降低算法复杂度,在较快的时间内选择出合适的参考节点组合,减少了定位误差,提高了定位精度.     

ALIF-MMPE结合DAG-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声和模态混叠,经自适应分解后得到若干本征模态函数。仿真结果表明其效果优于经验模态分解。然后利用多元多尺度排列熵对包含显著故障信息的本征模态函数进行信息融合和特征提取,组成故障状态特征集。采用主成分分析对故障状态特征集进行降维,随机抽取部分样本带入有向无环图算法支持向量机中进行训练,其它则作为测试样本进行故障识别和诊断。试验故障诊断结果表明:自适应局部迭代滤波下多元多尺度排列熵优于多个本征模态函数下的多尺度排列熵和经验模态分解下的多元多尺度排列熵;本文方法能准确地识别滚动轴承不同的故障类型及故障程度。     

基于支持向量机理论对燃气火焰稳定性的判别

针对燃气火焰稳定性的判别,搭建相应的燃气燃烧试验台,使用FX2000光谱仪采集数字信号并使用数字信号处理的相关知识和方法,通过分析燃气火焰所产生的特定自由基辐射强度的时域与频域,从中提炼出五种特征值,综合试验结果对不同工况条件下各特征值的变化进行分析。在充分考虑各特征值的相关性之后,采用支持向量机的分类方法对火焰信号进行分类与预测,结果表明使用支持向量机原理判别火焰燃烧的稳定性具有较高准确性。     

基于多变量时间序列及向量自回归机器学习模型的水驱油藏产量预测方法

提出了一种基于多变量时间序列(MTS)及向量自回归(VAR)机器学习模型的水驱油藏产量预测方法,并进行了实例应用。该方法在井网分析的基础上通过MTS分析对注采井组数据进行优选,并将井组内不同采出井产油量及注入井注水量作为彼此相关的时间序列,通过建立VAR模型从多个时间序列中提取出相互作用规律,挖掘注采井间流量的依赖关系从而进行产量预测。水驱油藏历史生产数据分析结果表明,与数值模拟历史拟合结果相比,机器学习模型产量预测结果具有更高精度,同时不确定性分析提升了预测结果的安全性。通过脉冲响应分析对注入井的采油贡献量进行评价,可为注水开发方案调整提供理论指导。     

发挥冷源优势 叫响“中国云谷”品牌

政府工作报告中提出,做好全省大数据产业发展规划,出台配套政策,不断聚合大数据产业发展优势。加力推动哈尔滨国家大数据中心基地建设。全省两会期间,"大数据"等话题,再次引发人们关注,代表委员就加快推动大数据产业发展、加强信息基础设施建设等积极建言献策。基础设施建设带动产业集群发展位于哈南工业新城核心区的中国移动哈尔滨数据中心,是中国移动在全国布局的8个4G/5G核心网的核心节点之一。     

某不规则空间管桁架结构设计与分析

文中以某商业采光顶为例,进行了大型不规则空间管桁架结构的设计,通过建立完整的钢结构模型,分析了结构在重力荷载、风荷载、温度作用以及地震荷载作用下的内力和位移。分析结果表明,结构在重力荷载和风荷载工况作用下均能满足规范对结构位移和内力的要求,但是温度作用对结构影响较大,在温度作用下结构支座的水平反力较大,对原混凝土主体结构不利。文中根据项目特点,提出了温度作用下由于结构超长导致其支座水平反力过大的解决措施。最后还对钢管相贯节点承载力进行了复核,为同类工程项目设计提供了借鉴。     

社会各方共治,产学研有机结合,开启食品安全治理的新征程

2021年是中国共产党成立100周年,也是"十四五"规划的开局之年,在新的历史起点上召开的十三届全国人大四次会议与全国政协十三届四次会议(以下简称"两会")是在"两个一百年"奋斗目标历史交汇的关键节点召开的重要会议,故意义非凡。在新冠疫情的阴霾尚未消散的背景下,2021年两会的召开对于进一步统一思想、坚定信心、凝聚力量,动员全国各族人民更加紧密地团结在以习近平同志为核心的党中央周围,扎实做好各项工作及实现"十四五"良好开局等具有十分重要的意义。     

基于PCA-GWO-SVM的矿山边坡变形预测

针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过GWO算法优化支持向量机参数;最后,通过SVM实现矿山边坡变形的预测。矿山边坡实例表明PCA-GWO-SVM模型具有更高的预测精度。