生活垃圾焚烧影响二噁英排放的相关物质监控

生活垃圾焚烧因其占地小,无害化、减量化和资源化水平高的优势而被越来越多的应用,但焚烧过程中产生的二噁英具有极高的生态风险。由于二噁英的形成机理复杂且测量复杂昂贵,故寻求一种简单的方法来预测甚至在线测量焚化过程中二噁英的排放,具有很好的现实意义。因此,需要探究生活垃圾焚烧处理中影响二噁英产生的强相关物质作为二噁英排放预测指标的可能性,以对后续二噁英控制提供指导。     

注塑机注射速度的模型预测控制及其仿真

注塑过程具有随机性、非线性以及时变性等特点,常规比例积分微分控制方法很难使注射速度控制达到理想的效果,为此提出了一种基于模型预测的注射速度控制方法。首先介绍了注塑机注塑工作原理,分析了注射速度控制系统,并通过模型预测算法得到当前采样时刻控制量以及下一时刻的控制量。仿真结果表明,基于模型预测的注射速度控制能够很好地跟踪快速变化的速度设定曲线,拥有较好的稳定性和抗干扰性。     

基于非参数密度估计的不确定轨迹预测方法

随着大量移动设备的出现，准确和高效的轨迹预测有助于提高面向位置的应用和服务的质量和水平.针对现有方法对轨迹不确定性缺乏有效建模的问题，提出了基于非参数密度估计的不确定轨迹终点预测方法.在轨迹建模及模型训练阶段，利用非参数估计对起点与终点相同的轨迹构建基于密度分布的不确定轨迹模型；在轨迹预测阶段，将待预测轨迹视为轨迹数据流，并通过KS（Kolmogorov-Smirnov）检验方法与具有相同起点的不确定轨迹模型进行匹配，其中匹配程度最高的不确定轨迹即为预测轨迹.通过真实轨迹数据集上的实验表明，与现有各类主要轨迹预测方法相比，本方法在不同条件下的预测效率与准确性都有较明显优势.     

MLICP-CNN:基于CNN与ICP的多标记胸片置信诊断模型

针对胸片的多标记预测集缺少可校准性的缺陷,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与归纳一致性预测器(Inductive Conformal Prediction,ICP)的多标记胸片置信诊断模型MLICP-CNN。该模型将学习数据划分为训练集和校准集,通过使用CNN从训练集中学习出规则D。基于规则D和校准集使用算法随机性对被测数据进行置信预测,即为每个被测数据提供附带置信度的多标记预测集。在对Chest X-ray14胸片数据集的实验结果表明,该模型在临床常用的95%置信度下,模型准确率为95%,体现了置信度评估的恰好可校准性。在CNN架构为Resenet50并采用LS-MLICP为奇异值映射函数下,模型性能最好,其确定预测率为96.43%,理想预测率为92.31%。另外,CNN架构对预测效率的影响程度远远小于奇异值映射函数。     

滨海金矿涌水危险评价及涌水量混沌预测研究

针对海底金矿涌水危险评价过程中的不确定性及随机性问题，选择工程地质及水文地质中涉及的10个重要因素构建评价指标体系，建立起涌水危险评价的云模型。基于评价结果，对危险区域的涌水量时间序列进行相空间重构，通过G-P算法及自相关法获得了重构相空间参数；分析了涌水量变化的相点距离演变规律，建立了涌水安全预警机制。结合混沌相空间重构，建立了涌水量预测的RBF神经网络模型。研究表明：涌水危险性的云模型评价结果准确可靠；相空间重构揭示了系统的混沌特性，最邻近相点演化将涌水量的内在细微变化特征放大，为涌水安全预警机制的建立提供了依据；混沌RBF神经网络能够实现涌水量的短期精确预测，为井下安全开采提供了技术保障。