煤层底板水害三维监测与智能预警系统研究

针对华北型煤田煤层底板突水监测点覆盖不全、智能化水平不高等问题,以底板"下三带"理论为基础,提出集多频连续电法充水水源监测、"井-地-孔"联合微震采动底板破坏带监测以及监测大数据智能预警为一体的煤层底板突水三维监测与智能预警技术思路。其中多频连续电法监测系统以伪随机多频序列为人工场源,利用伪随机相关辨识技术提取强噪声背景中的弱信号,采用拟高斯-牛顿法对预处理数据进行三维电阻率反演,实现对煤层底板充水水源变化过程的自动化三维监测;"井-地-孔"联合微震监测系统主要通过研制带推靠的孔中传感器及回收装置,实现微震传感器"井-地-孔"三维立体布署,采用井下有线(IEEE1588)和地面无线(GPS)时钟同步方式解决地面与井下采集设备的时钟同步问题,建立起"井-地-孔"监测数据的实时传输网络,基于偏振分析联合反演的三分量定位算法,实现采动底板破坏深度时空精细定位与实时监测;智能预警系统利用时序大数据挖掘技术与计算机深度学习技术对电法、微震多元时序监测数据进行分析和处理,采用指标预警和模型预警方法对监测数据空间展布和预警级别以三视热力图形式输出,实时显示煤层底板各网格的预警等级,从而形成煤矿底板水害三维监测与智能预警技术体系。最后,以河北葛泉矿东井11916采煤工作面为应用对象,采用多频连续电法监测系统、"井-地-孔"联合微震监测系统,以及基于时空监测数据的智能预警系统对煤层底板岩溶水害进行三维监测与智能预警,为我国华北型煤田煤层底板水害监测预警提供了新的技术与装备支撑。     

基于云服务的煤矿水害监测大数据智能预警平台构建

针对华北型煤田煤层底板突水监测预警问题,以底板"下三带"理论为基础,开展了微震-电法耦合系统水害监测预警。在分析微震-电法耦合系统监测数据基础上,采用Flume设计数据迁移子系统,以流处理方式对监测源数据进行预处理,对关键目标数据进行采集、聚合和传输,实现了有效监测数据的实时迁移。此外,针对煤矿水害多源监测预警过程中数据规模大、数据实时处理要求高等特点,结合多源异构数据关联分析和时空属性数据分析处理需求,基于Spark和HDFS设计实现了具备TB级数据存储处理能力的煤矿水害多源监测大数据存储平台。该平台采用HDFS设计构建统一的多源时序大数据存储体系,通过MapReduce实现大数据并行处理,利用YARN实现资源的调度与管理,为海量数据存储提供支撑。平台采用Spark Streaming框架搭建了数据实时处理中心,通过流处理方式实现监测数据高速处理,并通过智能预警算法模块和远程服务接口为预警系统现场应用提供支撑。在智能预警技术方面,结合监测数据的时空属性特点,提出了基于深度学习时空序列预测方法——长短时记忆循环网络智能预警模型的底板突水模型预警技术。该预警技术基于LSTM方法,以"下三带"理论为基准对模型进行初始化,形成初始预警判据;将电法、微震监测数据作为输入变量,实际涌(突)水事件作为干预输出量,对智能预警模型进行半监督分类学习训练,形成动态化、参数最优的模型预警准则,将监测数据动态划分为4个预警等级,从而实现了水害智能动态预警和数据可视化表达。在冀中能源葛泉矿东井的实际应用中发现,该平台能够基本达到预期目标。     

个性化学习路径推荐综述

近年来，伴随着现代信息技术的迅猛发展，以人工智能为代表的新兴技术在教育领域得到了广泛应用，引发了学习理念和方式的深刻变革.在这种大背景下，在线学习超越了时空的限制，为学习者“随时随地”学习提供了更多的可能性，从而得到了蓬勃发展.然而，在线学习中师生时间、空间分离的特征，导致教师无法及时掌握学生的学习状态，一定程度上制约了在线学习中教学质量的提升.面对多元化的学习需求及海量学习资源，如何迅速完成学习目标、降低学习成本、合理分配学习资源等问题成为限制个人和时代发展的重大问题.然而，传统的“一刀切”的教育模式已经不能满足人们获取知识的需求了，需要一个更高效、更科学的个性化教育模式，以帮助学习者以最小的学习成本最大限度地完成学习目标.基于以上背景，如何自动高效识别学习者特征，高效地组织和分配学习资源，为每一位学习者规划个性化路径，成为面向个体的精准化教育资源匹配机制研究中亟待解决的问题.系统地综述并分析了当前个性化学习路径推荐的研究现状，并从多学科领域的角度分析了对于同一问题的不同研究思路，同时也归纳总结了当前研究中最为主流的核心推荐算法.最后，强调当前研究存在的主要不足之处.     

临界布尔网络的函数泛化问题研究

布尔网络是研究基因调控网络的一种非常重要的模型,通过时序数据推理基因之间的调控关系是研究网络动态行为和干预策略的基础.现有的预测研究主要集中在基因之间的调控关系,而对调控基因与目标基因之间的布尔函数的作用方式研究甚少.由于基因调控网络是一种处于有序和无序之间的临界网络,本文研究了众数规则、基于偏斜和基于互信息的三种泛化方法对临界布尔网络的稳态分布距离和灵敏度误差的影响.结果表明合理的泛化能够明显提高预测网络的稳态分布距离和灵敏度误差指标.三种泛化方法中,基于互信息的泛化方法的总体性能最好.     

基于GSPN的锁步处理器系统可靠性建模与分析

针对锁步自监控处理器系统的可靠性建模与分析问题,在双机同步系统的基础上,构建一种具有错误自检、故障定位和失效修复功能的锁步自监控处理器系统,并描述系统架构与工作原理。根据系统特征实例化库所集和变迁集,建立基于广义随机Petri网的系统可靠性模型。通过与单处理器系统可靠性模型进行分析与对比,证明了该模型可靠性高,并基于参数对比实验为后续锁步系统设计提供理论支撑和技术方法。     

重新找回人工智能的可解释性

针对深度神经网络AI研究的可解释性瓶颈，指出刚性逻辑（数理形式逻辑）和二值神经元等价，二值神经网络可转换成逻辑表达式，有强可解释性。深度神经网络一味增加中间层数来拟合大数据，没有适时通过抽象把最小粒度的数据（原子）变成粒度较大的知识（分子），再把较小粒度的知识变成较大粒度的知识，把原有的强可解释性淹没在中间层次的汪洋大海中。要支持多粒度的知识处理，需把刚性逻辑扩张为柔性命题逻辑（命题级数理辩证逻辑），把二值神经元扩张为柔性神经元，才能保持强可解释性。本文详细介绍了从刚性逻辑到柔性逻辑的扩张过程和成果，最后介绍了它们在AI研究中的应用，这是重新找回AI研究强可解释性的最佳途径。     

泛逻辑学理论——机制主义人工智能理论的逻辑基础

当前，世界各主要大国都把人工智能作为它们的国家战略。人工智能的发展正在快速改变着人类的生活方式和思想观念。在中国，有一小批研究者20多年来一直在基于辩证唯物主义潜心研究具有普适性的人工智能基础理论，包括智能的形成机制、逻辑基础、数学基础、协调机理、矛盾转化等。终于，他们各自建立了机制主义人工智能理论、泛逻辑学理论、因素空间理论、协调学、可拓学、集对分析等。其中，机制主义人工智能理论是基于智能形成机制的通用理论，它能把现有的结构主义、功能主义和行为主义三大流派有机地统一起来，使意识、情感、理智成为三位一体的关系；因素空间理论是机制主义人工智能理论的数学基础；泛逻辑学理论是机制主义人工智能理论的逻辑基础。本文介绍了泛逻辑学理论的基本思想、理论基础和应用方法，阐明它的理论意义和应用价值。特别需要指出的是，在广义概率论基础上建立的命题泛逻辑（包括刚性逻辑和柔性逻辑），可看成一个完整的命题级智能信息处理算子库，库中完整地包含了全部18种柔性信息处理模式（包括16种布尔信息处理模式），可用类型编码<a,b,e>来严格区分，用它可寻找到适合自己的信息处理算子完整簇来使用。在每一个信息处理模式中，各种不确定性的组合状态由不确定性程度属性编码<k,h,β,e>来严格区分，用它可在本信息处理模式的算子完整簇中精确选择具体的算子来使用。这表明柔性信息处理本质上是一把密码锁，它需要专门的密码<a,b,e>+<k,h,β,e>才能正常打开，不能乱点鸳鸯谱。通过只有18种模式，每种模式可以从最大算子连续变化到最小算子，已经证明了没有一个命题算子被遗漏。     

基于cron的计划任务时间管理的设计与实现

为了实现通信系统中大量的计划任务的时间管理的目的,在分析了Linux8乙Unix系统下的crontab的基础上,通过对crontab文件的优化,将计划任务以时间分类的方法。将执行时间相同的计划任务做成schedule形式,实现了对系统中大量同时刻或时段的计划任务进行统一的管理,改善了crontab文件的冗余问题,减少了cron服务重启次数;减轻了系统的开销。