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。     

基于种群划分与变异策略的粒子群优化算法

粒子群算法因其形式比较简洁，参数设置灵活，操作简便易行，并且能够快速收敛，从而引起广泛关注。但是传统的粒子群算法也有缺陷：收敛速度慢以及容易陷入局部最优等。针对这些问题，本文借鉴小生境的方法，在进化初始阶段，对种群进行划分，将初始种群分为子种群，对不同的子种群进行不同的变异策略；在进化过程中，针对不同的子种群，设置不同的惯性权重因子ω，用来增强全局搜索能力与局部搜索能力。实验结果表明，本文提出的算法较传统的粒子群算法具有较快的收敛性以及找寻的全局最优解更接近真实解集，收敛精度比较高。     

基于灰色聚类分析的白洋淀水质评价

水质评价对了解水体生态功能、区域环境质量、科学制定治理规划有着重要的作用。文章以雄安新区白洋淀水质为研究对象,通过2009-2017年现场实际监测数据与试验,对7个代表性监测站点的溶解氧等6个指标进行监测,运用灰色聚类分析法并结合变异系数法赋权,对其水质进行分级与评价,为白洋淀的综合治理提供更加客观科学依据。研究结果表明:光淀张庄、枣林庄的水质等级为Ⅲ类,水质状况达标;烧车淀、王家寨、采蒲台、圈头的水质等级Ⅳ类,端村的水质等级为Ⅴ类,水质均不达标;评价结果比较客观的反映了水体水质状况与类别,克服了单因素评价易受个别因素影响的缺陷。     

K-means聚类算法在肿瘤基因变异识别中的应用

二代测序NGS(Next-generation sequencing)数据的迅速发展加快人们对于基因的探索,同时也给测序数据分析任务带来更大的挑战。癌细胞特异变异的识别是测序数据分析的一项重要基础性工作。当前的变异识别工具大多采用贝叶斯模型方法,特异度、灵敏度和速度都远远满足不了需求。K-means是一种简洁高效的无监督聚类算法,基于此将位点信息映射成多维的特征,再进行类别个数为2的聚类过程。该算法明显提高了准确度和召回率,实验结果验证了算法的有效性。     

近50年大黑河流域气候水文要素变化趋势及突变分析

基于大黑河流域6个气象站1966～2013年气温、降水量、蒸发皿蒸发量、相对湿度和日照时数长期数据系列,采用气候倾向率和滑动t检验法分析了近50年大黑河流域气象要素的变化趋势及变异年份。结果表明,大黑河流域整体呈现暖干气候倾向,气温呈显著增高趋势,变化率为0.43～0.57℃/10a,气温增温变点大致出现了两次,分别在1986、1997年;降水量和蒸发量多呈不显著减少趋势,降水量先减(1981年)后增(1990年),蒸发皿蒸发量先减(1986年)后增(1996年);相对湿度、日照时数多呈显著减小趋势。