Deterministic and probabilistic ship pitch prediction using a multi-predictor integration model based on hybrid data preprocessing,reinforcement learning and improved QRNN

The deterministic and probabilistic prediction of ship motion is important for safe navigation and stable real-time operational control of ships at sea. However, the volatility and randomness of ship motion, the non-adaptive nature of single predictors and the poor coverage of quantile regression pose serious challenges to uncertainty prediction, making research in this field limited. In this paper, a multi-predictor integration model based on hybrid data preprocessing, reinforcement learning and improved quantile regression neural network (QRNN) is proposed to explore the deterministic and probabilistic prediction of ship pitch motion. To validate the performance of the proposed multi-predictor integrated prediction model, an experimental study is conducted with three sets of actual ship longitudinal motions during sea trials in the South China Sea. The experimental results indicate that the root mean square errors (RMSEs) of the proposed model of deterministic prediction are 0.0254°, 0.0359°, and 0.0188°, respectively. Taking series #2 as an example, the prediction interval coverage probabilities (PICPs) of the proposed model of probability predictions at 90%, 95%, and 99% confidence levels (CLs) are 0.9400, 0.9800, and 1.0000, respectively. This study signifies that the proposed model can provide trusted deterministic predictions and can effectively quantify the uncertainty of ship pitch motion, which has the potential to provide practical support for ship early warning systems.     

空气信息综合管理评估系统

近年来, 重工业的快速发展加剧了空气质量下降, 环境治理变得尤为重要. 然而, 在国内外现有的空气质量评估系统大多形式单一、准确度低、评估范围有限, 并不能较精确的以多样化的形式展示空气质量情况. 本文设计实现了一套集数据收集、标准化处理及空气质量评估为一体的空气质量评估系统. 该系统采用网络爬虫从空气质量监测网站获取数据, 并对数据进行抽取、清洗、单位转化、污染物分类及多种标准化方法处理, 提高空气质量的评估精确度. 系统评估方式多样, 有按时、日、月、监测站位置及污染物种类等, 解决了大多数空气质量评估系统形式单一和评估不准确的问题. 该系统可以为用户提供实时的空气质量情况, 还可以为大气污染相关科研人员提供准确的数据预处理结果. 系统运行稳定可靠, 界面友好, 功能丰富, 能满足空气信息综合管理评估的需求.     

多分量数据全波形反演在气藏检测中的关键问题——以苏里格气田为例

苏里格气田是中国典型的致密砂岩气藏，构造简单、平缓，横向非均质性强，有效储层与围岩声学特征差别小，地震响应不明显，常规地震监测方法预测难度大，但气田含气砂岩泊松比低，是地震气藏检测的有效参数。利用弹性全波形反演精度高和能处理复杂非均质介质的优势，反演地层拉梅常数、剪切模量和密度，并计算泊松比，从而进行气藏预测。重点阐述了苏里格气田多分量数据全波形反演初始模型建模、先验模型建模和地震数据预处理3个关键问题的处理方法。二维三分量数据反演和"甜点"预测结果表明：①对于具有强非均质性的苏里格气田，利用全波形反演获得精度较高的地层弹性参数能显著提高气藏预测的准确度；②苏里格地区构造简单、平缓，利用常规叠加速度并结合构造解释可以建立比较好的初始模型，从而有效地解决了周波跳跃和局部极小的难题；③先验知识的约束和地震数据的预处理是全波形反演成功应用于苏里格气田气藏检测的关键。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

Preprocessed dynamic classifier ensemble selection for highly imbalanced drifted data streams

This work aims to connect two rarely combined research directions, i.e., non-stationary data stream classification and data analysis with skewed class distributions. We propose a novel framework employing stratified bagging for training base classifiers to integrate data preprocessing and dynamic ensemble selection methods for imbalanced data stream classification. The proposed approach has been evaluated based on computer experiments carried out on 135 artificially generated data streams with various imbalance ratios, label noise levels, and types of concept drift as well as on two selected real streams. Four preprocessing techniques and two dynamic selection methods, used on both bagging classifiers and base estimators levels, were considered. Experimentation results showed that, for highly imbalanced data streams, dynamic ensemble selection coupled with data preprocessing could outperform online and chunk-based state-of-art methods.     

基于Python的油田生产资料预处理软件设计与应用

油田内部生产资料类型包括钻井、录井、测井、试油等多种类型。针对资料整理过程中存在的问题如:从原始资料库中下载的资料格式多样;不同石油软件所需加载的数据格式不同;已有资料预处理软件功能均较单一等,从编程语言优选、软件兼容性、软件功能集成化三个方面出发,选取Python语言进行软件设计,利用Python扩展性强的特点,设计出红番茄资料预处理软件,并在新疆油田进行试点,生产资料整理时间缩短至原耗时间的约33%。Python语言在油田生产中的应用可为具有相同问题的其他油田提供参考。     

3D打印机G代码预处理优化算法

为了突破现有3D打印机控制系统原有的文件处理模式的限制，提出将G代码程序在PC端先行预处理的方法。在程序预处理过程中，同时对多段微小线段进行前瞻控制和速度规划；预处理结束后，再将处理结果输入3D打印机执行打印操作。该方法减少了3D打印机处理器负担，且通过PC端预处理可以得到更优化的计算结果。实验测量数据证明：G代码预处理方法与传统G代码处理方法相比，节省了打印机处理器处理时间，同时提高了打印品质。     

[数据建模]面向智能生产维护的大数据建模分析方法

从当前的车间离散制造过程大数据应用特性出发，基于车间智能代理，实现了制造过程大数据的采集、处理分析，建立的制造过程大数据采集模型可实现对工序数据集的封装。采用基于聚类的方法对工序数据集进行离群点检测标记，实现对制造资源生产状态的描述与量化。建立了工序级数据特征模型，结合改进的相似元分析方法，对工序过程数据多层次包装描述和制造工序的相似性进行了评价。开发了车间底层智能管理系统，并将其运用于企业生产实际。     

面向多表数据连接投影和连接顺序的优化方法

多表连接运算是大数据处理中常见的运算。类似于数据库运算中常见的连接操作,多表连接运算的顺序会对计算资源和传输资源的消耗产生巨大影响。对多表连接顺序的优化是一个经典的优化问题,同时每次连接中表的投影结果大小也会影响节点间传输的数据体积,因此整体连接的顺序和每次连接的投影关系都会对连接效率产生显著的影响,而在传统的优化策略中,往往不会考虑到中间投影关系的取舍问题,以及基于中间投影关系而对最优连接策略产生的影响。针对这个问题,建立了一种连接关系索引,能够在构建优化连接策略中调整每次连接的投影关系,及时删除冗余列,减少对传输资源的消耗,同时基于投影关系的优化调整连接顺序的优化策略,从全局考量上尽可能地同时减少对传输资源和计算资源的消耗。该优化策略在Flink系统实现后进行了实验,结果表明有显著的优化效果。     

曲边界上任意分布荷载的数值计算

1前言岩土工程数值模拟计算经常会遇到曲边界上任意分布荷载的计算问题,现行的前处理常规计算方法是假定其局部线性分布,这不仅影响计算精度,也增加了输入的工作量,因此合理处理曲边界上任意分布荷载的数值计算问题是此类软件开发的前提和基础。本文提出用二次插值函数法计算曲