改进的多层感知机在客户流失预测中的应用

针对在传统的客户流失预测数据预处理中，使用one-hot编码处理离散属性导致数据维度增加及数据过于稀疏的问题，提出了两种基于多层感知机的改进后的客户流失预测模型。其主要思想是分别使用堆叠自编码器和实体嵌入两种方法对多层感知机进行改进，通过将离散属性的高维编码数据向低维空间映射，有效地减少了one-hot编码产生的稀疏数据，增加了离散属性值之间的关联度。在对两份公开的数据集进行交叉验证后的实验结果表明，改进后的模型既有效地提高了预测的准确度，又维持了传统多层感知机模型在并行化计算方面的优势。     

基于并行多通道卷积长短时记忆网络的轴承寿命预测方法

在预测轴承剩余使用寿命时，数据间的时序特性是一个可以利用的重要隐藏信息。为了更好地提取具有时序信息的特征用于预测，提出了一种基于并行多通道卷积长短时记忆网络（PMCCNN-LSTM）的剩余使用寿命预测模型。该模型主要由两部分组成：前端为并行多通道卷积网络（PMCCNN），提取信号特征，挖掘数据的时序特性，并采用逐层训练和微调的方式提升参数的收敛性；后端为长短时记忆（LSTM）网络，基于特征进行剩余使用寿命预测，并采用加权平均的方法对预测结果进行平滑处理。在一个轴承加速寿命实验的公开数据集上使用留一法验证了该模型的准确性，实验结果表明：所提模型的平均误差与最大误差分别比传统的卷积神经网络（CNN）低23.38%和15.84%，比传统的LSTM低24.14%和19.01%，比卷积长短时记忆网络（CNN-LSTM）低30.32%和23.09%。     

地面微地震有源噪声自动识别与匹配压制方法

微地震监测技术通过对非常规储层压裂改造引发的震源点进行成像，实时提供压裂施工过程中产生的裂隙高度、长度、宽度和方位角等信息，为致密储层压裂提供指导，以提高油气采收率。在地面布设站点进行监测时，因微地震信号传播距离较远、近地表吸收衰减严重、地面有源噪声较多，微地震数据具有信号能量弱、噪声干扰强和信噪比低等特点，严重制约微地震事件的定位精度。噪声源多分布于地表，根据有源噪声与由储层向上传播的微地震事件在能量、频率、传播速度和源位置等方面的差异，本文提出微地震有源噪声自动识别与匹配方法。综合长短时窗能量比与微地震量板方法，自动识别有源噪声干扰，并进行噪声源位置和传播速度的三维最优并行搜索；利用同时确定的最优噪声源位置和传播速度对微地震数据进行动校正处理，得到噪声标准道，通过能量自适应匹配处理压制有源噪声。正演模拟数据和实际微地震数据去噪效果证明，本文方法能有效压制有源噪声，显著提高微地震数据品质，为后续微地震事件精确定位奠定了基础。     

Parallel Multipopulation Differential Evolutionary Particle Swarm Optimization for Voltage and Reactive Power Control

This paper presents parallel multipopulation differential evolutionary particle swarm optimization (DEEPSO) for voltage and reactive power control (VQC). The problem can be formulated as a mixed integer nonlinear optimization problem and various evolutionary computation techniques have been applied to the problem including PSO, differential evolution (DE), and DEEPSO. Since VQC is one of the online controls, speed‐up of computation is required. Moreover, there is still room for improvement in solution quality. This paper applies parallel multipopulation DEEPSO in order to speed up the calculation and improve solution quality. The proposed method is applied to IEEE 30, 57, and 118 bus systems. The results indicate that the proposed method can realize fast computation and minimize more active power losses than the conventional evolutionary computation techniques.     

数据驱动的机床等待过程节能方法研究

为了降低机床等待过程中的能耗，提出了一种实时数据驱动的机床等待时间预测与节能控制方法。首先，建立了射频识别驱动的生产进度评估方法，并以生产进度数据作为输入，构建了基于堆栈降噪自编码的机床等待时间预测模型；其次，依据预测的机床等待时间，提出了机床状态切换方法，以降低机床能耗；最后，通过一个电梯零部件制造车间的案例分析，表明该方法的预测误差仅为4.1%，同时将机床等待过程能耗降低了57%，实现了制造车间的节能减排。     

鑫达黄金矿业急倾斜薄矿体中深孔采矿方法的研究与优化

近年来，随着开采技术的发展，急倾斜薄矿脉采用中深孔采矿越来越多。为了降低生产成本，提高经济效益和安全系数。通过在矿房对扇形中深孔和平行中深孔进行现场试验，得到扇形中深孔比平行中深孔工程量少、千吨采切比小的结论。将扇形中深孔采矿方法在急倾斜薄矿脉中进行推广应用，取得了一定经济效益。     

A finite line source simulation model for geothermal systems with series- and parallel-connected boreholes and independent fluid loops

A model for the simulation of geothermal systems with parallel- and series-connected boreholes is presented. Mass and heat balance problems are formulated for each component in the system and are assembled into system-level problems. A third problem is formulated to account for heat transfer in the bore field, using the finite line source solution. This third problem is coupled to the system-level heat balance problem by an analytical solution of the heat transfer inside boreholes with multiple U-tubes. The simulation model allows for any number of independent fluid loops within the bore field or within individual boreholes and allows for combinations of specified inlet fluid temperatures and heat extraction rates in independent fluid loops. The model accounts for the axial variation of the fluid and borehole wall temperatures and heat extraction rates. The capabilities of the model are demonstrated through three example simulations.     

3-RSR型并联车载天线机构动力学优化与仿真

动态特性是高速高精密天线功能实现的关键。采用3-RSR(R为转动副，S为球面副)型并联机构作为车载天线构型，基于拉格朗日方程建立基体运动下天线机构动力学模型。以固有频率为目标，利用遗传算法对3-RSR天线机构参数进行优化，性能对比验证了优化结果的有效性。考虑风雪载荷及车体随机激励工况，建立车载天线机构仿真模型，分析得到相应工况下驱动力矩变化曲线。研究工作对车载天线机构动力学设计及样机研制具有参考意义。     

基于稀疏反演的高效混采数据分离方法

混叠采集技术能极大地提高地震采集效率，但是由于连续激发，混采数据中存在严重的邻炮干扰噪声，而且混采数据规模巨大，这要求后续的信噪分离算法精确、稳定、快速，为此提出一种基于稀疏反演的高效混采数据分离方法。在三维共检波点道集上，首先通过三维快速傅里叶变换，将时空域数据变换到频率-波数-波数域（FKK）；然后采用硬阈值函数提取相干信号，利用相干信号预测混叠噪声；最后以数据残差为驱动，不断收缩阈值，迭代更新模型，实现高效混采数据分离。模拟数据和实际数据应用结果表明，本文方法能够精确、稳定、快速地分离高混叠度的地震数据。     

面向多源数据融合的稀疏表示目标跟踪

传统的基于稀疏表示的目标跟踪方法主要利用目标的灰度特征构建稀疏表示模型。由于灰度特征对光照变化敏感，这会影响目标跟踪在复杂场景下的鲁棒性。基于多源数据融合的目标跟踪可以明显提升目标跟踪鲁棒性，但如何有效融合不同维度，不同类型的多源目标特征成为基于多源数据融合的目标跟踪所要解决的关键问题。提出了一个基于目标状态以及灰度特征的稀疏表示目标跟踪方法。所提出的方法可通过基于核函数表示的稀疏表示模型，在探究目标状态以及灰度特征相关性的基础上，将两种不同维度的特征进行有效融合，提升目标跟踪在复杂场景下的鲁棒性。