数字孪生潭江流域先行先试建设与实践

为提高潭江流域水利工程防洪调度能力,开展数字孪生潭江流域建设。数字孪生潭江面向流域防洪调度需求,围绕“四预”核心功能,以22座大中型水库、7座梯级闸陂为精细化调度目标,建设数据底板、模型平台、业务应用等,构建流域L1级数据底板,流域重点区域及工程L2级数据底板,开发六大类水利专业模型,构建具有“四预”功能的预报调度系统平台,实现流域多源监测感知与数据高效能管理,江河水库闸坝集中管理、联合调度、科学决策,最大程度保障流域内防洪（潮）的安全,完善预报监测薄弱环节,提升工程调度反馈时效性,同时为河湖规范化管理提供依据。项目成果在2022年“龙舟水”、台风暴雨防御期间投入实战,助力潭江流域水库、水闸群的联合调度,取得防洪不受淹、水资源不浪费的最佳效益。     

圩区防洪调度预警预报系统——以江阴市马甲圩为例

为加强圩区风险管控能力,提升圩区泵站调度的自动化管理水平,采用Delft-FEWS平台框架,以江阴市月城马甲圩圩区为研究对象,集成圩区河网精细化模型和水文气象监测信息,开发马甲圩防洪调度预警预报系统,实现马甲圩多方案调度预警预报,并对预报降雨、圩区水位、排涝泵站状态在预报期的动态变化及统计进行可视化展示,评估调度洪涝防控效果,最终实现圩区智慧化调度管理,提升圩区调度综合管理决策能力。     

基于网格的桥梁远程结构状态评估系统研究*

利用网格技术基于开放式架构、通用技术规范以及标准中间件技术支持等优点,把分布的结构状态评估资源整合为网格服务,并在此基础上进行管理和调度,构建了基于网格的桥梁远程状态评估系统。设计了基于语义Web服务的网格服务模型来规范化服务的建模;结合Globus Toolkit 4（GT4）中间件,开发了网格服务管理模块,支持服务注册、搜索等功能;构建了基于agent技术的网格任务管理模块,支持结构状态评估任务的分解、分配、调度等功能。以洞庭湖大桥结构健康监测为背景,建立了应用原型。实践表明：系统能有效支持结构健康监     

面向水生态的闸坝调度方法

淮河流域是我国水环境治理的重点之一.由于淮河流域水情复杂,所以容易发生水污染事件.本文立足于突发水污染情况,研究如何调动闸坝和水库的生态用水并在最短时间内初步治理水污染问题.闸坝调度问题是组合优化问题,水资源调度效率为目标函数,约束条件包括蓄水、水中物质浓度和闸坝距离等.本文采用人工鱼群调度算法（AFSA）,并加以约束条件,满足治水需求.人工鱼群算法有快速的跟踪变化和跳出局部极值的优点,能避免算法初期早熟的问题.实验结果表明,基于人工鱼群算法的生态水调度方法,在处理这类问题,不仅精确有效,并且能在较少的迭代次数内找到满意解,具有很高的可行性,参考性.     

基于管制员认知负荷和改进蚁群算法的扇区动态通行能力评估

针对现有动态通行能力的评估未考虑管制员认知负荷的不足,为了提高空中交通流量管理的准确性,构建了基于管制员认知负荷和改进蚁群算法的扇区动态通行能力评估模型。首先,构建了刻画扇区动态影响因素的动态飞行受限区模型,为了满足空中交通流量管理对速度的要求,改进了蚁群算法实现扇区动态管制引导路径规划;然后,提出了管制引导负荷强度的概念,扩展了管制员认知总负荷的概念,并将其应用于扇区动态通行能力评估模型的构建;最后,以三亚管制扇区为例,以15 min为间隔对未来2 h内9个时刻的扇区动态通行能力进行评估。实例验证结果表明所提评估模型计算得到的通行能力结果与实际运行结果相差1个架次,效果理想。     

基于区块链技术的财政预算管理效果评估

为提高财政预算绩效管理效果评估水平,提出区块链技术财政预算绩效管理效果评估模型。以投资量和金融融资额度等为约束,构建财政预算绩效管理的样本回归分析模型,得到效益量化回归分析结果,通过评估结果得到财政预算绩效管理效果评估的模糊综合决策函数。构建财务弹性回归分析方法,关联性分析和量化预测财政预算绩效管理的效果;建立财政预算绩效管理效果的区块链分布模型,实现财政预算绩效管理效果评估的优化。实验分析结果表明,设计的财政预算绩效管理模型可靠性较高,评估准确性较好,为提高财政预算绩效管理能力提供一定的参考。     

企业管理中多工作任务下合理调度模型仿真

在企业管理中工作任务调度效率优化问题的研究中,由于在多任务的调度过程中,任务之间的关联性很复杂,受到相互之间调度顺序的影响较大.传统的工作任务调度模型以单一线性顺序最优为基础,一旦任务过多,会造成调度中不同任务调度相互矛盾加大,模型稳定性会下降,缺少灵活性,造成调度的效率不高.提出采用多约束调度模型的企业管理中多工作任务下合理调度方法.详细阐述了企业管理中多工作任务调度的原理,构建AON网络模型,针对网络模型进行虚调度,在求解空间中搜索最优解,得到企业管理中多任务合理调度方法.实验结果表明,利用改进算法进行企业管理中多工作任务调度,能够提高资源利用率,并且提高调度效率,避免多工作掺杂的情况下造成的调度模型稳定性降低的缺陷.     

海河流域水资源调度模型的设计及应用

阐述海河流域水资源监控平台中水资源调度模型的建立意义、设计目标、工作方式。以引滦水资源调度模型为例,通过分析区域水量调度基本情况和特点,率定水资源调度模型中的输入和输出参数,分析资源调度模型设计,例举出在信息查询、方案管理、方案后评估方面的实际调度,监控中心和分中心会商,信息查询和管理、模拟仿真方面的决策支持等应用功能。针对模型现存问题,提出增强模型应用的贴合性、实时性和交互性等应用建议。水资源调配模型将为流域开展水资源计划、实时调度等提供决策支持,使流域水资源调度的运行管理更趋于科学合理。     

多目标军用飞机维修作业调度优化研究

为提升维修作业与现代战机的适应程度,对军用飞机维修作业调度模型构建与调度优化算法设计进行探讨。在沿用柔性作业车间调度问题的形式化描述构建维修作业调度模型的基础上,选取遗传算法对执行步骤进行设计,引入耦合算子重新调整工序排序部分染色体以避免染色体违背耦合约束无法解码的情况发生,并采用维修作业调度案例与Brandimarte测试数据验证多目标调度优化算法的适用性与优化性。维修作业调度模型构建与调度优化算法的探讨促进维修管理的精细化,为调度相关领域的深入研究拓宽思路。     

云计算资源调度研究综述

资源调度是云计算的一个主要研究方向.首先对云计算资源调度的相关研究现状进行深入调查和分析;然后重点讨论以降低云计算数据中心能耗为目标的资源调度方法、以提高系统资源利用率为目标的资源管理方法、基于经济学的云资源管理模型,给出最小能耗的云计算资源调度模型和最小服务器数量的云计算资源调度模型,并深入分析和比较现有的云资源调度方法;最后指出云计算资源管理的未来重要研究方向:基于预测的资源调度、能耗与性能折衷的调度、面向不同应用负载的资源管理策略与机制、面向计算能力(CPU、内存)和网络带宽的综合资源分配、多目标优化的资源调度,以便为云计算研究提供有益的参考.     

基于遗传神经网络的耙吸挖泥船泥泵转速预测

耙吸挖泥船泥泵管线模型是一个复杂的、非线性的动态模型,影响模型准确性的参数较多;为了根据当前施工条件和流量的优化值准确地预测转速,为施工人员提供参考,提高疏浚效率,采用了遗传算法改进的BP神经网络对泥泵转速进行预测;首先,遗传算法对BP神经网络的初始权值和阈值进行优化;然后,BP神经网络根据优化值对网络进行训练并对转速进行预测;为了验证该方法的有效性,将遗传BP神经网络的预测输出和实测泥泵转速进行对比;仿真结果表明:遗传BP神经网络具有很强的非线性拟合能力和全局搜索能力,能够准确地预测泥泵转速;该预测输出可为施工人员提供参考,以便改变泥泵转速,提高疏浚效率。     

基于BP人工神经网络的软件质量评估

针对软件质量评估的课题,提出了一种基于BP人工神经网络的软件质量评估方法,提高软件质量评估的准确性.首先,论文介绍了人工神经网络的基本原理和软件质量评估的基本过程.然后选取适当软件质量特征构建基于BP人工神经网络的评估体系,分别进行BP网络学习和验证数据测试的实验.通过测试得到的数据结果,证明该方法能够准确地评估软件质量.     

基于布谷鸟算法优化BP神经网络的锂电池健康状态预测

锂电池健康状态(SOH)的预测是电动汽车锂电池管理系统的最重要的关键技术之一;传统的误差逆向传播(BP)神经网络容易使权值和阈值陷入局部最优,从而导致预测结果不精确;结合布谷鸟搜索算法(CS)的全局优化能力,提出一种基于CS算法优化BP神经网络的锂电池SOH预测方法,该方法的核心在于优化BP神经网络的初始权值和阈值,从而减小算法对初始值的依赖;为了验证算法的泛化性,利用美国国家航空航天局开源锂电池数据集6号电池和7号电池进行仿真实验,仿真得到该算法预测SOH的均方根误差(RMSE)分别为0.2658和0.2620,平均绝对百分比误差(MAPE)分别为0.3319%和0.2605%;通过与BP神经网络、粒子群优化的BP神经网络(PSO-BP)、遗传算法优化的BP神经网络(GA-BP)对比,布谷鸟算法优化的BP神经网络(CS-BP)具有更小的预测误差。     

基于循环神经网络的微博转发行为预测

随着网络的飞速发展,微博逐渐成为社交网络中信息传播及信息收集的重要平台,微博转发是微博信息传播的重要途径,研究微博转发问题对微博信息传播、微博营销、舆情监控有着极其重要的意义.影响微博转发的主要因素有：粉丝兴趣与微博文本的相似度,微博营销策略及用户粉丝数量的变化.以往的预测模型没有综合考虑这两方面因素,基于此,提出了一种基于循环神经网络的方法来对微博转发量级进行预测,首先利用SIM-LSTM模型构建微博转发趋势度,然后再利用TF-IDF构建粉丝兴趣和微博文本的相似度,最后通过神经网络模型来预测粉丝是否会转发该微博.实验结果表明本文提出的算法相对于其他预测算法F1评估值提高了近5%.     

基于神经网络的高校科研项目前景预测系统研究与设计

为了对高校科研项目前景进行有效预测,进一步提升科研成果转化率,本文提出了基于神经网络结合科研项目共享的网络平台,构建可靠的科研项目前景预测系统.通过将各类大量科研项目的特征参数化,利用BP(反向传播)神经网络的非线性映射能力、自适应能力和对离散数据的泛化能力生成模型后,用于从多维度对一个新项目生成可靠的前景预测.实验表...     

组合评价方法在煤矿安全风险评估中的应用

研究煤矿安全风险准确评估问题,煤矿生产的复杂性导致煤矿事故的动态性、模糊性和随机性,且影响煤矿安全风险等级指标多,指标与风险等级之间呈复杂的非线性关系,导致传统评估方法的准确率低。为了提高煤矿安全风险评估的准确率,提出一种组合的煤矿安全风险评估方法。首先构建出煤矿安全风险评估指标体系,然后采用层次分析法计算各评估指标权重,且采用模糊方法建立判断矩阵,最后将其输入到BP神经网络学习建立煤矿安全风险评估模型。利用具体数据对模型性能进行了验证性测试。实验结果表明,相比较于其它评价方法,组合评价方法提高了煤矿安全风险评估的准确率,是一种有效的煤矿安全风险评估方法。     

人工神经网络在海关风险管理中的应用研究

针对目前我国海关企业风险评估过程中存在的问题,主要介绍了基于BP神经网络的数据挖掘方法,并开创性地将一种基于Levenberg-Marquardt学习算法的BP神经网络引入到海关企业风险评估工作中来。通过企业风险评估模型的实际运行,证明了该改进算法的有效性,同时也有力地提高了海关的企业风险监控水平。     

基于深度置信网络的4-CBA软测量建模

PTA工业生产过程中4-CBA的含量是评价其产品质量的重要依据。将深度置信网络和已有的浅层算法相结合,提出基于深度置信网络的4-CBA软测量模型。深度置信网络是一种典型的深度学习算法,该算法在特征学习方面优势显著。根据实验结果,基于深度置信网络的软测量模型能够很好地估计4-CBA含量,和单纯的BP神经网络模型相比,基于深度置信网络的模型预测精度更高。     

免疫人工鱼群神经网络的经济预测模型

针对BP神经网络在经济预测存在的问题,提出了一种新的经济预测模型──免疫人工鱼群神经网络（IAFSA-NN）。通过免疫人工鱼群算法（IAFSA）训练神经网络,能显著提高网络的学习精度、收敛速度、泛化能力、还能在一定程度上克服BP神经网络的缺陷。以广东省湛江市的经济数据进行建模,给出了IAFSA训练神经网络的基本原理和步骤,构建了一个免疫人工鱼群神经网络的GDP预测模型,并运用MATLAB7.0进行仿真。实证表明,该模型预测结果优于BP网络预测方法,更接近实际数据,IAFSA神经网络用于经济预测是有效可行的。     

Application of temporal difference learning rules in short‐term traffic flow prediction

Studying dynamic behaviours of a transportation system requires the use of the system mathematical models as well as prediction of traffic flow in the system. Therefore, traffic flow prediction plays an important role in today's intelligent transportation systems. This article introduces a new approach to short‐term daily traffic flow prediction based on artificial neural networks. Among the family of neural networks, multi‐layer perceptron (MLP), radial basis function (RBF) neural network and wavenets have been selected as the three best candidates for performing traffic flow prediction. Moreover, back‐propagation (BP) has been adapted as the most efficient learning scheme in all the cases. It is shown that the coefficients produced by temporal signals improve the performance of the BP learning (BPL) algorithm. Temporal signals provide researchers with a new model of temporal difference BP learning algorithm (TDBPL). The capability and performance of TDBPL algorithm are examined by means of simulation in order to prove that the wavelet theory, with its multi‐resolution ability in comparison to RBF neural networks, is a suitable algorithm in traffic flow forecasting. It is also concluded that despite MLP applications, RBF neural networks do not provide negative forecasts. In addition, the local minimum problems are inevitable in MLP algorithms, while RBF neural networks and wavenet networks do not encounter them.