铁水预脱硫综合预报模型的研发

为准确预测复合喷吹铁水预脱硫终点硫含量,降低成本并减少二次喷吹,将多元回归模型、增量模型和神经元网络模型相结合,开发了复合喷吹铁水预脱硫综合预报模型。综合模型以增量模型为基础,利用神经元模型动态检索参照炉次,并用多元回归模型进行增量计算及结果筛查,比单一模型的偏差比例降低至少50%以上,提高了模型的准确性和稳定性。其在河钢集团唐钢不锈钢公司实际生产中获得了良好应用,钝化镁消耗率降低10 kg/炉,脱硫一次处理的终点命中率达8%以上,取得了显著的经济效益。     

基于多关系网络的话题意见领袖挖掘

社交网络中的意见领袖在信息传播过程中起着重要的作用。传统的意见领袖挖掘仅基于网络结构,没有考虑特定话题或者事件下的作用,且目前基于话题的意见领袖挖掘仅基于单一的网络结构,并没有考虑到节点间的多种交互关系。本文提出一种基于多关系网络的话题意见领袖挖掘方法（Multi-relational networks, MRTRank）,融合话题因素和节点间多种交互关系,通过一种属性网络表示学习算法,得到不同节点在多关系网络上的相似性,形成节点的转移概率矩阵,最终通过PageRank算法得到top-k个意见领袖。在真实Twitter数据集上的实验结果验证了本文提出的方法优于传统的意见领袖挖掘算法。     

结合共同邻居贡献度的节点相似性链路预测算法

链路预测是复杂网络的一个重要研究方向,基于节点相似性的链路预测方法是最为常用的一种方法。目前大部分使用节点链接紧密度的节点相似性链路预测方法,未考虑每个共同邻居节点的差异性,即不同的节点对连边的贡献度是不同的。本文提出一种结合共同邻居节点之间的节点贡献度和链接紧密度的链路预测算法。该算法首先计算共同邻居节点之间的链接信息作为节点的链接紧密度,再定义耦合度聚簇系数表示共同邻居节点贡献度,最终将二者结合。在实际数据集上的实验结果表明,该算法比4种经典的链路预测算法（CN,AA,RA和Jaccard）和基于节点链接密度的算法CNBIDE具有更好的预测精度。     

基于卷积神经网络交互的用户属性偏好建模的推荐模型

潜在因子模型（LFM）以其优异的性能在推荐领域得到了广泛应用。在LFM中除了使用交互数据以外,辅助信息也被引入用于解决数据稀疏的问题,从而提升推荐的性能。然而,大多数LFM仍然存在一些问题：第一,LFM在对用户进行建模时,忽略了用户如何根据其特征偏好对项目作出决策;第二,采用内积的特征交互假设特征维度之间是相互独立的,而没有考虑到特征维度之间的关联。针对上述问题,提出一种新的推荐模型：基于卷积神经网络（CNN）交互的用户属性偏好建模的推荐模型（UAMC）。该模型首先获得用户的一般偏好、用户属性和项目嵌入,然后将用户属性和项目嵌入进行交互,以探索用户不同的属性对不同项目的偏好;接着将交互过的用户偏好属性送入CNN层来探索不同偏好属性的不同维度的关联,从而得到用户的属性偏好向量;接着使用注意力机制结合用户的一般偏好和CNN层得到的属性偏好,从而获得用户的向量表示;最后采用点积来计算用户对项目的评分。在Movielens-100K、Movielens-1M和Book-crossing这三个真实的数据集上进行了实验。实验结果表明,所提模型在均方根误差（RMSE）上与稀疏数据预测的神经网络分解机（NFM）模型相比分别降低了1.75%、2.78%和0.25%,验证了在LFM的评分预测推荐中,UAMC在提升推荐精度上的有效性。     

秘鲁电力行业市场化改革进程及启示

自1992年开始电力行业市场化改革以来,秘鲁电力行业得到大力发展,市场化交易环境促进了电力投资,电力投资的加大进一步加强了秘鲁国内电力供应的稳定性。介绍秘鲁电力行业发展情况及改革进程,阐述改革进程中制定重要法律的意义。秘鲁电力行业市场化改革形成了较为稳定的电力市场化交易环境,同时形成了良好的电价机制和信息披露机制,对我国进行电力体制改革有一定参考作用。     

一种基于任务粒化的服务组合优化方法

在big service背景下,越来越多的资源以服务的形式发布与使用,用户需求越来越复杂,导致服务组合计算规模呈指数级增长.本文提出一种任务粒化算法（TgA,Task-granular Algorithm）,用于快速有效地求解大规模服务组合优化问题.首先,构建任务粒化分层服务组合模型,并分析了该模型的计算复杂性;其次,根据现有QoS属性计算方式,从理论上分析其在任务粒化过程中的可行性;最后,大量仿真实验结果表明,相比于经典的PSO算法,TgA可以将服务组合优化时间性能提高约4至7倍,且寻优精度提高10%以上.     

利用下脚米米渣生产全营养蛋白粉的研究

报道了采用下脚米渣提取蛋白质的方法,并以提取的蛋白与大豆经科学调配制成全营养的蛋白粉。     

高强钢连铸坯开浇纵裂原因及控制

介绍了板坯连铸机生产高强钢开浇过程,分析了铸坯表面纵裂产生原因,并对开浇渣成分、加入时机、加入量和加入方式进行了优化。通过降低结晶器水量约15%,提高结晶器进水温度至28~30℃,并控制开浇过程拉速等措施,使高强钢铸坯纵裂发生率由0.6%降低至≤0.02%,有效提高了高强钢铸坯质量。     

反渗透海水淡化阀控能量回收装置放大试验研究

能量回收装置是反渗透海水淡化系统的关键设备之一,对降低系统运行能耗和造水成本至关重要.等压正位移式能量回收装置具有工程放大性好和高效率等优点,成为国内外研究和推广的重点.针对自主开发的反渗透海水淡化阀控能量回收装置进行了中试放大研究,结合能量回收装置在反渗透海水淡化工程中的应用工艺,建立了相应的装置运行试验平台.对装置在处理量为40 m3/h、工作压力为6.4 MPa条件下的流体力学特性和效率特性进行了测试和分析,结果表明,阀控能量回收装置运行稳定性良好,装置能量回收效率达到95.96％.     

一种新的决策树选择性集成学习方法

个体学习器的差异度是集成学习中的关键因素。流行的集成学习算法如Bagging通过重取样技术产生个体学习器的差异度。选择性集成从集成学习算法产生的个体学习器中选择一部分来集成,结果表明比原集成更好。但如何选择学习器是个难题。使用Q统计量度量两个学习器的差异度,提出一种新的决策树选择性集成学习方法。与C4.5,Bagging方法相比,表现出很好的效果。