基于PSO和外部知识的时序数据异常检测

在时间序列数据的异常检测中, 单一模型往往只提取与自身模型结构相关的时序特征, 从而容易忽略其他特征. 同时, 面对大规模的时序数据, 模型难以对时序数据的局部趋势进行建模. 为了解决这两个问题, 本文提出一种基于粒子群优化算法(particle swarm optimization, PSO)和外部知识的异常检测模型PEAD. PEAD模型以深度学习模型作为基模型, 引入快速傅里叶变换生成的外部知识来提高基模型对局部趋势的建模能力, 随后PEAD模型以Stacking集成学习的方式训练基模型, 再使用PSO算法对基模型的输出加权求和, 对加权求和后的重构数据进行异常检测, PSO算法能够让模型的最终输出共同关注时序数据的全局特征和时间特征, 丰富模型提取的时序特征, 从而提高模型的异常检测能力. 通过对6个公开数据集进行测试, 研究结果表明PEAD模型在大部分数据集上表现良好.     

关于当前水泥产业政策的若干思考与建议

本文作者针对目前水泥产业政策及其存在的问题、急需完善的地方,经过深入思考总结成文。认为将粉磨能力或改造粉磨系统列入产能控制属重大认识误区,即很难起到积极作用,反而限制了企业正常的技术改造,对企业按程序申报许可证带来很大困扰与麻烦。希望能引起有关部门高度重视,按照李克强总理最近反复强调：深化改革,简政放权,加快取消不必要前置审批,确立企业投资主体地位等系列指示要求,期待有关部门尽快研究解决。     

当前建材行业形势与若干热点问题思考

<正>我国大宗建材产品消费量峰值预测与运行分析传统的大宗建材产品“水玻陶”产量已达峰值,市场需求总量及消费拐点基本确认。经反复对比分析认为：2020年我国熟料消费量16.12亿吨（因水泥品种等级不同,可比性欠缺）、2021年建筑平板玻璃产量81285万重量箱（4063万吨）、2017年建筑陶瓷产量101.5亿平方米分别已达消费峰值即最高值。     

当前水泥工业若干误区及其探讨（二）——水泥企业如何规范修正确认统计数据

本文重点针对水泥企业如何应用料耗计算熟料产量、验算实际料耗及其规范修正确认统计数据,做到账物相符,总结了相关方法、要求及注意事项,列举了物料平衡管理与验证、盘库与处理盘库盈亏的实例。对今后规范获取及在线显示生产财务统计数据和加强精细化管理等提出了建议。     

当前水泥工业若干误区及其探讨（四）——谈水泥质量纠纷处理与欧美标准发展动向及验收规则#br#

目前混凝土及工程建设质量事故和买卖双方检测结果差异较大等情况频繁发生,导致水泥买卖双方质量投诉、纠纷大幅增加,严重影响双方利益。如何应对水泥质量投诉及纠纷一直是业内焦点问题,普遍存在种种误区、乱象。多年来国内有关标准及规程对轻微缺陷产品的处理等相关规定很难操作执行。欧美产品贸易规则更成熟,更重视合同契约,其水泥标准及验收规则修订动态、方向及适用性,对我国有何借鉴作用？本文针对上述议题进行了讨论,提出了建议,以期对业内有所裨益。     

基于数字化办公环境的电子文件安全性模型设计

本文针对数字化办公环境下电子文件的安全需求,分析了电子文件安全性的技术要求,设计了基于IPSec协议电子文件安全保障模型,并在Windows 2000 Server系统上进行测试,结果表明该模型可以有效地实现基于数字化办公环境的电子文件的安全保障。     

寻找春天

我常常想起初次下井的日子,也常常想念那些和我一起工作的矿工兄弟,这些在我的记忆中一直闪烁着光芒。我的一些坚守在城市高楼中的朋友无法想象我的心情。我跟他们说:矿工不只是矿工。说到这,欲言又止,因为我知道,他们没有当过矿工,是无法理解矿工的深刻内涵的。他们只懂得朋友,不懂矿工兄弟,只欣赏风景,不欣赏那特有的艰辛。我起初把矿工生活当作一道风景。我到过大海,走过沙滩,去过草原。我想:大海、沙滩、草原多么富有诗情画意啊!我对矿工有一种神秘感,我渴望做一名矿工。然而,我当了矿工半年后却摔成骨折。参加工作第二年5月的一天,清新…     

电力监控系统在配电室中的应用探讨

本文通过研究监控系统的结构和功能,以及在工厂中实际应用,对大中型净化厂提出了监控系统的解决方案。     

基于MCQRDDC的负荷概率预测模型

针对具有约束性的复合分位数回归网络(monotone composite quantile regression neural network, MCQRNN)无法较好地分析负荷数据之中的时序信息和内在规律的问题,本研究融合MCQRNN以及膨胀因果卷积网络(dilated causal convolutional networks, DCC),提出了一种新的分位数回归模型MCQRDCC (monotone composite quantile regression dilated causal convolutional networks),该模型将输入划分为分位点输入与非约束输入,使该模型的输出随分位点的增大而增大,以此解决分位数交叉的问题.同时,使用DCC的结构,使该模型充分地分析负荷数据之中的序列信息,使得预测结果更加符合真实负荷的变化趋势.此外, MCQRNN使用指数函数对约束权重矩阵和隐藏层权重进行转化,会影响反向传播时权重的调整,本研究使用ReLU函数代替指数函数可以解决这个问题,以此提高预测的精度.使用真实的负荷数据进行实验,实验结果表明, MCQRDCC能有效地提高预测...