高斯过程机器学习的基线计算算法

为了对网络监视领域中样本进行预测和相关处理,大多数研究在计算基线时都忽略了样本的概率特征,未能结合样本的数据分布,对样本进行相关的处理,忽略了利用样本的周期特性和数据分布对样本进行相关处理的改进空间.因此,本文分析样本历史数据的噪音,通过引入高斯过程机器学习方法,提出基于周期样本的高斯过程机器学习方法,通过采用复合核函数,实现了网络主动监控中的基线计算.首先对＂周期数据＂进行聚类处理,同时将核函数拆分为全局核函数部分和局部核函数部分,使用聚类点训练全局核函数部分;使用局部点训练局部核函数.通过实验,与其它算法相比大大提高了效率,而且保证了近似的准确性.最终保障网络安全、提升网络性能和用户满意度.     

非对称双环神经网络系统的稳定性和Hopf分岔

环型结构在神经网络中普遍存在,目前对环型神经动力学分岔研究大多数局限于单环情形.值得注意的是,神经网络由成千上万个神经元耦合而成,这些复杂的神经元网络结构不可能只由一个环形结构来准确表述,因此研究具多环拓扑的神经网络模型更具实际意义.本文提出了一种非对称双环神经元网络模型,选择单环的时滞和为分岔参数,分析了双环模型的稳定性和Hopf分岔.最后给出数值仿真对结论进行了验证.     

轮式机械滚动阻力消耗功率的计算

分析了轮式机械滚动阻力消耗功率计算中驱动轮和从动轮之间的差异,给出了一般计算公式,为轮式机械的设计提供了参考。     

考虑消费者环境偏好的闭环供应链奖惩与补贴机制研究

考虑消费者具有环境偏好差异,构建分散决策下无政府机制、基于产品环保度的奖惩机制、基于废品回收量的补贴机制以及基于奖惩与补贴双机制下的闭环供应链Stackelberg博弈模型,求解模型得出产品的零售价、回收价等决策变量。研究表明:当无政府介入市场时,采取不同闭环供应链战略的企业专注各自的细分市场,定价策略很大程度受消费者环境偏好影响。与无政府机制相比,奖惩与补贴双机制下主动回收的制造商利润增加,不回收的制造商利润减少,但产品环保总量和废品回收量增加,说明奖惩与补贴机制能有效引导制造商的回收积极性,并有利于整个环境的环保,同时,零售商与回收商利润的增加也促使他们积极地参与闭环供应链,从而使得整个闭环供应链得以协调。     

W13-6油田储层敏感性预测及油层保护建议

由于钻井方式的选择原因,在W13-6油田新开发井区无法获取岩心,导致无法使用开发试验的方法进行储层敏感性评价工作。针对W13-6油田典型的砂岩、低渗透油藏的地质特征,利用敏感性预测软件进行W13-6油田储层段的敏感性预测并进行储层损害机理研究,结合周边井区的岩石矿物学资料进行分析评价,最终确定W13-6油田为强速敏、强应力敏、有水敏类型地层。开发过程中应控制注入速度,控制注入水矿化度大于36552.5mg/L,并注意及时补充地层能量。     

汽轮要叶片样板设计

就汽轮机动、静叶片型线样板的设计规范、规则、方法及特殊要求做了详细的论述，同时对变截面叶片的成形规律及判别方法进行了介绍。     

机理和数据混合驱动的RH脱碳建模方法

RH精炼是冶炼超低碳钢的重要工序之一，其中碳含量的控制尤为重要。为提高RH脱碳模型计算的精准度和应用的泛化性，提出一种机理和数据混合驱动的RH脱碳模型构建方法。首先，为更贴近实际生产过程的吹氧操作，采用即时学习算法预测RH脱碳过程的吹氧量；然后，针对脱碳方程中不同地点的脱碳量引入权值参数，结合历史数据通过即时学习算法确定参数值；最后，将权值参数代入脱碳机理模型，实现机理和数据混合驱动的碳含量预测。相较于传统机理模型，机理和数据混合驱动的RH脱碳模型具有更高的预测精度，吹氧量预测误差在±10 m³以内的命中率为89%;碳质量分数预测误差在±5×10^-6以内的命中率为100%,误差在±3×10^-6以内的命中率为78%,模型可为现场操作人员提供参考。