基于两阶段分布鲁棒优化的列车停站方案与时刻表协同研究

列车停站方案与列车时刻表协同优化能够克服两者单独优化难以实现系统最优的弊端,从而可以得到旅客满意和企业期望的运营方案.首先,针对多场景不确定旅客需求概率分布信息已知的情形,综合考虑轨道与车站站线占用等约束,以极小化列车总行程时间、各场景未被满足旅客需求以及列车冗余之和为目标,构建列车停站方案与时刻表两阶段随机规划模型.在此基础上,进一步考虑旅客需求场景概率分布信息部分已知的情形,构建与之相对应的两阶段分布鲁棒优化模型.其次,借助L∞范数非精确集,将所构建的列车停站方案与时刻表两阶段分布鲁棒协同优化模型转换为等价的混合整数线性规划模型,并利用Visual C++平台调用GUROBI进行求解.最后,将所构建模型应用到武汉-广州高速铁路走廊上验证其有效性,结果表明,相比于随机优化模型,分布鲁棒优化模型只需付出较小的代价,即可抵御旅客需求概率分布不确定性带来的影响,且可以改善最坏情形下解的质量,为得到鲁棒性较强的铁路列车停站方案与时刻表提供一定的理论依据.     

Rumor detection with self-supervised learning on texts and social graph

Rumor detection has become an emerging and active research field in recent years. At the core is to model the rumor characteristics inherent in rich information, such as propagation patterns in social network and semantic patterns in post content, and differentiate them from the truth. However, existing works on rumor detection fall short in modeling heterogeneous information, either using one single information source only (e.g., social network, or post content) or ignoring the relations among multiple sources (e.g., fusing social and content features via simple concatenation).Therefore, they possibly have drawbacks in comprehensively understanding the rumors, and detecting them accurately. In this work, we explore contrastive self-supervised learning on heterogeneous information sources, so as to reveal their relations and characterize rumors better. Technically, we supplement the main supervised task of detection with an auxiliary self-supervised task, which enriches post representations via post self-discrimination.Specifically, given two heterogeneous views of a post (i.e., representations encoding social patterns and semantic patterns), the discrimination is done by maximizing the mutual information between different views of the same post compared to that of other posts. We devise cluster-wise and instance-wise approaches to generate the views and conduct the discrimination, considering different relations of information sources. We term this framework as self-supervised rumor detection (SRD). Extensive experiments on three real-world datasets validate the effectiveness of SRD for automatic rumor detection on social media.     

一种针对TomcatFilter型的MemShell检测技术研究

近些年来,随着计算机技术的不断发展和应用,Web应用技术也在快速更迭,与其一起发展的还有木马后门技术,但传统的木马后门技术已经不能满足攻击者的需求,因而基于内存攻击的方式不断涌现,包括powershell内存载入攻击、.NET assembly托管代码注入攻击以及内存马(Memory WebShell,MemShell)攻击等,这些攻击方式为现有的安全防御检测机制带来了极大的挑战。因而业界对面向解决基于内存的攻击尤其是内存马的攻击展现出了强烈的需求。但当前业内针对内存马的检测能力较弱,学术界也缺乏对该领域的研究工作,所以本文提出了一种针对Tomcat Filter型的内存马检测方法。通过研究发现,内存马其最核心技术便是无文件(Fileless)及不落地(Living off the Land),但尽管如此,内存马最终会在内存中展现其功能并执行命令,所以内存是所有威胁的交汇点,因此本文将Java虚拟机(Java Virtual Machine,JVM)作为起始点,首先利用JVM内存扫描技术遍历出JVM内存中加载的所有Filter类型对象,但需要注意的是这些对象并非都是有威胁的,并且每一个对象都具有一定的特征,所以可以对这些特征通过人工经验进行分类并且筛选出具有代表性的特征向量,然后获取每一个Filter类型对象的所有代表特征向量,并根据特征向量的值梳理出异常表现序列;最后,利用朴素贝叶斯算法将大量正常和异常的Filter对象的异常表现序列作为训练样本,计算出对应项的条件概率并形成贝叶斯分类器。利用训练出的贝叶斯分类器就可以构建出一个内存马检测模型,该模型能够有效得针对该类型的内存马进行检测。实验结果表明,本文提出的方法针对Tomcat Filter型内存马的检测,实现了零误报率和94.07%的召回率。     

基于BFGS信赖域算法的电-气综合能源系统能流计算

电-气综合能源系统能流计算的计算方法多为牛顿法,具有初值敏感性问题,若初值选取不当会造成计算不收敛。现有研究中天然气系统(natural gas system, NGS)的计算初值选取问题还未有适用的解决方法。从能流算法方面入手,提出基于BFGS信赖域算法的电-气综合能源系统能流计算方法,利用BFGS(Broyden-Fletcher-Goldfarb-Shanno)信赖域算法对初值依赖性不高特点,求取NGS的能流分布,解决使用Newton法进行计算时潮流计算容易不收敛的问题。基于6节点天然气系统和19节点电-气综合能源系统的算例,验证了方法的准确性和有效性     

基于低频电磁的铁磁管道内壁缺陷重构方法

利用低频电磁的方法对铁磁管道内壁缺陷进行检测及轮廓重构是当前的一个热点问题。然而,低频电磁方法检测到的漏磁信号是周期性变化的,不便于缺陷信息的提取,并且被检测管道的长度、管径和原始壁厚的不同会严重干扰检测结果。因此,本文首先建立了低频磁场下管道内壁缺陷的二维有限元检测模型。其次通过计算漏磁信号与线圈电流比值,消除了漏磁信号的周期性变化给检测带来的不便。然后通过对的预处理,有效减少管道长度、管径和原始壁厚的不同对缺陷轮廓重构结果的影响。最后,基于高斯过程回归算法建立预处理信号与缺陷轮廓的回归模型,实现了缺陷轮廓重构。仿真结果中,针对长度、管径和原始壁厚各异的铁磁管道,所重构轮廓的均方根误差在0.17mm左右,表明该方法能够准确的重构出内壁缺陷轮廓。     

基于Vine Copula的短期径流预报不确定性分析

定量分析短期径流预报序列的不确定性特征,对于提高水库短期运行计划的可靠性具有重要意义。针对常用多元椭圆Copula或阿基米德Copula难以有效刻画短期径流预报不确定性特征的问题,本文引入了Vine Copula对不同径流量级及不同预见期下预报不确定性进行定量评估,进而分析了先验信息对于后续时段预报不确定性的影响。以雅砻江流域锦西水库为例进行验证,结果表明：相较于传统多元Copula函数,Vine Copula构建的相对预报误差联合分布均能通过假设检验且拟合效果最好,模拟结果的统计量与实测数据相差较小;通过利用调度期内已经发生的相对预报误差信息,可以有效减小后续时段相对预报误差期望值及90%置信水平分位距,降低预报的不确定性。     

硫酸盐干湿循环下带冷缝混凝土能量演化研究北大核心CSCD

为探究硫酸盐干湿循环作用下带冷缝混凝土受荷作用时的能量演化规律,制作了整浇和浇筑间隔0.25 d、0.5 d、1 d、7 d和28 d的带冷缝混凝土,基于单轴压缩实验及能量计算原理,研究了硫酸盐干湿循环对带冷缝混凝土强度和能量演化规律的影响。结果表明:带冷缝混凝土强度及损伤应力和峰值应力处弹性应变能与耗散能均随干湿循环呈先增大后减小的趋势,随着新混凝土与母体浇筑间隔的增加呈现减小的趋势;随着干湿循环次数的增加,损伤应力处储能水平Kad先减小后增加,说明损伤应力处储能水平越高,带冷缝混凝土越容易产生损伤,Kad可以作为混凝土破坏的预警指标。     

纤维与水泥基体黏结性能及影响因素研究北大核心CSCD

纤维混凝土的韧性来源于纤维的桥接作用,而桥接作用的核心问题是纤维与水泥基体的黏结性能。为了探究纤维对混凝土的增韧机理,本文开展了不同养护龄期(0~28 d)、拔出速率(1~30 mm/min)、纤维锚固长度(10~60 mm)以及粉煤灰掺量(0~30%)下聚丙烯纤维水泥基砂浆的单根纤维拔出试验(single fiber pull-out test,SFPT),基于能量耗散原理和试验数据,建立了聚丙烯纤维水泥基砂浆韧性指数与纤维拔出过程中吸能指数的数学关系,提出了基于广义灰色关联理论的界面黏结强度影响因素计算分析方法。研究结果表明:随着养护龄期、拔出速率和纤维锚固长度的增加,聚丙烯纤维水泥基体界面黏结强度均逐渐增大,但纤维的韧性指数在养护18 h时较佳,拔出速率6 mm/min、锚固长度20 mm时最佳。当粉煤灰掺量为20%左右,纤维-水泥基体界面黏结性能最佳。并基于广义灰色关联分析法,阐明了四种因素与界面黏结强度的数学关联,研究成果可以为纤维水泥基砂浆的设计与应用提供理论支撑。     

考虑响应程度反馈和昼夜充电分布的公交车站双阶段响应模型

大规模电动公交车充电负荷接入电网导致负荷峰值攀升,电网安全性和经济性下降,为此提出了一种考虑响应程度反馈和昼夜充电分布的双阶段充电响应模型。建立了电动公交车双阶段充电负荷模型,基于电动公交车的排班模型确定调控时段,并将各调控时段的充电状态作为控制变量;提出了行程裕度系数的概念,将电动公交车的充电需求分配到夜间和白天,实现双阶段充电;制定了基于响应程度的削峰响应分段激励结算机制,依据响应系数将响应分为欠响应、有效响应、过响应,并通过惩罚系数和饱和系数引导公交车站实现有效响应;在此基础上,建立了电动公交车夜间-日间双阶段充电响应模型,以单位电量净支出作为指标实现公交车站效益最大化;基于粒子群优化算法,通过定义约束偏离程度函数,给出了带约束条件的优化策略。通过仿真验证了所提策略能可靠完成响应任务,电动公交车的单位电量净支出大幅下降,且电网的响应经济负担较固定激励方式更轻。     

光储直流微网混合储能控制策略研究

混合储能相较于单一储能可以更好地解决微电网电压、频率波动等问题。为了充分利用混合储能系统的优势,使各储能电池优势互补,并考虑到储能变换器弱阻尼、低惯性的特点,提出了基于虚拟直流发电机控制的混合储能单元分频控制策略。该控制策略在混合储能单元分频控制的基础上,对功率密度电池储能变换器采用虚拟直流发电机控制,以增大功率密度型储能的阻尼和惯性,提升直流母线电压的动态稳定性。为验证其有效性,在微源变化和负荷波动2种工况下与传统下垂控制进行仿真对比分析,结果表明所提策略可使母线电压的波动范围限制在±0.75%以内,增强了系统的鲁棒性和稳定性并优化了储能单元的充放电性能。