Project-based mechanisms for emissions reductions: balancing trade-offs with baselines

Project-based mechanisms for emissions reductions credits, like the Clean Development Mechanism, pose important challenges for policy design because of several inherent characteristics. Participation is voluntary, so it will not occur without sufficient credits. Evaluating reductions requires assigning an emissions baseline for a counterfactual that cannot be measured. Some investments have both economic and environmental benefits and might occur anyway. Uncertainty surrounds both emissions and investment returns, and parties to the project are likely to have more information than the certifying authority. The certifying agent is limited in its ability to design a contract that would reveal investment intentions. As a result, rules for benchmarking emissions may be systematically biased to overallocate, and they also risk creating inefficient investment incentives. This paper evaluates, in a situation with asymmetric information, the efficacy of the main baseline rules currently under consideration: historical emissions, an average industry emissions standard, and expected emissions.     

灰色理论的位移传感器标定不确定度评定

硅晶元等高精度平面度测量时,为提高测量可信性,对所用位移传感器标定已成为业界常规。本研究针对用于基于逐次两点法(STPM)测量硅平面的两电容式位移传感器2804/3890 J设计了一种压电陶瓷标定系统,实现其标定间隔达到8nm/1 mV,提高了标定的精确度。建立基于灰色理论的GM(0,2)系统数学模型,确立待标定传感器测量结果的回归模型,以得到传感器特性的最佳估计,并确定其联合不确定度,得到被标传感器的测量不确定度的最佳评估。与传统回归模型比较,得出GM(0,2)模型具有很好的精度,满足要求。通过STPM测量过程的模拟,得到用此传感器实施的STPM测量的测量精度约为56 nm(λ=20 nm)。     

无线传感器网络簇内实时数据融合研究

现有的无线传感器网络数据融合技术存在数据延迟和数据正确性两方面的问题。针对该问题设计一种基于簇内实时数据融合的方法．该方法首先通过量化计算将数据划分为紧急数据和非紧急数据并作标记,将紧急数据迅速融合传给用户以提高实时性。在融合过程中引入传感器测量修正并结合关系矩阵法对数据进行相应的融合处理．然后对融合结果进行分析并进行反馈调整。仿真实验结果表明．该方法能够提高簇内实时数据融合正确性并且降低数据延迟．     

基于DWT的水印嵌入规则性能研究

在数字水印研究中,一个重要的问题是水印的不可见性与鲁棒性之间的折中。根据实际应用,数字水印的嵌入规则主要有乘性规则、加性规则和一种区域融合嵌入规则。本文主要从数字水印的抗攻击性方面,结合不同的嵌入规则,对各种常见图像攻击进行测试,在检测不同嵌入规则性能优劣的同时,为水印方法的选择与应用,提供指导和参考,以达到最佳的使用目的。     

考虑多样化需求的诊疗设备维护和患者调度联合优化研究

针对诊疗设备维护和住院患者候诊难以有效协调的问题,建立了联合优化模型。首先,假设设备具有离散的劣化状态,将设备的劣化过程建模为连续时间马尔可夫链;其次,考虑到患者对诊疗设备的不同功能频率需求,以及不同劣化状态对患者治疗时间、费用的影响,以患者就诊顺序、检查策略、修复策略为决策变量建立了设备维护和患者调度模型;最后,采用改进后的非支配排序遗传算法对多目标问题进行了求解。实验结果验证了设备维护与患者调度联合优化模型的有效性。改进后的算法提高了整体和局部的搜索能力,且具有鲁棒性。     

单幅图像去雨算法研究现状及展望

图像去雨算法通过对有雨图像进行分析和处理从而去除雨水条纹,恢复干净的背景场景,有助于提升计算机视觉任务识别精度,因此成为当下的研究热点。为系统地了解该领域的研究现状和发展趋势,首先介绍了典型的雨水合成模型,其次从基于模型驱动和基于数据驱动两个方面重点分析了典型图像去雨算法模型和方法;之后比较了去雨图像质量评价指标及雨水数据集;最后,对单幅图像去雨算法未来发展趋势进行了展望。     

Real-time integrated production-scheduling and maintenance-planning in a flexible job shop with machine deterioration and condition-based maintenance

The introduction of modern technologies in manufacturing is contributing to the emergence of smart (and data-driven) manufacturing systems, known as Industry 4.0. The benefits of adopting such technologies can be fully utilized by presenting optimization models in every step of the decision-making process. This includes the optimization of maintenance plans and production schedules, which are two essential aspects of any manufacturing process. In this paper, we consider the real-time joint optimization of maintenance planning and production scheduling in smart manufacturing systems. We have considered a flexible job shop production layout and addressed several issues that usually take place in practice. The addressed issues are: new job arrivals, unexpected due date changes, machine degradation, random breakdowns, minimal repairs, and condition-based maintenance (CBM). We have proposed a real-time optimization-based system that utilizes a modified hybrid genetic algorithm, an integrated proactive-reactive optimization model, and hybrid rescheduling policies. A set of modified benchmark problems is used to test the proposed system by comparing its performance to several other optimization algorithms and methods used in practice. The results show the superiority of the proposed system for solving the problem under study. The results also emphasize the importance of the quality of the generated baseline plans (i.e., initial integrated plans), the use of hybrid rescheduling policies, and the importance of rescheduling times (i.e., reaction times) for cost savings.     

众筹项目推荐:面向隐式反馈的深度学习协同过滤

目前,在推荐系统研究中,用户的隐式反馈,以及极度稀疏的数据,已成为影响协同过滤推荐效果的主要问题.针对这一现象,本文提出了深度学习协同过滤算法,先利用卷积神经网络,对用户-项目矩阵的隐层特征进行学习,再结合协同过滤,对用户-项目的交互信息进行建模,并将两种特征融合预测推荐列表.以众筹平台的数据为实验对象,比较模型中各参数对推荐效果的影响,并设计与基线方法的对比实验.实验结果表明:均匀采集负反馈,并在一定卷积层数的网络中,数据稀疏度越高,效果越好;对比基线方法,本文提出的算法在公开数据集(Yahoo!Movie)上取得了最好的推荐结果.本文提出的算法有助于提高众筹平台的融资成功率,同时也丰富了推荐系统的研究体系.     

一种时空注意力网络的交通预测模型

交通预测在智能交通中有着重要的意义和应用.由于交通数据的复杂性和高度的非线性,精确的交通预测的核心挑战在于如何对复杂的空间相关性和时间动态建立模型.在现实生活中,我们发现:1)区域间的空间依赖是动态的;2)时间依赖有日和周的模式,但由于有动态时间变化,它不具有严格周期性.为了解决这两个问题,我们提出了一个新的时空注意力网络(STAN),该模型的主要思想是区域间的动态相似性用一个门控机制学习,长期周期性时间转移现象由一个周期性注意力转移机制来学习,并考虑交通道路、天气状况等外部因素.通过与不同的方法在两个数据集上进行评估,实验结果表明,我们提出的模型有更好的准确性.     

基于DSP驱动的可配置化COG显示控制方法

应用COG在降低基于单片机控制系统的人机交互成本同时,也使人机交互的编程复杂性加大,提出一种基于DSP驱动的可配置化COG界面显示控制方法;探讨了DSP驱动COG显示的意义及其实现原理,论述了方法中COG显示词汇信息库和页面信息库的可组态化组织方式,给出了父子页面和兄弟页面之间的切换原理,以两个信息库为基础,设计通用的驱动引擎来控制显示界面,实现人机交互的可配置化;最后以电动执行机构人机交互的实现为实例,进一步说明提出的可配置化COG显示控制方法的可行性和实用性。