基于IIGA-BP神经网络的钢材销售预测模型

为克服传统BP神经网络(BP Neural Network,BPNN)在销售预测中,预测精度低、收敛速度慢的缺点.提出了一种基于改进免疫遗传算法(Improved Immune Genetic Algorithm,IIGA)优化BP神经网络的销售预测模型.改进的免疫遗传算法提出了新的种群初始化方式、抗体浓度的调节机制及自适应交叉算子、变异算子的设计方法,有效的提高了IIGA的收敛能力和寻优能力.并用IIGA优化BPNN的初始权值和阈值,改善网络参数的随机性导致BPNN输出不稳定和易陷入局部极值的缺点.以某钢铁企业的历史销售数据为例进行实证研究,利用Matlab分别构建BP、IGA-BP和IIGA-BP神经网络预测模型进行仿真对比分析.实验证明,IIGA-BP神经网络预测模型较BP神经网络预测模型预测精度提高了23.82％,较IGA-BP神经网络预测模型预测精度提高了22.02％.IIGA-BP神经网络模型对钢材销售预测的泛化性能更好,预测效果更稳定误差基本保持在[0.25,0.25]之间,预测精度大幅度提高,为企业销售预测提供了一种较为有效的方法.     

基于t-SNE降维预处理的网络流量异常检测

网络流量中大多数流量都是正常的,但经常会出现偏离正常范围的异常流量,主要由DDOS攻击、渗透攻击等恶意的网络行为引起,这些异常行为通常会导致网络质量下降,甚至网络直接瘫痪。因此引入网络安全态势的预测,在仅知道正常网络流量的情况下判断网络中的异常。异常检测是一种网络安全态势的预测方法,用来判断网络中是否有异常。现有的异常检测算法由于无法准确提取网络数据包的低维特征导致算法的性能不佳,因此,需要找到网络数据包的准确的低维特征表示,该低维特征表示能够区分网络数据包是正常的还是有攻击的。为此,本文引入基于t-SNE降维的NLOF异常检测算法。该算法采用t-SNE算法自动预处理网络数据包以获得低维的网络数据包特征,之后将得到的低维的网络数据包特征作为NLOF算法的输入进行异常检测。其中,本文的NLOF算法首先采用k-means算法将网络数据包聚类成为K个簇,并将网络数据包数量小于N个的簇标记为异常簇,之后将未被标记为异常簇的网络数据包作为LOF算法的输入进行异常检测。在ISCX2012数据集上的实验结果表明,基于t-SNE降维的LOF算法达到最优性能时,准确率为98.46%,精确度为98.38%,检测率为98.54%,FAR为0.66%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.18个百分点、0.02个百分点和0.01个百分点。基于t-SNE降维的NLOF算法达到最优性能时,准确率为98.53%,精确度为98.86%,检测率为98.86%,FAR为0.32%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.25个百分点、0.34个百分点和0.41个百分点。这是异常检测中首次采用t-SNE算法自动提取低维的网络数据包特征。此外,LOF算法仅能捕获异常点,而本文的NLOF算法能够同时捕获异常点和异常簇。     

基于溶液图像时序特征的元素组分含量动态监测系统

针对稀土萃取过程中组分含量难以实时监测以及现有组分含量检测方法耗时、耗内存的现状,设计了一种基于溶液图像时序特征的元素组分含量动态监测系统。首先使用图像采集装置获取萃取槽体溶液的时序图像,考虑萃取液颜色特性和单一颜色空间的不全面性,采用主成分分析（PCA）方法在HSI和YUV融合的颜色空间提取图像的时序特征,并结合生产指标构造基于鲸鱼优化算法（WOA）的最小二乘支持向量机（LSSVM）分类器来对工况状态进行判断。然后当工况处于非最佳状态时,在HSV颜色空间对图像提取颜色直方图和颜色矩特征,并开发以溶液图像间的混合特征差值的线性加权值为相似度度量的图像检索系统,从而获取组分含量值。最后进行镨/钕萃取槽体混合溶液测试,结果表明该系统能够实现元素组分含量的动态监测。     

面向领域建模的信息系统构件识别方法研究

近年来企业的业务操作和流程日趋复杂化,信息系统（IS）却无法快速适应外部业务流程发生的巨大变化,提高软件复用效率是解决该难题的关键。作为软件复用的关键技术,构件识别一直是基于构件的信息系统开发方法（CBSD）的研究热点与难点。结合实际情况及相关理论与技术基础提出了完整的面向领域建模的信息系统构件识别方法,该方法具体包括基于模糊形式概念分析（FFCA）的信息系统构件识别模型以及基于图熵的业务构件识别有效性检验过程。通过该构件识别方法,识别出行业通用的符合高内聚、低耦合以及粒度适宜特征的业务构件,可以迅速应对外部需求变化引起的软件内部业务逻辑发生的改变。以A公司物资管理流程为例,验证了所提出的信息系统构建识别方法。     

基于IGWO-BP的SCR脱硝效率软测量模型

针对电厂SCR脱硝装置运行参数多且相互高度耦合,脱硝效率定量描述困难,以及传统BP网络存在的问题,提出一种基于IGWO-BP的脱硝效率软测量模型;该方法将基于主成分分析后的降维数据作为输入变量,采用改进灰狼算法对BP网络初始权值、阈值进行优化,利用优化后的网络对脱硝效率进行预测;该模型已成功应用于大唐洛河发电厂6号机组脱硝装置,结果表明:实际脱硝效率平均绝对百分比误差为2.31％,较传统BP算法与IGWO-BP算法分别降低48.92％和21.69％,具有更高的预测精度.     

一种面向水下传感器网络的监测系统设计方法

当前水下监测系统缺乏统一的开发规范,软件可复用性低,难以快速、高效地进行系统设计与实现;提出了基于水下传感器网络的监测系统设计方法,将系统结构分为观测平台、本地观测服务器、数据服务器,从数据获取、数据管理、数据展示方面给出了软件的总体开发流程,并提出了统一的软件数据模型和软件开发模型;在数据模型中,对监测元数据以及监测数据进行规范化描述;在软件开发模型中,构建了可扩展的功能组件库,通过对组件进行配置,可快速生成满足用户需求的监测系统;通过在不同的应用开发中进行验证,证明该方法能够在保证系统质量的前提下,显著提高开发效率.     

基于大数据的产品族本体造型意象挖掘方法研究

为提升产品造型意象成族的准确性,增强感性工学研究中意象词汇提取的规范性和知识重用性。 首先从同族、泛族、异族的概念切入,对目标产品族的造型意象本体进行了定义;再借助 word2vec 工具和主 成分分析法(PCA)分别完成了对产品族意象词汇的关联性联想和降维提取,从而构建了意象词汇挖掘机制,通 过此机制可以辅助设计师利用网络大数据资源更高效、准确地进行目标产品意象的挖掘,一定程度上解决了传 统感性工学在意象挖掘方法中模糊性。最后结合意象词汇与造型特征的映射关系,利用 Protege 工具构建了产 品族造型意象的本体模型,对目标产品的造型意象知识进行了逻辑化表征,为下一代产品继承并发展原产品族 造型意象提供参考。以马自达 MX-5 车系的造型意象为例构建了本体模型,并进行了子代产品前脸的概念设计。     

应对长江口咸潮入侵的临界流量经验模型研究

1994年以来,长江口咸潮入侵严重威胁当地供水安全,随着长江上游水库群陆续建成,有关部门提出了通过上游水库群压咸调度保障长江口地区供水安全的方案。为明确压咸调度的目标流量(即临界流量),基于统计分析的方法,采用多元回归分析和主成分分析方法,选取实测站点数据建立了盐度-潮差-入海流量的相关关系统计模型,研究了咸潮发生的机理;通过模型分析多次咸潮入侵数据,确定临界流量为一个变化值,潮差290～335 cm下的临界流量在9 390～21 633 m³/s之间。研究表明,当长江口咸潮入侵时,单独依靠长江上游水库调度压咸所需的流量大,响应时间长,压咸效果不明显。因此,实际压咸调度应通过流域整体调度与本地蓄淡避咸水库共同作用应对咸潮入侵。     

深圳市近20 a水资源及其利用状况分析

根据1995—2017年深圳市水资源公报资料,分析了深圳市近20 a来的降水量、地表水资源量、用水量、用水结构、用水指标和废污水排放量变化情况,并与国内主要大城市进行比较。在此基础上,利用主成分分析法,把影响深圳市水资源承载力的13项主要指标归纳为2个独立的主成分,对深圳市水资源承载力进行了综合评价。结果表明:近20 a来,深圳市用水量急速上升,年均增长率4.64%;用水构成中以城市居民生活用水占比最高,所占比例多年均值为35.76%,工业用水或公共用水次之,其他用水最少;万元GDP用水量减少了89.3%,万元工业增加值用水量减少了85.5%;水资源承载力持续上升,水资源承载力水平受水资源开发利用水平及社会经济发展程度的影响更大,受本地水资源量的影响较小。深圳市短期内可通过建设新的引水工程解决供水矛盾,但从长期来看,更应积极优化用水结构、加快产业升级、充分挖掘城市节水潜力。研究成果可为深圳市水资源保护利用和管理决策提供参考。     

油气管道特殊部件的漏磁检测信号特征分析

针对油气管道特殊部件的结构特点,分析了管道磁化后产生的磁场特征.基于管道漏磁内检测原理及麦克斯韦方程,采用Comsol有限元仿真软件对管道特殊部件与缺陷进行仿真,以漏磁信号轴向分量B_x所占的通道个数、B_x正负峰值出现的先后顺序、B_x幅值以及轴向长度作为分析判别管道特殊部件与缺陷的依据,对管道特殊部件上存在缺陷的整体漏磁信号B_x分量进行特征分析,缺陷信号B_x在补板信号B_x内侧且极性相反时视为补板缺陷.结果表明,该方法在判别管道特殊部件存在缺陷方面具有一定的可行性.