考虑大气沉降的湖库分区动态水环境容量精细解析

针对面源污染为主的湖库型流域,为建立水质目标管理与污染总量控制之间更精准的响应关系,借鉴日最大负荷总量模式,基于物质量平衡原理提出考虑径流丰枯变化、不均匀混合、大气沉降等影响因素的湖库分区动态水环境容量精细解析方法,包括污染混合区设置、代表水文系列确定、逐日分区水量水质计算。以沙河水库为例,分别以全湖Ⅱ类、主湖Ⅱ类作为水质管理目标,采用2010—2015年代表水文系列对总氮动态水环境容量进行精细解析。结果表明：全湖Ⅱ类、主湖Ⅱ类水质管理目标下沙河水库总氮水环境容量的多年均值分别为36.7 t和99.43 t,若不考虑湖滨混合区,全湖Ⅱ类水质目标下总氮的年水环境容量计算值偏大66.43%;实施水质目标管理的水域面积越大,大气沉降对水环境容量的影响越大;径流年际及年内丰枯变化对水环境容量的影响显著;各分区总氮控制总量占全流域总量的比例与面积比基本一致。湖库分区动态水环境容量精细解析可量化不同因素对水环境容量计算结果的影响,科学解析面源输入型湖库水环境容量的时空结构特征,实现水质目标管理与污染总量分区管控的有机联动,更好地支撑流域水环境的精细化管理。     

LSTM变体模型在径流预测中的性能及其可解释性

基于湘江流域1999—2013年实测水文气象数据,采用LSTM模型和其变体模型研究多个预见期下不同输入变量和不同模型结构对径流预测结果的影响,评估LSTM模型及其变体模型在短期径流预测中的性能,基于排列重要性法和积分梯度法探究了LSTM模型对流域径流预测的可解释性。结果表明：在历史径流输入数据的基础上增加有效的水文气象变量输入,可以明显改善模型的预测效果,输入变量的改变比模型结构的差异对预测结果的影响更大;随着预见期的增大,降水数据的加入对预测效果表现出不同程度的提升,预见期为1 d时,预测结果的纳什效率系数(NSE)提升2.0%,预见期为2～4 d时,NSE提升可达13.6%;降水和历史径流在预测中起着重要的作用,而前期湿润条件与降水事件的共同作用是湘江流域洪水的主要诱发因素;LSTM模型可反映两种不同的输入输出关系,这两种关系对应于近期降雨和历史降雨两种洪水诱发机制。     

基于PLS-GWO-SVR水质预测模型在水污染事件中的应用研究

针对水源地水污染事件应急的难题,采用先进计算方法和技术,开展水质预测模型技术研究,为水源地水污染事件处理方法的建立提供技术支撑,有效防止水污染事件的发生,减少事故发生造成的危害。通过对秦皇岛地表水饮用水源地桃林口水库的统计数据分析,针对桃林口水库水体环境内源影响因子设计了PLS-GWO-SVR水质预测模型,实现对总氮的短期预测。     

气候变化背景下流域生态需水预估−以好溪流域为例

为探究未来气候变化对流域生态需水量的影响,保障河流生态需水量,针对好溪流域进行生态需水量计算 及预测。基于好溪流域气象数据及下垫面条件建立流域生态需水模型,并根据 GF1-WFV 遥感影像数据订正后的 地表反射率和作物种植结构提升模型模拟精度。选择 CanESM2气候模式下的 RCP2.6、RCP4.5 和 RCP8.5 这 3 种 排放情景,建立气候变化背景下流域生态需水预测方法,计算现状年并预测未来年份的生态需水量及生态需水保 障程度。结果表明,基于光学遥感影像进行数据订正后,模型模拟精度有所提升,率定期的模型精度 R2从 0.80 提 升为 0.85,验证期的 R2从 0.75 提升至 0.78。应用提升精度后的模型进行生态需水预测,在 RCP2.6、RCP4.5 和 RCP8.5 情景下,2025—2100 年的年均生态需水分别增加了 0.27 亿、0.21 亿和 0.29 亿 m3,其中 RCP8.5 情景下生态 需水保障程度最高,RCP4.5 情景下生态需水保障程度最低。     

基于多通道Transformer的交通量预测方法

目前,我国高速公路拥堵程度居高不下,而交通流预测作为实现智能交通系统的重要一环,若能对其实现高精度的预测,那么将能够高效地管理交通,从而缓解拥堵。针对该问题,提出了一种考虑时空关联的多通道交通流预测方法（MCST-Transformer）。首先,将Transformer结构用于不同数据的内在规律提取,然后引入空间关联模块对不同数据间的关联特征进行挖掘,最后,借助通道注意力整合优化全局信息。采用广东省高速公路数据,实现了两小时内92个收费站的高精度流量预测。结果表明：MCST-Transformer优于传统机器学习方法以及部分基于注意力机制的时间序列模型,在120 min预测跨度下,相比贝叶斯回归,MAPE降低了5.1%;对比Seq2Seq-Att以及Seq2Seq这些深度学习算法,所提方法的总体MAPE也能降低0.5%,说明通过多通道的方式能够区分不同数据的特性,进而更好地预测。     

基于自适应MSB与差值预测的大容量密文域可逆信息隐藏算法

为提高密文域可逆信息隐藏（reversible data hiding in encrypted images,RDH-EI）的嵌入容量,提出了一种基于自适应MSB（most significant bit）与差值预测的RDH-EI方案。首先将图像进行分块,然后进行块级加密和置乱以抵抗对于加密图像的分析。在嵌入数据阶段,对于自适应MSB预测的方法进行改进,将没有嵌入数据的块,利用部分块内像素之间差值很小的特点采用自适应差值预测的方法嵌入数据,以块中左上角像素为目标像素,用于预测其他像素从而腾出更多的嵌入空间。实验结果表明,所提方法具有可逆性和可分离性,并且在自适应MSB预测方法的基础上进一步提高了嵌入容量,对于512×512大小的灰度图像,平均嵌入容量提高了大约7 445 bit。     

移动群智感知中基于联邦学习的参与者选择机制

移动群智感知的发展使得一些任务收集的数据量过大,需要在不接收参与者原始数据的情况下评估数据质量并进行参与者选择。针对这一问题,提出一种基于联邦学习的移动群智感知参与者选择机制。考虑参与者智能终端资源水平、所处交互状态构建参与者智能终端资源评价机制,提出基于线性回归和长短期记忆网络的智能终端资源预测模型。通过预训练测试模型,评估参与者提供的数据质量,结合历史任务完成情况建立参与者信誉评价模型,实现对参与者的动态评价选择。仿真实验结果表明,所提的参与者选择机制在任务完成质量、能量消耗、通信轮数及任务完成时间等多方面体现出较好的性能。     

面向交通流量预测的多头注意力时空卷积图网络模型

为了充分获取交通流量数据中隐藏的复杂动态时空相关性,提高交通流量预测精度,提出一种多头注意力时空卷积图网络模型MASCGN。首先,采用多头注意力机制为路网中的交通传感器节点自动分配注意力权重,实现对不同邻居节点的权值自适应匹配,充分获取空间相关性;其次,采用带有门控和注意力机制的时空卷积网络充分提取时间序列相关性,并使用残差块结构实现时空卷积层之间的连接,使得模型更具有泛化能力;最后,分别提取周相关、日相关、邻近时间的序列数据,输入三个并行的时空组件以挖掘周、日、邻近三个时间窗口间的时间周期相关性,并通过全连接层获取最终的交通流量预测结果。利用高速公路交通数据集PEMSO4、PEMSO8进行了15 min、30 min、45 min和60 min的交通流量预测实验。实验结果表明MASCGN模型与现有基线模型相比,在未来短期和长期的交通流量预测任务上都具有更优的建模能力。     

云环境下基于动态滑动窗口多通道Bi-LSTM的虚拟机故障预测模型

针对点值预测方法预测虚拟机故障,未充分利用虚拟机历史周期特征和上下文信息、预测准确率不高的问题,提出了一种动态滑动窗口多通道Bi-LSTM的虚拟机故障预测模型。该模型首先利用动态滑动窗口动态捕获虚拟机故障发生过程的上下文特征;然后构建多通道机制的Bi-LSTM以同时学习不同指标类之间的相关性特征,预测虚拟机下一周期的故障;最后根据OCSVM和区间偏移度方法对预测结果进行判断,得出具体的故障类型。实验表明,该模型在预测准确率、召回率、F值三个指标上均优于基线模型,验证了模型对虚拟机故障预测的有效性。     

基于内模理论的电压源变换器直接功率控制

为提高电压源变换器瞬时功率跟踪精度,提出了一种内模无差拍预测直接功率控制方法.首先,对传统无差拍预测直接功率控制的数学模型进行分析,揭示了建模假设对瞬时功率跟踪精度产生影响的机理.然后,依据内模理论,在瞬时功率参考产生环节嵌入反映功率动力学特性的数学模型,提出了新的预测控制方案.最后,基于MATLAB软件进行了对比仿真研究,仿真结果表明与传统无差拍预测直接功率控制及其改进型相比,所提出的控制策略能实现瞬时功率的准确跟踪.