基于锁相放大算法的微弱光谱分析

由于强噪声背景的影响,在进行光谱探测的过程中收集到的信号很微弱。为了能有效的去除噪声,提出了采用锁相放大算法去除噪声提取光谱特征信号的方法。研制编写锁相放大算法,对收集的光谱数据进行处理,分析处理后的结果,光谱特征获得了放大,进一步进行两种结果的中值归一化对比,该光谱曲线与原始光谱曲线线型基本一致,且具有平滑去噪效果。该成果对微弱光谱信号去除噪声的研究具有实际意义。     

面向车辆识别的样本自反馈式级联检测方法

以解决机器学习的样本提取问题、提高车辆识别的精度为目的,以Adaboost算法、级联检测方法、样本自反馈方法为基础,提出了一种面向车辆识别的样本自反馈式级联检测方法。方法兼具Adaboost级联检测器的架构优势和样本自反馈方法的样本扩充能力。通过前车图像的识别实例阐述了样本自反馈式级联检测方法的识别过程,进而使用常规Adaboost检测器和样本自反馈式级联检测方法对图像数据集进行了识别,将生产者精度、用户精度、总体识别精度、k值作为评价指标对识别效果进行了比较,证明了样本自反馈式级联检测方法具有较高的识别精度。分析了样本自反馈式级联检测方法个别评价指标较低的原因,提出了相应问题的解决思路。     

New empirical model to evaluate groundwater flow into circular tunnel using multiple regression analysis

There are various analytical, empirical and numerical methods to calculate groundwater inflow into tunnels excavated in rocky media. Analytical methods have been widely applied in prediction of groundwater inflow to tunnels due to their simplicity and practical base theory. Investigations show that the real amount of water infiltrating into jointed tunnels is much less than calculated amount using analytical methods and obtained results are very dependent on tunnel‘s geometry and environmental situations.In this study, using multiple regression analysis, a new empirical model for estimation of groundwater seepage into circular tunnels was introduced. Our data was acquired from field surveys and laboratory analysis of core samples. New regression variables were defined after perusing single and two variables relationship between groundwater seepage and other variables. Finally, an appropriate model for estimation of leakage was obtained using the stepwise algorithm. Statistics like R, R~2, R_P~2 and the histogram of residual values in the model represent a good reputation and fitness for this model to estimate the groundwater seepage into tunnels. The new experimental model was used for the test data and results were satisfactory. Therefore, multiple regression analysis is an effective and efficient way to estimate the groundwater seepage into tunnels.     

城市交通发展规模与交通资源适应性模型及算法

为科学确定城市交通的发展规模,在分析关键交叉口转向能力的基础上,提出了基于超级节点的城市交通网络构建方法;考虑公交资源以及公交优先发展战略的因素,构建了城市交通发展规模与交通资源适应性的数学模型,并设计了基于反馈的免疫克隆算法.以城市内某一区域为例对模型和算法进行验证,结果表明:模型及算法具有较好的实用性,能够为城市交通规划部门提供良好的决策支持.     

基于火积耗散原理的热网加热器优化设计与分析

为使热网加热器具有最优的换热性能,基于粒子群优化算法,以火积耗散数为目标函数,提出热网加热器优化设计的最小火积耗散优化方法.与传统的热网加热器设计计算不同,本文的优化设计不预先设定热网加热器的结构,通过优化确定热网加热器的最佳尺寸,同时,热网加热器优化设计考虑了工质的相变,以潜热修正值对壳侧蒸汽凝结的对流换热系数进行修正.对一热网加热器优化设计结果表明,通过优化设计,热网加热器的效能增加7.8%,同时热网加热器功率消耗下降19.6%,表明当热网加热器的热力性能最优时,其功耗达最小值.     

一种高效二进前馈神经网络学习算法

为解决二进前馈神经网络(BFNN)缺乏高效实用学习算法的问题,提出一种新的融合自适应调节结构和权值的BFNN学习算法.该算法借鉴并改进了极限学习机(ELM)方法,可以高效地训练单隐层的BFNN来解决分类问题.为了满足网络的训练精度,算法可以自动增加隐层神经元个数和调节网络隐层及输出层神经元权值;同时为了提高网络的泛化精度,算法通过建立二进神经元敏感性作为度量隐层神经元重要性的尺度,自动地裁剪重要性小的神经元,并对裁剪损失的信息进行补偿.实验结果验证了该算法在处理离散分类问题时的可行性和有效性.     

一种改进的AprioriTid算法

针对经典Apriori算法多次扫描数据库产生I/O负载影响运行效率等问题,在对Apriori算法的原理及其相关改进算法研究的基础上,提出了一种基于压缩集的改进Apriori算法,即Apriori Tid_M算法.通过有效的裁剪方法减少无效项集的产生,减少候选项集的数量,从而提高算法的效率.仿真实验表明,在支持度相同但数据量不同,以及数据量相同但支持度不同这两种条件下,Apriori Tid_M算法在性能上和运算时间上都比Apriori算法有很大程度的改善.     

BP网络算法在平面运动测量误差补偿中的应用

在航天对接试验平台开发项目中,针对平面运动物体非接触高精度测量的难点,提出一种针对物体三自由度平面运动的创新性测量方法.利用激光测距传感器的并联组合,实现对物体位置和姿态的非接触式测量.以传感器测量值为输入样本,运用BP神经网络算法建立误差模型,通过调整权值因子使建立的网络模型能够拟合出测量误差,从而修正测量的数学模型.基于BP神经网络的误差补偿方法对平面运动物体测量误差的补偿具有明显的效果,能够满足位姿测量的精度要求.     

基于多因素改进型PSOSVM算法的中长期负荷预测

中长期负荷预测作为电力规划与调度中的重要一环,其影响因素有着多样性和不确定性等特点.选取支持向量机作为中长期负荷预测的核心算法,筛选多种区域宏观经济因素,利用粒子群(PSO)寻优与循环寻优的改进型算法对支持向量机(SVM)的参数进行优化及负荷预测.仿真结果显示,改进型PSOSVM算法有着较高的预测精度.     

基于遗传模拟退火算法的最大功率点跟踪研究

通过分析太阳能光伏发电系统的工作特征和现有的最大功率点跟踪(MPPT)方法,提出了一种基于遗传模拟退火算法的光伏发电系统MPPT方法.该算法将遗传算法和模拟退火算法相结合,通过将局部搜索过程引入遗传算法,从而使两种算法的搜索能力得到互相补充.针对某光伏发电系统的MPPT问题,通过仿真,将遗传模拟退火算法和遗传算法进行比较.仿真结果显示,遗传模拟退火算法和传统的遗传算法相比,能更快速、精确地跟踪到光伏系统的最大功率点.