基于无监督深度图像生成的盲降噪模型

鉴于有监督神经网络降噪模型的数据依赖缺陷,提出了一种基于无监督深度生成（UDIG）的盲降噪模型。首先,利用噪声水平评估（NLE）算法测定给定噪声图像中的噪声水平值并输入到主流FFDNet降噪模型中,所得到降噪后的图像（称为初步降噪图像）作为UDIG降噪模型的输入。其次,选用编码器—解码器架构作为UDIG模型的骨干网络并用UDIG模型的输出图像（即生成图像）分别与初步降噪图像、噪声图像之间的均方误差之和构建混合loss函数;再次,以loss最小化为优化目标,通过随机梯度下降（SGD）网络训练算法调整网络模型的参数值从而获得一系列生成图像;最后,当残差图像（噪声图像与生成图像之间）的标准差逼近之前NLE算法所测定的噪声水平估计值时及时终止网络迭代训练过程,从而确保生成图像（作为降噪后图像）的图像质量最佳。实验结果表明：与现有的主流降噪模型（算法）相比,UDIG降噪模型在降噪效果上具有显著优势。     

基于车联网的隐私保护数据聚合研究综述

随着智能网联汽车的普及,用户数据的隐私问题成为了车联网发展中亟待解决的问题。针对车联网聚合方案的研究现状,对当前方案中存在的问题进行分析总结。首先,系统地介绍了车联网中主流系统模型和车联网中常见的攻击模型;其次,对当前国内外应用在车联网中的聚合方案的安全性、效率和优劣进行分析总结,分别从签名阶段聚合方案、用户数据收集和传输阶段聚合方案和云平台处理数据阶段聚合方案三方面对其进行讨论;最后,阐述了车联网聚合方案中存在的问题及解决方法,展望了车联网聚合方案未来的研究方向。     

采用大数据分析建设工程市场信息的新方法

随着招投标过程信息化的快速发展,越来越多的招标、评标、中标信息统一集中在相应交易中心平台网站上进行公示,使采用大数据手段分析建设工程信息成为了可能。采用Web Scraper插件爬取网页内容简便、高效、准确。大数据的介入能很大程度遏制非法围标、串标行为,保证公共资源交易过程的公平、公正,有效打击权力寻租。同时大数据分析以定量、可视化的成果展示了建设工程的市场行为趋势,为政府的宏观调控提供更精确的数据性指导性意见。     

基于神经网络的基坑紧邻环境多因素预测

随着高层建筑的增多与地下空间的大范围开发,基坑工程不断增加的深度与规模都对紧邻环境造成了巨大挑战,而有效预测能提前发现工程的安全隐患。为了预测深基坑工程开挖时地表沉降、地铁结构位移、坑外土体测斜三类紧邻环境的监测数据,同时降低数据在获取过程中受到的噪声影响,提出了小波分析－长短时记忆神经网络（ＷＡ-ＬＳＴＭ）模型。该模型使用排列熵算法选择最优预测天数,同时以皮尔逊相关性分析结果为依据选用不同的输入组合,考虑了输入项之间的相关性大小。实验使用上海徐家汇中心深基坑工程的监测数据进行验证,结果表明,ＷＡ-ＬＳＴＭ（双因素）模型对原数据的趋势性上还原程度较高,是一种高精度、高时效、更符合理论变化趋势的环境预测模型。     

基于时序特征的黄河三角洲土地覆盖动态及驱动力分析

综合不同土地利用类型的Landsat影像时序特征和面向对象分割方法,分析1985-2018年现代黄河三角洲土地覆盖时空特征,探讨土地覆盖变化的驱动机制。结果表明:1985-2018年间研究区天然湿地面积大幅减少,共减少9.9847×104 hm²,其中沼泽和草甸湿地面积减少尤为明显,而人工湿地面积则逐年增加,年平均增加率达54.66%,主要是盐田养殖场和水稻种植面积的增大;社会经济因素对研究区土地覆盖的影响程度高于水文因素;输沙量是影响研究区土地覆盖变化的主要水文因素,实测径流量的减少进一步导致天然湿地向旱地类型转化;人口和GDP变化对人工湿地面积增加的正相关作用比较显著,而天然湿地面积的减少则与该两个指标的负相关关系比较明显。     

复杂系统维护策略最新研究进展: 从视情维护到预测性维护

对于复杂、可修复的工程系统, 设备维护是确保系统安全性、可靠性、可用性的重要手段之一. 系统维护策略已经历修复性维护、定时维护、视情维护等多种维护策略. 其中, 视情维护是目前最受关注的维护策略, 它通过收集和评估系统的实时状态信息进行维护决策, 具有全寿命周期内系统可靠性高、运营维护成本低等优点. 近年来, 随着物联网技术、信息技术和人工智能的快速发展, 一种更新颖的视情维护策略——预测性维护逐渐成为领域研究热点. 本文首先简要回顾了系统维护策略的发展历程; 然后, 重点介绍了视情维护的研究进展, 根据决策支持技术的不同, 将视情维护划分为基于随机退化模型的视情维护和基于数据驱动的预测性维护, 对每类技术的发展分支与研究现状进行了疏理、分析和总结; 最后, 探讨了当前复杂系统维护策略面临的挑战性问题和可能的未来研究方向.     

基于多参数灵敏度分析与遗传优化的铁水质量无模型自适应控制

铁水硅含量(化学热)和铁水温度(物理热)是高炉炼铁过程最重要的铁水质量指标, 其建模与控制对于整个高炉炼铁过程的运行优化意义重大. 针对高炉炼铁过程极复杂动态特性以及铁水质量难以进行常规机理建模与控制的难题, 基于直接数据驱动控制思想, 提出一种基于多参数灵敏度分析与大规模变异遗传参数优化的高炉铁水质量无模型自适应控制方法. 首先, 基于紧格式动态线性化(Compact form dynamic linearization, CFDL)无模型自适应控制(Model free adaptive control, MFAC)技术确定铁水质量的多变量数据驱动控制器结构; 然后, 针对CFDL-MFAC众多可调参数对控制器性能影响大, 同时对众多参数整体优化非常耗时且效果不理想的问题, 基于多参数灵敏度分析(Multi-parameter sensitivity analysis, MPSA)技术, 提出基于大规模变异与精英局部搜索遗传优化的CFDL-MFAC控制器参数整定方法; 最后, 将参数整定后的CFDL-MFAC控制器应用到高炉炼铁过程多元铁水质量控制, 并与基于递推子空间辨识的数据驱动预测控制进行比较研究, 验证所提控制方法的有效性和先进性.