面向锂电池少量循环的二维支持域直推式健康状态预测

锂离子电池的健康状态(SOH)是反映电池老化程度的关键指标,但由于电池老化的非线性和不确定性使得SOH难以精确估计,并且受到电池数据收集的高时间成本和容量再生现象的影响,传统的数据驱动方法在历史充放电循环数较少时效果较差.针对上述问题,本文创新性地提出了一种二维支持域直推式学习(2D-RoSTL)建模思路,建立了数据由粗到细的精准划分方法,用于少量充放电循环下的SOH预测.一方面,考虑同型号多块电池的批次特性,利用历史数据和批次数据构造二维支持域扩充模型信息来源,提供了粗范围的大量可供选择的样本;另一方面,首次尝试以直推式学习的方式解决SOH预测的任务,利用离线和在线样本特征空间的信息,对每个样本进行细致划分,提升少量充放电循环情况下模型的预测可靠性.基于NASA的公开数据集,所提出的二维支持域直推式建模方法在4个电池上的预测误差均小于1.56%,实现了对锂电池充放电历史初期及再生点的精确预测.     

浅谈中国地质矿产勘查发展历史及未来展望

我国具有丰富的地质矿产储备，同时也有着悠久的地质矿产勘查开发历史，我国政府一直将地质矿产的勘查与开发工作作为社会建设与经济发展的基础性、支撑性工作，相关地质矿产勘查单位也在不断地实践中得到快速地发展，并且为我国社会建设与经济发展提供了优质的矿产资源，促进了我国的发展。本文主要针对中国地质矿产勘查发展历史及未来展望进行探讨，得出提高中国地质矿产勘查水平的策略，希望为中国地质矿产勘查工作提供一些参考与帮助。     

试论地质矿产勘查困难分析及解决方案

随着社会经济的迅速发展，已有的矿产资源已经无法满足人们的生产需求。科学完善的地质矿产勘探，在关系着矿产资源开发的同时，还直接关系着国民经济的发展。然而在其实际勘查的过程中，由于多种因素的影响，导致勘查工作无法顺利的进行。在此，本文针对地质矿产勘查困难分析及解决方案，做以下论述。