基于改进型瞬变电磁法的矿区隐蔽致灾因素探查研究

矿区采前隐蔽致灾因素(单斜构造、断层、岩溶裂隙、富水层等)精准探查对于科学指导矿井规划及工作面安全回采具有重要意义。本文以龙凤井田为背景,提出用视电阻率解释方法,结合人工解释和计算机解释、垂直断面和水平/顺层切片解释、电性解释及综合地质分析,对瞬变电磁法敏感性参数确定及视电阻率解析方法进行了改进,视电阻率断面图与钻孔揭露基本一致,验证了改进型瞬变电磁法的有效性;在视电阻率断面图中单斜构造、断层区域视电阻率等值线梯度变化较大,岩溶裂隙富水区处在电阻率低阻条带,实现了对单斜构造、F10、F15、F16断层、裂隙带充水(充泥)隐蔽致灾因素精准定位;明确了A类富水区、B类富水区和C类富水区分布规律,阐明了垂向水力联系,最终综合研判出11个强富水隐患区。研究成果可为龙凤井田及相邻矿区隐蔽致灾因素识别及预测提供理论与技术支持。     

多交互车辆轨迹预测研究

现有的车辆轨迹预测大多是单目标轨迹预测,无双向交互和关系推理,不能实现混合实体的交互建模。针对上述问题,结合强化学习的Q-learning算法和深度学习的LSTM网络,设计一个完全可扩展的轨迹预测模型Q-LSTM。该模型中,LSTM网络捕获了车辆轨迹的时间特性,而Q-learning算法则表示了多车辆的交互过程,因此Q-LSTM模型可以实现随机数量车辆多交互建模,并且在长期交互车辆轨迹预测中保证精确度。另外模型中考虑了车辆长宽与坐标之间的关系,避免出现异常的碰撞现象,适合用于多类型车辆轨迹预测的场景。在公开数据集HighD上进行了模型的性能分析实验,实验结果证明Q-LSTM模型在较长期交互车辆轨迹预测精度和减少碰撞现象等方面具有一定优势。     

基于聚类融合的混合属性数据增量聚类算法

针对传统增量聚类方法对混合属性数据聚类时存在不稳定、随机性大和准确性不够高的缺点,提出一种基于聚类融合的混合属性数据增量聚类算法.该算法以传统增量聚类为基础,采用多种聚类算法的结果进行融合来代替原有单一划分,并重新修正了阈值的取值范围.实验表明,所提出的算法利用原有数据的特征,提高了聚类的稳定性和精确性,具有很好的聚类效果.     

一种基于长短记忆模型的交通轨迹异常挖掘模型

针对现有异常轨迹检测方法没有捕捉轨迹数据时序特征,不能有效识别业务异常和新型异常等问题,提出基于长短记忆模型的异常轨迹挖掘模型.首先通过优化长短记忆模型进行轨迹预测,然后基于进化理论将预测轨迹转化为异常轨迹,从而构建了基于长短记忆模型的异常判别模型.该模型可以有效地识别业务异常和新型异常,提高了异常检测的精准度和可扩展...     

多策略系统集成平台研究

集成平台需要整合不同类型的信息资源,而不同资源对集成策略的需求不一样;因此,需要对用户操作层集成、系统级集成、功能级集成、业务级集成、数据级集成等多个层面的系统集成策略进行研究,从而构建出多策略信息系统集成平台.最后将集成平台模型应用于制造业信息系统集成,该平台具有较优的适应性和可扩展性.