基于长短时记忆神经网络的能谱核素识别方法

针对新兴的能谱核素识别方法在混合放射性核素的噪声环境中存在识别速度慢、准确率较低等问题,提出了基于长短时记忆神经网络(LSTM)的能谱核素识别方法。实验使用溴化镧(LaBr3)晶体探测器,分别对环境中60Co、137Cs放射性源分组测量得到能谱数据集,首先使用数据平滑方法和归一化方法进行数据预处理,然后将能谱数据按时间序列分组以获得可用的输入序列数组,最后训练LSTM模型得到预测结果。通过基于BP神经网络和卷积神经网络(CNN)的两个能谱识别模型进行对比,得到在测试集中平均识别率分别为83.45%和86.21%,而LSTM能谱识别模型平均识别率为93.04%,实验结果表明,该能谱模型在核素识别效果中表现较好,可用于快速的能谱核素识别设备上。     

基于阵列光电侦察系统空间观测数据融合方法

利用阵列式网络具有探测覆盖面积大、可靠性高、环境适应性强等技术优点，在组网内各侦察设备获得目标连续随时间变化的方位角、俯仰角等信息基础上，提出了基于阵列光电系统观测数据的坐标转换和数据融合方法。系统侦察站采用m×n阵列布站组网，目标进入侦察覆盖区域后各侦察站全方位观察，获得目标的角位置信息与时间数据，实时发送至中心站进行坐标转换与数据融合处理，实现对空间目标的快速探测及坐标定位。同时设计了相关算法软件并进行了外场实验，在1×3侦察阵列下完成了对空域目标的侦察观测，根据中心站数据处理结果实时建立了被测目标的三维航迹。实验结果表明:提出的坐标转换与数据融合处理方法，能够有效提升阵列光电系统的实际应用能力。     

基于加权流量介数中心性的路网脆弱性分析——以无锡市为例

针对当前路网脆弱性研究中缺乏对真实交通状况考量的问题，在复杂网络理论的基础上，结合交通流量信息，提出了基于加权流量介数中心性的路网脆弱性分析方法。首先计算路网拓扑抽象图中各节点的最短路径介数中心性，然后使用流量数据对相应区域最短路径介数中心性加权，综合得到最终的脆弱性指标结果。以无锡市为例，对其实际交通路网脆弱性进行了计算，结果表明，该方法能综合反映静态全局路网结构与动态局部通行信息和现实交通情景下的路网脆弱性。     

吸收峰混叠的太赫兹光谱区间组合特征提取算法

太赫兹光谱是物质识别的前沿方法之一。由于不同物质的分子组成或结构各异,许多物质的太赫兹吸收谱会在特定频率上出现吸收峰,可以作为混合物成分检测的重要特征。有效准确地提取这些吸收峰的参数,是提高识别率的关键。多峰拟合算法将光谱曲线拟合成若干个标准峰函数之和,能够同时提取到吸收峰的频率、峰高、峰宽等信息。但是该算法以寻峰算法结果为基础确定吸收峰的大致位置和数量,寻峰结果不一定是最优的拟合结果,而且很难准确识别定位混叠状态的吸收峰。为了提高混叠光谱中吸收峰的识别定位精度,提出以大幅度平滑后的曲线波谷为分界点,将预处理后的光谱分成若干个子区间。然后将子区间组合起来进行多峰拟合,通过遗传算法得到最优的拟合子区间组合和吸收峰频率近似值,拟合时每个子区间中通过峰数递增最优化方法确定拟合的吸收峰数,最后微调优化得到最优的吸收峰频率、峰高值。为了实现物质的识别,通过密度聚类算法得到同一类纯净物在多次测量中的共同吸收峰,以此作为标准数据,通过提出的基于吸收峰特征的光谱匹配算法实现了纯净物和不同含量混合物的快速识别。对10类纯净物的实际光谱数据进行拟合聚类,得到其吸收峰参数,结果与太赫兹光谱数据库一致。通过识别算法对纯净物测试集进行识别的识别率为100%,证明了特征提取和物质识别算法的有效性。对于含有混叠峰的混合物光谱,二阶导数法对葡萄糖-乳糖混合物光谱中被掩盖吸收峰(1.280 THz)的识别率仅为70%,提取到的频率平均值为1.316 THz;而该算法提高识别率至95%,频率平均值为1.281 THz,该算法提高了对混叠峰的分辨能力,能够精确定位混叠峰。对10类纯净物构成的6类不同程度混叠的二元混合物前二、三识别率分别达到90.8%和98.3%,提取到的特征能够有效应用于混合物的成分检测。该算法能够以纯净物数据为标准数据实现成分各异的混合物成分检测,对于太赫兹光谱混合物成分检测有重要意义。     

基于FCM的簇内欠采样算法

针对传统分类器在不平衡数据集上性能降低的问题,提出一种基于FCM的簇内欠采样算法(Fuzzy C-means clustering Based Under Sampling In Clusters, FCMUSIC)。使用模糊c-均值聚类算法(Fuzzy C-Means clustering, FCM)将多数类样本划分成若干簇,在每个簇内以类别不平衡比率(imbalanced ratio, IR)的倒数作为采样倍率,得到新的多数类样本并与少数类样本合并,形成新的平衡样本集,结合KNN和Random Forest分类器进行分类。分析在5组不平衡数据集上的分类结果,当使用KNN分类器时,改进后的算法的F1值平均提高了6.65%,G-mean值平均提高了7.75%;使用Random Forest分类器时,F1值平均提高了5.31%,G-mean值平均提高了6.07%。表明FCMUSIC算法能够有效地提升传统分类器对不平衡数据集的分类性能。     

排序支持的交互数据分类算法及其应用

交互分类是解决数据复杂分类问题的主要手段之一。在现有的大多交互分类系统中，用户能准确识别数据类别，但在有些分类场景中,类别之间的顺序关系更容易被识别，为此，提出一种排序支持的交互数据分类算法。为提升交互分类精度，引入数据的顺序信息，为降低标记难度，提出候选样本推荐策略。另外,提出一种评估分类算法性能的可视化方法，用包含基本车况、交通违法记录、交通事故记录等信息的车辆数据集进行实验验证，将相关车辆分为高危车辆、中危车辆、低危车辆3类，算法的分类结果模型一致度达近98%，验证了方法的有效性。     

改进的谱峰拟合光谱标准化方法定量分析废钢中元素

为了解决因设备和环境因素导致激光诱导击穿光谱(LIBS)技术在定量测量时的较高波动性问题,提出了基于改进的沃伊特函数拟合的光谱标准化方法。首先通过高精度激光器采集废钢样品的LIBS光谱数据,然后通过标准等离子体条件(标准等离子温度、电子数密度、待测元素总密度)得到标准光谱强度与实际谱线强度、半峰全宽等因素之间的关系式,并基于近似沃伊特函数对相关的谱峰进行拟合,获得标准化的重要参数,完成对样品的标准化模型的建立。结果表明,将该标准化方法用于废钢中铜、镍、硅、铬、锰元素的定量预测,得到的相关系数(R²)、预测均方根误差(RMSEP)和平均相对误差(ARE)的平均值分别为0.981 4,0.063,6.3%,有效降低了波动影响,增强了分析精度,能够在工业中对废钢元素进行快速检测。     

生物化学产甲烷动力学的教学实践

厌氧消化是自然界有机物质分解代谢的重要途径,对实现环境和经济的可持续发展具有重要意义。消化中产甲烷过程涉及众多生化反应,其规律很难准确描述。教师在生物化学课程中引入厌氧消化产甲烷动力学教学,设计了5个紧密衔接的教学模块,介绍了3种常见产甲烷动力学模型的推导过程、适用范围、参数特点,教授学生利用软件完成数据拟合的方法,并训练其对拟合结果进行分析。本教学改革通过将产甲烷动力学引入课堂,使学生在更好地理解复杂的厌氧消化反应过程基础知识的同时,构建了理论与实践应用间的桥梁,不仅掌握了精准定量描述厌氧消化过程中产甲烷规律的模型,还学到利用比较动力学参数来评价不同原料发酵规律差异的方法,为未来其参与实际生产和工程实践奠定了基础,获得了良好的教学效果。本文介绍了教学改革的具体内容,对完善生物化学的教学框架和改善教学质量具有重要意义,同时为环境工程、化学工程、新能源工程、生物工程等相关专业课程及实验教学的改革和探索提供了有益参考。     

基于LSTM的浮选钼精矿品位软测量模型

战略性稀有金属钼矿品位低,组分复杂、嵌布粒度细等特点,其有价金属分离回收难。浮选作为微细粒钼矿分离回收的主要选矿方法之一,其浮选钼精矿品位一直是选厂的关键性产品指标。国内大多数选厂采取轮班制采样,人工化验得到精矿品位结果,但此方式严重滞后于浮选工艺,难以满足对生产过程进行实时监测和操作指导。LSTM是一种特殊的循环神经网络,引入门机制有效的传递或选择性遗忘长时间序列中的信息,解决RNN中的长期依赖、梯度消失和爆炸问题。本文分析整理东坡选厂中各平台源数据,结合选厂浮选工艺及机理,筛选出多个影响浮选钼精矿品位的变量作为模型输入;将输入变量进行异常值判定,缺失值填充和数据降噪等数据预处理,建立高质量浮选钼精矿品位数据库;软测量模型采用PyCharm软件编码,使用BatchNorm批量规范化处理样本数据,加入Dropout正则化防止过拟合,建立基于LSTM的浮选钼精矿品位软测量模型,通过前向传播算法更新神经网络结构参数,并于Linear模型和CNN模型的预测性能指标结果比较。结果表明：基于LSTM的浮选钼精矿品位软测量模型预测准确度高,样本数据误差波动平稳,浮动范围小,模型泛化能力强,模型平均绝对百分比误差MAPE为1.13%,均方根误差RMSE为0.7049%,决定系数R2为0.8763,实现了浮选钼精矿品位的在线预测。     

污染数据半参数回归模型中估计的相合性

利用最小二乘估计方法和权函数法给出了半参数模型Y=βX g(T) ε在某种污染方式下,,βg和污染系数的估计,并在适当条件下证明了它们具有相合性.