基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

全局优化问题的一个新的无参数填充函数

求全局最优化问题的填充函数算法被提出以来，参数的选取和调整一直是制约算法有效性的因素。如何在实际的计算过程中选取合适的参数，直接影响和决定了运算速度和效率。因此，构造不含参数的填充函数就显得极为重要。提出一个新的无参数的填充函数，对其理论性质进行了分析，并给出相应的填充函数算法，数值计算验证了算法的有效性。     

高速列车轴箱轴承健康监测与故障诊断研究综述

随着我国高速列车的发展, 针对其运营维护中的故障预测与健康管理问题日益受到关注. 轴箱轴承是高速列车走行部中的关键旋转部件, 在复杂的轮轨相互作用下极易出现由疲劳、过载等原因导致的失效, 影响列车的行车效率和运行安全. 而现有诊断方法和技术难以满足高速列车动态化、系统化的安全保障需求, 亟待进一步发展轴箱轴承健康监测和诊断技术. 首先, 介绍了工程中维修检测、轨边监测和车载监测系统的主要内容和发展现状. 然后, 从动力学正、反问题两个方面, 分析和总结了在轴箱轴承的理论建模方法和轴箱轴承与列车耦合系统的动态特性分析、基于先进信号处理技术和机器学习技术的诊断方法等方面的研究思路和研究进展. 最后, 对轴箱轴承健康监测与故障诊断技术的发展趋势进行了展望, 评述了在指导列车故障预测与健康管理方面的不足.      

基于不确定理论的铁路货运需求预测

合理预测铁路货运需求是铁路管理部门建设、运营等决策基础。为应对铁路货运需求的复杂变化,基于Pearson相关性分析方法筛选出铁路货运需求的七个具有关键影响的因素,并结合不确定理论建立不确定多元线性回归模型,相应的铁路货运预测结果由传统单一值变成可能的需求区间范围,更加符合处于不确定环境下的铁路货运需求实际情况。选取国家统计局2004~2016年相关数据进实证研究,并与回归模型以及BP模型的预测结果对比分析,实验表明不确定多元线性回归的预测结果更加精确。     

不同含水量尾砂的光谱特征与遥感模型

我国尾矿库数量众多，分布广泛，在低含水量条件下，风力作用引起的尾砂扬尘会对周边环境造成污染。而尾矿库表面积大，含水量变化快，传统的含水量监测方法效率低、安全性差、成本高，难以实现尾矿库含水量的大面积、实时、快速的监测。目前，基于光谱特征的遥感模型虽可以较为准确地预测土壤含水量，但矿区尾砂与常规土壤在成分上存在差异性，使得土壤含水量的光谱预测遥感模型可能无法适用于尾矿库含水量的预测。为此，选择辽宁省风水沟尾矿库作为研究区，采集尾砂配置成不同含水量的样品，测试其可见光-近红外光谱，分析不同含水量样品的光谱特征以及含水量与光谱特征之间的关系，建立针对尾砂的含水量遥感预测模型，并应用于辽宁省风水沟尾矿库表面含水量的预测。结果表明：（1）含水量对尾砂的光谱特征有显著影响，二者存在高度的相关性，光谱反射率随含水量增加而下降，且波长越长，含水量对光谱的影响越显著；（2）构建了基于尾砂光谱特征的含水量遥感预测模型，选择Landsat8-OLI传感器的B6和B7波段，定义了比值指数（RTI）、归一化差异指数（NDTI）和差值指数（DTI）3种尾砂光谱指数，并将这3种指数作为输入自变量，使用随机森林方法进行训练以及含水量的建模预测，并与B7波段建立的对数反射率预测模型进行比较。结果表明，光谱指数+随机森林的预测模型效果优于基于B7波段建立的对数反射率模型。（3）使用光谱指数+随机森林的预测模型，通过Landsat8-OLI数据对实地尾矿库提取了含水量的空间分布图，结果表明模型预测的含水量与实测结果之间的决定系数R2达0.798，均方根误差RMSE为0.077，相对分析误差RPD为1.970，平均相对精度ARE为20.1%，在现有技术条件下，达到了较好的预测效果。该研究为变质型铁矿尾矿库含水量的预测提供一种大面积、实时、快速的实用方法。     

基于神经网络的间隙机构运动副磨损预测

应用BP神经网络建立了磨损率与接触应力、滑动速度和材料硬度之间的非线性关系模型,并对该网络模型进行了验证和测试,结果表明,训练良好的神经网络模型能够准确反映样本所蕴含的内在磨损规律,且具有较好的预测效果。基于非线性弹簧阻尼模型和修正的Coulomb摩擦力模型对含间隙曲柄滑块机构进行数值仿真分析,获得间隙机构运动副的接触应力和相对滑动速度,利用训练好的神经网络磨损模型对轴套的磨损进行迭代磨损预测分析,发现随着曲柄转数的增加,轴套表面一些特定位置处的磨损越来越严重,最终导致轴套表面出现非均匀磨损现象,其原因是间隙机构运转过程在一些特定位置处产生了较大接触应力和碰撞力。     

基于Jackknife模型平均的社会用电量预测研究

针对社会用电量波动的复杂性,文章将Jackknife模型平均理论引入社会用电量分析与预测研究中,通过加权平均不同模型的预测值,最大限度减少有用信息的遗失,以提高社会用电量预测准确度.通过选取中国和美国不同时期社会用电量数据集,并使用各类预测误差指标以及Diebold-Mariano检验法,来验证所提出的Jackknife模型平均方法的有效性.研究结果表明:Jackknife模型平均方法可以有效降低单个社会用电量预测模型的预测误差,为用电量预测提供了一种新的建模框架.     

一种经验型疲劳小裂纹扩展模型

金属材料疲劳寿命由裂纹萌生和裂纹扩展寿命两部分组成，其中对于萌生寿命中的小裂纹分析是精确描述裂纹萌生寿命的关键．而小裂纹在扩展过程中由于尺寸相对较小，导致传统线弹性断裂力学预测方法失效，需要对其进行改进，考虑裂纹尖端塑性区引起的残余压应力对小裂纹扩展速度的影响．本文针对此问题进行了初步分析，通过对塑性区引起的残余应力的量化，结合小裂纹门槛值特性，提出了一种经验型修正的小裂纹扩展模型，用于定量预测裂纹的萌生寿命．使用铝合金6082-T6缺口试样进行了疲劳实验，并与理论结果进行了对比，验证了所提模型的有效性．     

利用少量样本集成吸毒人员预测模型的方法

为了从"潜在"吸毒人员中准确的锁定嫌疑个体,首先甄选样本并利用改进的特征缩放方法得到组合升维的基本样本集,然后对正样本进行过采样、负样本进行样本分片,修正了正、负样本集的不均衡性,最后利用神经网络集成预测吸毒人员的模型,由正负样本集进行训练和验证,提出了基于查准率、准确率、召回率的"三率判断法"的评估模型并进行模拟验证,给出了相关政策建议.     

基于深度学习的人体行为识别算法

目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.