基于优先等级的震后应急物资LRP优化决策模型

针对震后初期应急物资总量有限且不充足情形下的系统优化问题,提出一个基于优先等级的震后LRP优化模型.考虑震后初期应急物资需求主要影响因素,利用可变集理论确定各受灾点应急物资优先级;在此基础上,以整个救援过程总耗时最少为目标构建选址定位-路径优化模型,针对模型特点设计了一种基于两阶段的遗传算法.最后,通过算例验证了模型及算法的可行性和有效性.     

蚁群算法在战损装备抢修任务指派中的应用研究

结合战时装备保障实际情况和战损装备抢修任务特点,分析了现有战损装备抢修任务指派模型的特点及不足.依据紧急程度对战损装备抢修任务进行分类,建立了不同紧急度对应的装备抢修任务指派模型,重点是利用蚁群算法对模型进行求解.最后通过某装备保障想定的实例进行了验证,结果表明该算法操作简单、切实有效,能有效实施战损装备应急抢修任务的指派,在装备保障智能决策系统中有较好的应用前景.     

考虑设施中断情景的震后救援初期应急物流网络优化设计

在震后救援初期,构建合理的应急物流网络,对于快速有效供应应急物资、减轻灾情具有重大价值。在传统可靠性选址问题与应急设施选址-分配问题的基础上,考虑震后救援初期的阶段性特征、设施中断情景、多品种模糊需求、设施能力限制等因素,建立了一个适用于震后救援初期的应急设施选址-分配模型。通过三角模糊数的期望值公式将模糊需求去模糊化。在此基础上,考虑模型特点,设计了一种整数编码的混合遗传算法。最后,以5·12汶川地震为背景,构造算例进行数值仿真。验证了所提模型和算法。结果表明:考虑设施中断情景后,即使系统中的部分设施失效,整个网络仍能较好运行,且优化结果更具可靠性和稳健性。     

基于重要度的配电网络可靠性和弹性分析

由于极端天气出现的频率增加，配电网大范围停电的事故率也逐渐上升，导致了严重的经济损失。由于干扰事件的不可预见性，在研究配电网的抗灾能力外，如何在自然灾害后快速恢复配电网性能的研究；如何将重要度与弹性模型结合，综合考虑干扰事件发生后，计算配电网中不同节点的重要度，识别对配电网弹性影响较大的关键节点，也引起了人们的重视。本文基于重要度，研究了配电网络在多节点故障后的可靠性和弹性恢复模型。首先针对配电网络的弹性进行分析，建立配电网络的弹性模型。然后建立节点的弹性重要度指标，对故障节点进行重要度分析。从而判断多节点故障的配电网络中，故障节点的最优维修顺序。最后，利用IEEE14母线节点标准测试系统来验证提出模型的实用性。结果表明当配电网络在遭受干扰事件时，会经历抵御阶段，然后逐渐适应干扰事件影响。在稳定阶段给予最优的紧急恢复策略，使配电网络快速恢复供电能力，减少经济损失。     

震后房屋评价模型的改进

科学的评定震后的已损毁建筑对震后房屋处理,城市功能的及时恢复,社会生产稳定、生活秩序的恢复等,具有重要的现实意义.针对传统震后的损毁房屋评价模型的不足,提出了一种震后房屋危险性鉴定的评价模型,结合AHP方法,利用实际中各种因素影响的权重构建了相应的模糊隶属度函数,计算地震损毁房屋的等级.利用真实地震中的房屋数据对该方法进行了测试和分析,实验结果表明该方法是科学、有效的,可以一定程度提高震后房屋鉴定的准确性和合理性.     

基于随机Petri网的震后次生灾害演化模型研究

针对震后次生灾害的演化问题,本文采用多案例分析方法提取地震及其次生灾害事件的属性,从属性层次按照“事件类型、关键属性、从属属性、环境属性和危害评估属性”对其进行结构化描述,分析震后次生灾害事件的属性特征,绘出了震后次生灾害演化Petri网模型。在此基础上,以渐变型次生灾害事件——震后瘟疫为例,根据随机Petri网与马尔科夫链的同构关系,构建了震后瘟疫事件演化系统随机Petri网模型。最后,通过马尔科夫链及相关数学方法对震后瘟疫事件演化系统进行了评估,分析其中的均衡状态及其变动规律,验证了模型的有效性,为应对地震次生灾害事件提供科学的应急决策支持。     

基于ADI格式的多尺度图像分解

针对文献[Xu R et al.,IEEE Trans.Biomed.Eng.,2014]的多尺度图像分解模型,该文提出了Alternating Direction Implicit (ADI)格式下的多尺度图像分解算法,并证明了在该模型下ADI格式的收敛性和稳定性,进一步,通过对不同图像的数值实验,验证了该文提出的算法具有更好的纹理提取效果.     

基于熵权TOPSIS模型的配电网风险评估实证研究

配电网作为直接面向用户的关键环节,是目前提高供电系统运行水平的关键环节,对配电网进行风险评估具有重要的现实意义.通过实际调研,综合考虑了配电网风险来源的各个因素,由此构建了配电网风险评估指标体系,包含五个一级指标和十九个二级指标.将熵权法和TOPSIS进行有效结合,建立了配电网风险评估模型,并对L市8家供电公司管辖的配电网进行定量分析,验证了所建立的配电网风险评估指标体系和评估模型的合理性与实用性,分析找出配电网风险来源,为配电网的管理提供参考.     

基于IMO-SLFDA的大规模分布式光伏并网的智能配电网相位平衡研究

分布式光伏的大量接入智能配电网后,可能导致三相电流的失衡,进而破坏配电系统的安全稳定性。对此,本文构建了以电流不平衡和电能损失最小化为目标的含分布式光伏的配电网优化的多目标模型,旨在解决大规模分布式光伏发电并网后配电网相位平衡的问题;然后,用随机单纯形法对混合蛙跳算法进行优化,改进了蛙跳算法求解优化问题时极易陷入局部最优以及计算效率较低的缺点,并和决策算法相结合,提出适用本文算例的改进的多目标混合蛙跳决策算法,确保能以极快的搜索速度和较高的计算精度得到最优解;最后,以IEEE-123节点三相不平衡测试系统为例,通过控制变量的相关操作实现配电系统的三相平衡。对比分析基础案例和优化算例的差异,验证了本文所提算法的先进性和实用性。     

基于指标分类权重与未确知测度的装备战场损伤等级评估模型

成功的战场抢修是战斗力的"倍增器",而快速、准确的战场损伤评估是战场抢修决策和战场态势预测的前提.针对战场损伤评估中的未确知性,首先引入专家可信度对指标值进行处理;其次,通过指标本身输出的信息熵客观地确定指标的分类权重;接着在未确知数学理论及算法基础上给出了一种新的装备战场损伤等级评估模型,最后对某火炮的战损等级情况进行评判.结果表明:模型不仅能够组合多个损伤因素的估计问题,而且能够处理由不确定性信息导致的未确知性,并给出未知信息的置信度,较准确地反映了装备战场损伤程度,是装备战场损伤等级评估的一种有效工具.     

基于状态势博弈的电力系统分布式经济调度方法

未来电网中出现的主要变革之一在于电力系统电源结构的变化,分布式能源发电设备的广泛接入给传统调度与控制框架带来了严峻挑战.电力系统尤其是主动配电网中,调度控制体系的去中心化成为一种趋势.状态势博弈理论为电力系统分布式调度与控制体系的构建提供了一个良好框架.文章基于状态势博弈理论,给出了分布式电力系统经济调度的一般设计方法.该方法能够兼顾全网功率平衡约束与网络传输功率限制,同时实现主体间通信量极小化,因而具有较强的算法鲁棒性与实际应用价值.通过IEEE 9节点标准系统的仿真分析验证了所提方法的有效性及正确性.     

装备战场抢修的模糊随机Petri网建模和分析

针对装备的战场抢修要求恢复状态可以具有多样性的特点,对原有模型进行了改进,提出了模糊随机Petri网模型,并且验证了模型实用性和有效性.     

机器学习方法在MOOC学习者学业完成率预测中的应用研究

大量MOOC学习者无法获取证书顺利完成学业已成为制约MOOC普及和发展的主要原因.基于edX发布的MOOC公开数据,通过分析学习者背景及行为特征,对中外MOOC学习者学业完成情况进行研究,利用机器学习算法中的XGBoost模型和BP神经网络模型对学习者是否能完成课程获取证书进行预测分析,将结果与传统的Logistic模型进行比较.结果表明,与传统的Logistic模型相比,基于机器学习算法的预测模型整体上优于传统的Logistic回归模型.XGBoost模型对于学习者获取证书完成学业的概率预测能力更强.最后,利用XGBoost模型的预测结果,对影响学习者完成学业的因素的相对重要性进行排序,并找出影响学习者学业完成率的重要因素,为深入研究MOOC的学习模式提供参考.     

基于正态混合模型的贝叶斯分类方法及其应用

本文主要研究正态混合模型的贝叶斯分类方法.贝叶斯分类以后验概率最大为准则,后验概率需要估计相关的条件分布.对于连续型数据的分类,其数据由多个类别混合而成,仅用单一分布难以描述,此时混合模型是一个较好的选择,并且可由EM算法获得.模拟实验表明,基于正态混合模型的贝叶斯分类方法是可行有效的.对于特征较多的分类,不同特征对分类的影响不同,本文对每个特征应用基于正态混合模型的贝叶斯分类方法构建基本分类器,然后结合集成学习,用AdaBoost算法赋予每个分类器权重,再线性组合它们得到最终分类器.通过UCI数据库中实际的Wine Data Set验证表明,本文分类方法与集成学习的结合可以得到高准确率和稳定的分类.     

航空装备战斗损伤概率预测模型研究

装备战场抢修是保持和恢复装备战斗力的重要因素.预测并准确掌握航空装备的损伤概率,有利于作战指挥员和装备保障人员适时而准确的指导战场抢修任务的完成,以保证航空装备的持续作战能力.通过分析航空装备的战伤原因,运用概率分析法构建了航空装备战斗损伤概率预测模型,并提出了模型的改进建议.     

基于GA-BP神经网络的信息技术业上市公司的成长性预测

文章针对民营企业中的信息技术业,建立包含盈利能力、营运能力、偿债能力、扩张能力、创新能力与公司规模6个方面的指标体系,采用整合改进遗传算法和神经网络的GA-BP算法,对企业的成长性建立模型进行预测与分析.进一步,为验证模型性能,从WIND金融数据库获取数据并进行预处理后,测试集上可决系数R2为0.9990,性能优于其他五种机器学习算法.通过公司市值增长率进行相关系数分析,对建立的模型进行有效性检验,结果表明所选特征的有效性与合理性.最后通过随机森林进行封装特征重要性排序,对指标模型进行简化,选出的8个特征在测试集上改进GA-BP算法的R2为0.8927,再次证明了最初指标选择的合理性.     

线性定常系统特征模型的特征参量辨识

说明线性定常系统特征模型的特征参量是一组由高阶线性定常系统的相关信息压缩而成,于是不能简单的作为与状态无关的慢时变参数来处理. 基于特征建模思想,建立了线性定常系统特征模型的特征参量与子空间方法之间的联系,给出了一种该特征模型的特征参量 的合成辨识算法.同时证明了在用于子空间辨识的样本量充分大和用于状态估计的时间充分长的情况下, 特征参量的估计值与真值之间的误差达到充分小. 最后,对于一个六阶的单输入单输出线性定常系统的仿真例子,对投影的带遗忘因子最小二乘算法和合成辨识算法进行了比较,验证了合成辨识算法的有效性.     

基于PCP特征的和弦识别研究与探讨

讨论了音乐识别领域中和弦的四种不同识别方法,给出了基于PCP特征的和弦识别算法.使用PCP作为和弦的特征作为输入送至隐马尔可夫模型中训练,利用Baum-Welch算法估计模型参数,通过Viterbi算法得到正确和弦.通过实验获得了76%的识别率,验证了该算法的可行性.     

基于多尺度局部结构约束的特征点匹配算法

对于含有重复模式较多、低重叠区域的图像,特征匹配时会存在离群点较多及伪同构等问题,从而影响匹配的精度.为了提高匹配算法的精度和鲁棒性,本文提出了一种基于多尺度局部结构相似性的特征点匹配算法(MLSS).首先定义局部结构相似性度量方法,即多尺度近邻结构相似性及多尺度局部拓扑结构相似性.基于局部结构相似性,构造特征匹配模型,并采用确定性退火思想去除离群点,实现特征点集的精确和快速的匹配.使用Daisy数据集、VGG数据集和航空遥感数据集中的22组典型数据对算法的性能进行验证,匹配结果显示,该算法的精度和鲁棒性优于其他四种经典的特征匹配方法.     

震后应急物流设施不确定失效情景下的LRP研究

针对震后应急物流设施不确定失效情景下的定位-路径问题,综合考虑灾区路网存在部分损毁、应急物资多方式配送与运达时间限制等因素,以应急物流设施最坏失效情景下的需求点覆盖期望最大、应急物资总配送时间最短为目标,采用情景建模方法构建多目标定位-路径问题的数学模型,并根据模型特点设计基于分层序列法的两阶段混合启发式求解算法,第一阶段设计改进贪婪算法进行应急物流设施定位分配,第二阶段采用蚁群算法优化应急物资配送路线。最后,通过算例验证了本文模型和算法的可行性与有效性。