时变偏微分方程的贝叶斯稀疏识别方法

在数据驱动的建模中,通过测量或模拟得到时空数据,我们发现基于拉普拉斯先验的贝叶斯稀疏识别方法能有效地恢复时变偏微分方程的稀疏系数.本文将贝叶斯稀疏识别方法运用于各种时变偏微分方程模型(KdV方程、Burgers方程、Kuramoto-Sivashinsky方程、反应-扩散方程、非线性薛定谔方程和纳维-斯托克斯方程)的方...     

基于贝叶斯网络的船舶港口国监督检查滞留风险研究

针对港口国监督(Port State Control, PSC)检查的复杂性和不确定性, 基于贝叶斯网络理论构建船舶PSC检查滞留风险分析模型. 以东京备忘录(Tokyo MOU)中2014~2017年船舶PSC检查样本数据为基础, 运用R语言bnlearn包进行贝叶斯网络的结构及参数学习. 同时分别执行贝叶斯网络的正向、逆向推理, 定量表示各风险因素与滞留结果之间的相互作用关系, 找出导致船舶滞留的高风险因素, 实现不确定环境下船舶PSC检查滞留风险的全面动态分析. 实证表明, 模型具有较高的精确度, 可为检查人员的滞留决策及航运公司的安全风险管理提供有效依据.     

语音通信降噪研究

语音通信系统中,语音通过信道传输将不可避免地引入码间串扰和信号畸变,同时受到噪声污染。本文在分析自适应盲均衡算法CMA(constant modulus algorithm）和改进盲均衡算法的基础上,考虑到自适应盲均衡技术在语音噪声控制方面能力有限,将自适应盲均衡技术与小波包掩蔽阈值降噪算法联合使用,形成一种基带语音增强新方法。仿真试验结果显示自适应盲均衡技术可以使星座图变得清晰而紧凑,有效减小误码率。研究证实该方法在语音信号ISI和畸变严重情况下,在白噪及有色噪声不同的噪声环境中都具有稳定的降噪能力,消噪同时可获得汉语普通话良好的听觉效果。     

贝叶斯优化卷积神经网络公共场所异常声识别*

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

Nd∶YVO4/Nd∶GdVO4双波长激光器的功率均衡实验研究

实验研究了Nd∶YVO4/Nd∶GdVO4双波长激光器在不同抽运功率条件下,通过调节热沉温度达到功率均衡时的输出特性.实验结果表明:对于Nd∶YVO4/Nd∶GdVO4双波长激光器,当提高抽运功率,需要重新降低热沉温度达到功率均衡输出,降温幅度与抽运功率增加之比为11.23℃/W.与此同时,随着抽运功率和热沉温度的变化,双波长激光器的中心波长会出现小幅度的漂移,左峰波长随抽运功率增加的蓝移速率为0.056 nm/W,右峰波长随抽运功率增加的蓝移速率为0.054 nm/W.实验还发现功率均衡条件下激光器的输出总功率随抽运功率的增加而增加,拟合斜效率为8.7%,当抽运功率为5.58 W时,输出最大总功率达到115.7 mW.     

虚拟震源测深法及其在INDEPTH-3台阵中的应用

基于中美合作项目INDEPTH第3期在青藏高原布设的台站,使用虚拟震源测深法研究青藏高原中部的地壳厚度。结果显示,拉萨地体和羌塘地体的地壳结构存在巨大差异。拉萨地体的地壳厚度大约为57 km,与艾里均衡说预测的地壳厚度基本一致,说明拉萨地体的地壳结构比较简单。羌塘地体的地壳厚度为60~75 km,向北有增厚趋势,明显较艾里均衡说预测的地壳厚,说明羌塘地体地壳结构比较复杂,原因有可能是羌塘地体下存在高温流体和低速带,或者与印度板块岩石圈在班公湖-怒江缝合带以北向下俯冲有关。     

密度泛函理论下的分子总体电负性与调和平均电负性的关系

根据密度泛函理论定义的有效原子电负性，讨论了分子中总体电负性与调和平均电负性之间的关系，得到了调和平均电负性非常接近于总体电负性的结论，同时，说明了两者相似的原因，并对一系列分子给出了它们的数值比较．     

ABEEMσπ和OPLS-AA力场对蛋白质GA88/GB88的分子动力学模拟

将原子与键电负性均衡方法融入分子力学方法,即利用ABEEMσπ浮动电荷力场与ABEEM-7P水模型相结合的方法及OPLS-AA固定电荷力场方法,对GA88和GB88蛋白进行了水溶液(温度295 K)和真空中的分子动力学模拟.比较两种方法得到的两个蛋白质的结构与实验结构的均方根偏差,分析了两种方法得到的两个蛋白质的回旋半径、氢键分布、径向分布及电荷分布情况.结果表明,ABEEMσπ和OPLS-AA力场均能正确模拟蛋白质结构,得到的各项偏差值接近,但从各偏差的波动大小可见,ABEEMσπ力场的模拟更稳定;回旋半径模拟很好地体现了蛋白质的"电致紧缩"现象;氢键分布、径向分布及电荷分布表明,与OPLS-AA固定电荷力场相比,ABEEMσπ浮动电荷力场能更好地体现蛋白质和周围水分子的极化效应.     

基于贝叶斯参数优化的无模型自适应硅单晶直径控制

直拉硅单晶的生长过程涉及多场多相耦合与复杂的物理化学变化,其中工艺参数的波动是导致晶体直径不均匀的重要原因,如何实现工艺参数的控制以获得理想的、均匀的晶体直径具有重要的研究意义。本文分析现有控制方法存在不稳定以及控制效果不佳的问题后,提出基于贝叶斯参数优化的无模型自适应控制模型来控制硅单晶生长过程中的晶体直径。首先以坩埚上升速度与加热器的功率作为控制输入参数,晶体直径作为输出,搭建无模型自适应控制模型,并分析算法的稳定性。其次将控制模型进行仿真实验,发现硅单晶直径控制模型中不同的超参数设定会影响控制过程的迭代次数以及控制效果。最后,利用贝叶斯优化超参数的取值范围,并进行最终的仿真实验,结果表明,经贝叶斯参数优化后的控制模型计算快、迭代次数少,输出的晶体直径稳定,同时将生长工艺参数控制在实际生产要求范围内。因此,基于贝叶斯参数优化的无模型自适应控制实现了硅单晶直径均匀稳定的有效控制,具有结合工程背景的实际应用前景。     

基于PSO优化模糊C均值的WSN分簇路由算法

针对无线传感器网络节点能量有限、负载不均衡的问题,提出了一种基于粒子群优化模糊C均值的分簇路由算法POFCA.POFCA分别从成簇阶段和数据传输阶段进行了优化.成簇阶段,首先使用粒子群优化算法优化模糊C均值算法,克服了模糊C均值对初始聚类中心的敏感,并根据节点剩余能量和相对距离动态更新簇首,平衡簇内负载.数据传输阶段,...