基于H-ELM的交通事故预测方法研究

面向智能交通管控需求,研究了极限学习机(Extreme Learning Machine,ELM)算法在交通事故预测方面的应用.单隐层ELM主要侧重于有监督模式下的数据分类,面对多源数据融合的交通事故预测,特征的自组织学习和提取就显得尤为重要,因此研究了具有深度特征的H-ELM(Hierarchy ELM)算法.该算法融合了无监督学习模式的特征提取和有监督学习模式的特征分类,既能继承深度网络的自组织学习能力也继承了ELM的快速训练能力.在此基础上构建了单隐层ELM和H-ELM交通事故预测模型并进行了比较研究,结果表明H-ELM在预测准确度方面具有较大的优越性.     

电弧炉炼钢过程的跨尺度能量集成理论研究

研究分析了电弧炉炼钢过程的冶金学特征,指出供应能量对电弧炉炼钢的物质转化过程起到了决定性的作用.观察、认识到在炼钢过程中存在着微观、介观、单元操作级和工位级等尺度级的时空多尺度结构.在工位级按能量将供氧、供电两项功率单元进行跨尺度集成,形成了工位级跨尺度能量集成的一般方法,并用数学公式进行了描述.工业试验和工业生产表明:跨尺度集成的理念和方法与炼钢生产相结合可取得较好的生产效果,平均冶炼电耗为271.1kW.h.t-1,氧气消耗为40.4m3.t-1,冶炼周期为52.9min.     

电弧炉炼钢用四元炉料的冶炼过程物耗和能耗分析

天津钢管集团股份有限公司150t电弧炉炼钢长期使用四元炉料,其平均炉料配入比为46.2%废钢、9.1%生铁、26.4%热铁水、18.3%DRI,通过物料衡算和能量衡算分析了电弧炉冶炼过程的物耗和能量状况.论文研究得出了单位炉料对物耗和能耗的影响,以及四元炉料结构变化对吨钢电功率输入的需求范围为153～744kW.对大量生产数据进行逐步回归分析,结果表明:直接还原铁配入比RDRI的影响最为显著,每增加1.0%,吨钢电耗大约增加1.4kWh;其次是铁水配入比RHM,其每增加1.0%,吨钢电耗大约降低2.0kWh.     

大力实施专利战略促进科技成果转化

南京大学根据国家要求制定了学校的专利战略,从专利申请着手,以成果转化为重点,相继出台了一系列的政策和措施。加强专利管理机构和制度建设,引导研究人员申请专利;设立专利基金资助专利申请和维护费用,有选择地资助外国专利申请;设立技术创新基金支持对专利成果进行后续开发,解决技术不成熟、不集成两大弱点,将专利战略的实施引向深入;构建促进专利成果转化的制度环境,加快专利成果的转化速度。     

高校专利评价体系初探

通过对中美两国发明专利申请、授权到专利技术转化等方面的比较,对我国高校的专利评价体系提出建议.引入当前影响因子、科学关联和技术周期等指标,提高专利质量标准的要求.强调专利的应用特性,利用专利许可收入指标,更准确地评价专利的市场接受度.     

建立校内技术创新基金 促进高校科技成果转化

南京大学为推动学校科技成果转化工作,在国内高校中较早提出并设立校内技术创新基金用于资助符合国家科技发展目标、瞄准国民经济和社会发展需求的应用技术研发项目。依靠学校财政拨款、地方政府支持、社会资金赞助和科技成果转化收益等多方投入,大力支持工程和应用技术的研发和转化。重点资助技术创新预研、重大关键技术攻关、技术推广引导等3方面项目,加强在科技成果转化中的各个环节突破的能力,全面推进科技成果转化。