改进天牛群搜索算法及其在船舶纵摇运动预测中的应用

【目的】针对天牛群搜索算法易陷入局部最优及搜索精度较低等缺陷,提出一种基于二阶振荡自适应变异的天牛群搜索算法。【方法】该算法引入二阶振荡环节增加算法的全局探索能力和局部开发能力。采用正余弦搜索思想对天牛个体进行位置更新,使得天牛个体可充分的利用自身与最优位置的差值信息逐渐趋近最优解。同时引入自适应t分布变异算子来增加种群的多样性,避免算法陷入局部最优。【结果与讨论】对高维单峰函数、高维多峰函数的仿真实验结果表明,改进的算法有效地提高其搜索精度、收敛速度及鲁棒性,克服其易陷入局部最优的缺陷。将改进天牛群算法应用于BP神经网络权值及阈值优化对船舶纵摇运动姿态进行预测,并于BP网络、BSO-BP网络及PSO-BP网络的预测结果进行比较,精度分别提升85.7%、74.6%和77.2%。改进天牛群搜索算法在实际工程应用中具有一定的优越性。     

基于VMD-BP-GA模型的脆弱航段船舶短时交通流预测

【目的】针对繁忙航段船舶交通流易受外界环境扰动的难题,提出一种可用于识别船舶交通流脆弱性的预测模型,旨在通过脆弱性辨识,确定最薄弱的航段。【方法】首先采用变分模态分解（VMD）模型将船舶交通流参数序列分解为多个模态分量,然后结合反向传播神经网络（BP）和遗传算法（GA）,通过构建约束模型并不断更新各个分量的中心和带宽,实现单个分量的预测,通过应用VMD-BP-GA模型对船舶交通流进行精准预测,并验证其合理性和有效性。【结果】在繁忙航段,本研究提出的VMD-BP-GA模型精准预测船舶交通流脆弱性的方法,相较于传统模型表现出更低的预测误差值,其中在航段流量预测方面,本研究模型的平均绝对误差（MAE）最低达到2.095%,均方根误差（RMSE）最低达到2.610%,平均百分比误差（MAPE）最低达到2.114%;在航段密度预测方面,本研究模型的MAE、RSME、MAPE最低分别为0.129%、0.162%、2.112%;并实现了时空两个维度的船舶交通流预测。【结论】本研究模型成功实现对船舶交通流脆弱性的识别和最薄弱航段的确定,具有高效的预测性能,能够精准并快速地预测船舶交通流,可为船舶通航安...     

船载式深水网箱投饵系统设计与试验

【目的】设计一种适用于大规模网箱养殖的船载式投饵系统。【方法】投饵系统主要由上料装置、下料装置、动力装置、抛撒装置和集中控制系统组成,并安装固定于船舷,进行饵料投喂。其中,以PLC作为集中控制系统的控制核心,通过触摸屏界面实现设备的启停、投料速度调控、运行状态监控及网箱饵料投喂数据的记录等。对投饵系统样机进行试验研究。【结果与结论】投饵系统的投饵速度在0～230 kg/min范围内可调,投饵量精度误差为0.1～1.6 kg,满足容积为127.3～1 145.9 m3的深水网箱投喂要求,降低养殖人员的劳动强度。     

基于WPA-WOA-BP神经网络的PM2.5浓度预测

针对传统BP神经网络存在的学习速度慢、易陷入局部极值等问题,利用鲸鱼优化算法(WOA)以及狼群算法(WPA)混合优化BP神经网络的权值和阈值,构建WPA-WOA-BP神经网络模型,并对PM2.5浓度进行预测。实验结果证明,WPA-WOA-BP神经网络模型预测稳定性高,可用于PM2.5浓度的预测,且预测精度优于BP神经网络、WPA-BP神经网络和WOA-BP神经网络模型。     

基于最小能耗的海洋浮式平台位置轨迹优化

【目的】研究解决海洋大惯量浮式平台在复杂海况影响下所引起的振动冲击问题。【方法】采用逆运动学分析方法对平台回转位置进行优化研究,提出一种基于关节最小耗能的多目标轨迹优化算法。采用分段样条插值方法构造关节位置曲线,并建立关节能耗轨迹优化模型,采用粒子群算法实现对关节位置的优化搜索,从而得到基于平台转动最小耗能的位置优化轨迹。【结果与结论】所采用的轨迹优化方法能有效改善系统运行的平滑性,降低回转机构振动与冲击的影响程度,可为平台的振动与冲击主动控制提供必要的理论依据。     

近水面水平圆柱在波浪作用下的水动力系数

【目的】研究大幅非线性波浪作用下近水面水平圆柱上波浪力和水动力系数的特征。【方法】基于黏性流理论和有限体积方法开发数值波浪水槽模型,分析入射波波幅和波频率对波浪力特征的影响,提出可以考虑圆柱完全暴露于空气情况的改进Morison方程,通过大量的数据拟合得到水动力系数,并讨论改进的Morison方程对波浪力预测的适用性。【结果】圆柱上波浪力随波幅和频率增大逐渐增大,而由于浮力占重要比例,正垂向力受波频率的影响并不显著;所得近水面水平圆柱惯性力系数和速度力系数最大值比淹没圆柱在线性波浪作用下的水动力系数大。【结论】所提出改进的Morison方程对波浪力的预测有较好的适用性。     

基于机器学习的登革热时空扩散预测模型对比分析

BP神经网络、GA-BP神经网络及SVR模型是机器学习领域常用的三种预测方法,但在登革热预测方面鲜有人涉及。本文以广州市主城区登革热预测为例,对比BP神经网络、GA-BP神经网络及SVR模型在登革热时空预测上的作用,比较三种模型在登革热时空动态预测中的优劣性。研究表明,1从模型预测效果上看,SVR模型稳定,预测效果显著优于BP及GA-BP模型;2从模型性能上看,GA-BP模型优于BP及SVR模型; 3SVR与GA-BP模型在登革热预测上切实可行。     

基于欧拉迭代模型预测的欠驱动水面船舶路径跟踪控制

【目的】解决具有外部受风流干扰和舵角输入受约束的欠驱动船舶路径跟踪问题。【方法】采用基于欧拉迭代的模型预测控制算法(MPC)对欠驱动船舶路径跟踪进行控制。【结果】MPC能够灵活地处理舵角输入受约束问题,欧拉迭代法离散和预测船舶未来状态可以简化MPC设计的运算。为弥补欧拉迭代法在精度上的不足,直接以分离型船舶模型(MMG)作为MPC的预测模型。应用径向基函数(RBF)神经网络历史信息训练实现对外界风流干扰的逼近及补偿。【结论】所设计的控制器可以使船舶在考虑风流干扰和舵角约束的情况下准确地跟踪上设定的路径,所提控制算法的有效性得到验证。     

南海北部陆架沉积物矿物记录的全新世东亚夏季风变化

【目的】探讨南海北部大陆架泥质区岩芯沉积物矿物学特征与气候环境变化的关系。【方法】利用岩芯沉积物矿物学开展研究。【结果】岩芯沉积物碎屑物质主要由石英、长石、伊利石和绿泥石组成。【结论】岩芯沉积物中黏土/长石的比值是比较可靠的古气候变化代用指标,记录了研究区域过去7500年以来东亚夏季风的演变历史。7500-2000 cal yr BP期间,东亚夏季风整体上呈现减弱变化趋势,其中7500-3500 cal yr BP期间,东亚夏季风相对强盛,而3500-2000 cal yr BP期间,东亚夏季风相对较弱。     

流体黏性对受迫振荡水平圆柱受力的影响

【目的】准确预测显著黏性效应下结构物所受流体作用力。【方法】采用有限体积(FVM)方法构建两相流数值波浪水槽模型。首先,通过半潜水平圆柱受波浪力数值结果与前人实验数据的对比,验证数值模型的准确性。其次,对不同流体黏性下,受迫振荡淹没水平圆柱上的流体作用力进行数值计算,通过黏性流结果和势流结果的对比,分析流体黏性对圆柱受力的影响特征。最后,通过将黏性流和势流理论压力结果对比,并结合对圆柱周围黏性涡量场分布特征分析,解释不同流体黏性下,黏性流与势流结果之间出现差异的原因。【结果】在不同流体黏性条件下,圆柱所受各倍频流体作用力均出现一定程度上的差别,表明流体黏性的影响明显。【结论】相比势流理论,采用黏性流理论对受迫振荡水平圆柱受力的影响的研究更为准确。     

基于全连接和LSTM神经网络的空气污染物预测

在空气污染日益严重的情况下进行空气污染物的预测工作是十分必要的。针对城市的空气污染物预测,提出了一种基于神经网络的混合模型方法:通过全连接神经网络方法,结合长短期记忆网络(Long Short-Term Memory,LSTM)方法,将历史空气污染物数据与大气数据进行空间与时间上的挖掘分析。运用全连接和LSTM两种神经网络方法混合的形式,与传统的单一模型方法相比,不仅能摆脱单一模型特征空间的局限性,还能提高预测的精度,具有更大的应用性和操作性。最后,以武汉市为例通过实验证明该混合模型较单一模型在空气污染物预测上具有更高的精度。     

基于BP神经网络的智能入侵检测系统

介绍了BP神经网络的基本知识，设计了基于BP神经网络的智能入侵检测系统。并提出了根据不同的网络协议使用不同神经网络的思想，指出了每个神经网络需要的网络数据，并阐述了训练和测试神经网络的方法。     

BP神经网络和ARMA模型在中纬度TEC短期预测中的对比分析

在充分考虑TEC序列非平稳、非线性、高噪声特性前提下, 以IGS提供的2017年电离层TEC格网数据为基准,运用BP神经网络和ARMA两种模型分别进行TEC 3 d预测,重点分析两种模型在不同季节时段、不同电离层活跃强度及不同样本长度下的TEC预测性能及精度。结果表明,在不同时段,两种模型均能很好地反映TEC的变化特性,其中ARMA模型在春、冬时段及整体预测精度上略优于BP神经网络。在平静期,两种模型的平均相对预测精度分别为87.3%和87.5%,预测效果相差较小;在活跃期,两种模型的平均相对预测精度分别为78.5%和75.5%,BP神经网络的精度比ARMA模型高3%。随着样本长度的增加,BP神经网络在21 d样本处预测效果最佳,ARMA模型的预测精度随样本长度的增加呈降低趋势。     

基于全卷积神经网络的建筑物屋顶自动提取

高分辨率遥感影像在地面自动目标提取中得到了广泛应用,然而利用传统算法,很难高精度地进行实时的建筑物屋顶绘图。本文使用深度学习方法探讨建筑物屋顶分割,由于卷积运算对形变、旋转、光照条件的不敏感,设计了一种用于建筑物屋顶提取的深度卷积神经网络,提出的网络为级联式全卷积神经网络,在深度卷积神经网络的设计中使用了特征复用和特征增强,实现建筑物的自动精确提取。以美国马萨诸塞州建筑物数据集为基础的实验结果表明,本文提出的网络结构取得了92.3%的总体预测精度,和其他方法相比,本文提出的方法具有更高的精度     

管流式冲刷腐蚀实验装置的研究进展

【目的】加深了解管流式冲刷腐蚀实验装置,为研究管道冲刷腐蚀行为规律和机理提供理论依据。【方法】综述国内外管流式冲刷腐蚀实验装置的研究现状,重点阐述单相流、两相流和多相流冲刷腐蚀实验装置。【结果】大多数国内管流式冲刷腐蚀实验装置采用PLC作为主控单元对温度和流量进行控制,不同的控制算法对控制系统精度产生不同影响,并且数值仿真模拟在腐蚀研究中具有重要作用。【结论】为解决管流式冲刷腐蚀实验装置占地面积大,控制精度低等问题提出相关建议,实验装置需要完善控制算法,增加测试装置,实现在线监测等。     

基于SPSS和GIS的BP神经网络农用地适宜性评价

以中原城市群为研究区,在应用GIS基础上运用SPSS软件进行主成分分析,根据因子贡献率提取主导性强的综合因
子,利用提取的主导因子进行系统聚类选择典型样本;依据因子的贡献率调整BP神经网络初始权值,建立评价模型,进行农用地
适宜性评价方法的探讨。通过检验,改变初始权值建立的BP模型预测合格率为50%,相对误差最大值为18.9%;为了进一步改
进BP网络,把第一次调整权值训练得到的网络权值作为下一次建模的初始权值,训练得到的BP模型预测合格率为100%,相对
误差最大值为9.5%。其后运用层次分析法、主成分聚类法作为对照,验证了这种BP模型在农用地适宜性评价中的可靠性与精确
性。最后根据所建立的BP模型预测获得中原城市群农用地适宜性分区图,各土地类型适宜性从西往东呈现由低到高的分带性,
其中高度适宜区占总面积的32.4%;中度适宜、勉强适宜、不适宜区分别占总面积的28.9%、22.1%、16.6%。      

基于硬组织微化学技术的头足类洄游特征研究进展

【目的】综述硬组织微化学技术研究头足类洄游分布的现状和趋势。【方法】通过微化学技术研究头足类硬组织中所包含的重要信息,重点分析头足类的耳石、角质颚、眼睛晶体和内壳等硬组织在其洄游分布中的应用。【结果与结论】头足类的硬组织具有结构稳定、耐腐蚀、易获取、蕴含丰富生态信息的特点,已被广泛应用于年龄鉴定、生长估算、种群划分及摄食生态评估等领域;硬组织的微化学在头足类洄游分布研究中已取得一定的进展,但目前对于洄游路径的研究大多以推测等定性分析为主。     

基于神经网络的话务量预测

话务量具有高度的非线性和时变特性,由于神经网络具有较强的非线性映射等特性,将其运用于非线性的话务量短期预测是非常合适的。以青白江2005年10月的话务量作为预测对象,提出基于BP神经网络和基于Elman神经网络的话务量预测模型,仿真实验表明两种模型对于话务量的短期预测均是可行有效的。经过比较,Elman神经网络训练速度比BP神经网络快很多,更适用于实际应用。     

海面温度对南海台风强度的影响

【目的】分析海面温度(sea surface temperature,SST)对南海台风强度的影响。【方法】以南海为研究区域,以中国气象局热带气旋资料中心热带气旋最佳路径数据集为基础,利用Savitzky-Golay卷积平滑算法和多项式插值算法将台风数据进行插值,对强化值和SST值在南海区域的网格单元进行平均,建立模型并对其做回归分析,分析台风强度强化程度与SST模型之间的关系,以及检验模型残差的分布。通过数据提供的台风轨迹的增强率,来检验SST对台风强度变化的影响。【结果】建立台风强化值与SST之间的回归模式,平均而言,平均SST每增加1℃,台风强度强化度增加12.5%。该模型具有统计学意义,即台风高强度强化值与高海温值相关。【结论】本研究建立的统计模型对南海台风强度的预报有较好的指示效果。     

大型商场顾客消费行为轨迹推断

如何获取大型商场内海量顾客消费行为一直是行为地理学面临的难点问题,而近年来爆发式增长的室内轨迹数据为这一问题解决提供了机遇,但室内轨迹的语义信息缺失、数据质量差等问题给推断顾客消费行为造成了挑战。本研究提出了一种顾及文本-轨迹的商场顾客消费行为轨迹推断框架,无需隐私敏感的顾客消费记录数据,可以获取大量顾客消费行为,该方法通过爬取室内店铺的网络文本,增强室内店铺语义属性,进而实现顾客几何轨迹到语义轨迹的转化提升,并引入了轨迹嵌入特征表示学习方法,捕捉群体轨迹之间的移动特征,综合轨迹移动特征、轨迹语义特征及顾客嵌入特征,通过高维聚类实现了大型商场顾客消费模式的推断。通过某大型商场7045位顾客的真实轨迹进行实验分析,实验结果表明,本文提出的方法与传统特征提取方法相比,聚类结果在轮廓系数上提升最高达69.8%,顾客消费行为提取准确率更高。研究发现,室内顾客移动具有一定楼层倾向性,并且室内空间结构如店铺位置、扶梯位置、功能区划分等,会影响顾客消费模式。本文提出的方法可以有效识别不同消费水平、移动特征的顾客群体,实现顾客消费行为的轨迹推断。