基于PCA-GWO-SVM的矿山边坡变形预测

针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过GWO算法优化支持向量机参数;最后,通过SVM实现矿山边坡变形的预测。矿山边坡实例表明PCA-GWO-SVM模型具有更高的预测精度。     

基于随机光栅的可调谐随机光纤激光器

提出一种基于随机光栅与高反射布拉格光栅(FBG)相结合的可调谐随机光纤激光器。利用980nm泵浦光源泵浦一段7m长的掺铒光纤(EDF)进行增益放大,由随机光栅提供随机反馈。随机光栅长7cm,具有约10000个折射率修改点,这些点由飞秒激光逐点写入,并沿光纤方向随机分布,两点相邻间隔小于10μm。同时,利用中心波长为1548nm的高反射FBG来组成半开放腔结构,实现了随机激光的输出。实验测得的泵浦阈值功率仅为18mW,斜率效率高达13.2%,并通过改变FBG的中心波长,实现了输出激光波长的可调谐,调谐范围为4.45nm(1548.04~1552.49nm)。得益于半开放式激光腔的设计和EDF的高增益,整个系统具有阈值低、效率高、结构简单等优点。     

TMSR-SF球床随机堆积结构的离散元模拟

中国科学院上海应用物理研究所设计的10 MW固态燃料钍基熔盐实验堆(Thorium-based Molten Salt experimental Reactor with Solid Fuel,TMSR-SF)是一种球床型氟盐冷却高温堆,其三维球床随机堆积结构对于堆芯反应性变化和换料分区方案以及热工水力分析中的流动传热都具有重要的影响。为了研究TMSR-SF堆芯球床随机堆积规律,基于PFC3D(Particle Flow Code 3 Dimensional)程序,分别计算并分析了填充颗粒球大小、颗粒间摩擦系数以及填充颗粒球数对球床稳态堆积结构的影响。结果表明:填充直径小的颗粒球,可使球床孔隙率振荡减弱,有利于堆芯功率密度分布的展平;通过减小颗粒间摩擦系数能较好地模拟振动压实效果,压实过程中颗粒间摩擦系数与稳态堆积球床孔隙率和配位数满足负指数关系。当填充颗粒球数超过约8 000个后,球床平均孔隙率和配位数变化趋于恒定,分别稳定在0.43和5.6左右;此时颗粒球数量对球床稳态堆积结构的影响降至最低,可被用来代替满装堆时的球床用于TMSR-SF自然循环的热工水力数值分析,达到节省计算资源的目的。本研究对理解TMSR-SF堆芯球床结构特性与堆积规律具有参考价值。     

基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。     

采用信息增益率的混合入侵检测模型设计

针对现有混合入侵检测模型仅定性选取特征而导致检测精度较低的问题，同时为了充分结合误用检测模型和异常检测模型的优势，提出一种采用信息增益率的混合入侵检测模型.首先，利用信息增益率定量地选择特征子集，最大程度地保留样本信息；其次，采用余弦时变粒子群算法确定支持向量机参数构建误用检测模型，使其更好地平衡粒子在全局和局部的搜索能力，然后，选取灰狼算法确定单类支持向量机参数构建异常检测模型，以此来提高对最优参数的搜索效率和精细程度，综合提高混合入侵检测模型对攻击的检测效果；最后，通过两种数据集进行仿真实验，验证了所提混合入侵检测模型具有较好的检测性能.     

PSO优化多核RVM的模拟电路故障预测

针对模拟电路健康管理的特点，提出了一种基于PSO优化多核RVM的模拟电路故障预测方法。利用参数分析得到电路的输出频域响应作为特征，计算其与电路无故障标准响应的欧氏距离来表征电路元件健康值，将多个核函数线性组合，并用PSO优化多核RVM参数后的模型实现对各个时间点元件的健康值变化轨迹进行预测。仿真结果表明，该方法在小样本情况下，预测效果优于单一核函数的RVM模型，适用于健康管理中实时预测，具有较好的实用性。