基于K-means和SOM的水下传感器数据采集方法

随着海洋资源勘探和海洋污染物监控工作的开展，水文数据的监测和采集等已经成为重要的研究方向。其中，水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中，传感器节点数据采集的问题，其设计方法是通过自组织映射（Self-organizing mapping，SOM）对传感器节点进行路径最优化处理，结合优化的路径图形和K-means算法找到路径内部聚合点，利用聚合点和传感器的节点得到传感器通信半径内的数据采集点，最后通过SOM得到水下机器人（Autonomous underwater vehicle，AUV）到各个数据采集点采集数据的最优路径。经过实验验证，在水下1 200 m×1 750 m范围内布置52个传感器节点的情景下，数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%；对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量，其结果也大致相同，因此采用该方法可以提高水下机器人采集数据的效率。     

一种基于深度学习的智能威胁评估算法

在现代信息化战争中依据战场态势变化进行合理威胁评估，对实现指挥系统自动化具有重要意义。为了克服传统规则算法评估能力的局限，设计了一种基于深度学习的新型智能威胁评估算法。首先设定了防空威胁评估指标选取原则，在此基础上从多个不同角度出发建立了反映空中目标威胁的指标体系，然后构建深度神经网络模型予以解决。新算法的优点在于威胁评估快速可信、易于实现，且对于不断变化的空情威胁可进行持续更新优化。最后，通过典型作战场景的仿真数据验证了模型的有效性和可行性。     

利用纤维床生物反应器发酵生产链霉素

利用纤维床生物反应器(FBB)发酵生产链霉素,对发酵培养基氮源进行了优化,并与传统搅拌发酵进行了比较。结果表明,以可溶性有机氮源大豆蛋白胨作为发酵培养基氮源,并添加一定量蔗糖,可以完全替代黄豆粉,在1 LFBB中发酵96 h时链霉素效价达到5 567 U·mL~(-1)。在整个发酵过程中,所有菌体都被固定在纤维床反应器上,而发酵液保持澄清,这不仅有利于从无菌体的发酵液中进行产物的提取和纯化,也可以重复利用菌体生产次级代谢产物,从而缩短发酵周期,进一步提高链霉素在发酵过程中的体积生产率。     

新能源实时错误数据辨识与修正深度学习模型

针对新能源电站实时采集数据错误的问题，利用新能源电站历史数据，采用基于数据间模型的方法辨识和修正错误数据，进而利用辨识和修正的结果数据，建立基于决策树分类模型的新能源实时错数辨识模型，以及基于深度神经网路的新能源实时错数修正模型，从而在实时运行过程中，可利用得到的模型对新能源错数进行实时快速辨识和修正，可显著提高错数辨识和修正效率，支撑新能源电站的实时分析应用，保障新能源电站的实时安全稳定运行。通过某典型风电场和光伏电站真实历史数据的算例分析，验证了所提方法的有效性。