楼宇型分布式能源系统设备容量和运行策略优化研究

设备容量优化和运行策略优化是分布式能源系统设计，运行的关键问题。为实现分布式能源系统的经济效益，能效水平和环境效益最大化，针对楼宇型分布式能源系统建立了相对普适化的物理模型和数学模型，以粒子群优化算法和线性规划相结合，采用两阶段优化方法计算系统的最优容量配置，并给出运行策略。以某写字楼的分布式能源系统为例，得到最优的系统设备容量和全年逐时运行策略，并采用遍历法验证计算结果的准确性。优化的分布式能源系统与传统供能系统相比，费用年值降低7.79%，年总能耗降低24.18%，污染物排放量减少了62.77 %。     

Chemical process fault diagnosis based on enchanted machine‐learning approach

In the chemical industry, fault diagnosis is a challenging task due to the complexity of chemical equipment. This paper proposes a machine learning‐based approach to achieve the goal of fault diagnosis. First, in order to reduce the impact of redundant features, support vector machine recursive feature elimination (SVMRFE) is used to select important features. The trained probabilistic neural network (PNN) is then used for fault diagnosis. Considering that the diagnostic performance is affected by its hidden layer element smoothing factor (σ), the modified bat algorithm (MBA) is used to optimize the PNN to obtain optimal global parameter values. The MBA adopts a better optimization mechanism than the basic algorithm and achieves excellent global convergence. It can globally optimize the smoothing factor, which effectively improves the fault diagnosis ability of the PNN. During the testing of the Tennessee Eastman (TE) process data set, we evaluate the performance of the proposed model by comparing the F₁‐score and accuracy of the different methods. The charts provided describe the fault diagnostic results and classification for the different models. The results indicate that the MBA has a better optimization ability than other traditional optimization algorithms. At the same time, the combination method proposed in this paper is also superior to others and can significantly improve the accuracy of TE process fault diagnosis.     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。     

Title加TextRank抽取关键句的情感分类研究

考虑到不同句子对判断文档情感倾向的重要程度不同，因而区分文档的关键句和细节句将有助于提高情感分类的性能。同时，考虑到Title和上下文信息，提出了一种基于Title和加权TextRank抽取关键句的情感分析方法SKTT，实现了高效的情感分析。根据文档Title的情感权重计算Title贡献度，考虑到标点和语义规则对情感倾向的影响；根据加权TextRank算法思想，在文档正文中构建了一个情感句有向图来提取关键句；计算所有关键句的情感倾向进行情感分类。在4个领域上进行实验，实验结果表明，该SKTT方法性能明显优于Baseline，具有高效性。     

基于协同优化算法的流速仪检定系统设计

提出了一种小型轻便的流速仪检定系统的设计方案,并运用改进的多学科协同优化方法求解各学科设计变量的最优解。首先介绍了算法思想及改进措施,并根据系统设计要求建立了各学科的设计变量、目标函数和约束条件；其次,运用遗传算法求解各学科设计变量的最优解,并根据优化结果完善了系统的设计方案,同时运用计算机仿真等方法验证了优化结果的可行性。结果表明,优化后的检定系统满足流体力学效应、匀速运动时间、系统重量等设计要求,同时证明了协同优化算法解决多学科设计优化问题的有效性。     

能源土边界面模型的应力更新算法及算例分析

水合物的存在会显著影响能源土的刚度、峰值强度与剪胀性。针对已有能源土模型的不足，结合边界面模型的建模思想，构建一个新的能源土边界面模型，模型参数较少，能够恰当反映能源土的应力-应变关系。计算能源土变形问题的核心在于正确积分塑性本构方程，应用完全隐式回退Euler算法，建立模型应力及塑性内变量的更新公式，并给出显式的一致性切线模量表达式。基于ABAQUS软件提供的二次开发接口，编写模型的用户材料子程序，应用已有试验数据验证程序正确性。最后应用开发的子程序对能源土的平面应变试验进行模拟，分析水合物饱和度对剪切带倾角与孔隙比的影响。     

智能跟踪算法在采砂监管中的应用研究

受利益的驱动,长江流域非法采砂行为屡禁不止,给采砂有效监管造成很大的困扰。采砂监管水平的提高需要高效准确的跟踪识别技术作支撑。提出了一种基于相关滤波器的可变跟踪框智能算法。该算法可以准确快速地跟踪江河湖面上的非法采砂船,计算量少,鲁棒性高,对硬件的要求并不严苛,可以自由应用于从低性能到高性能的各种设备。基于该算法开发了非法采砂船追踪器,再配合百度深度学习平台Easy DL后,可构成一套采砂船监控系统,能够实现对长江水域非法采砂船24 h的有效监控,从而大大提高监控非法采砂行为的效率。     

最优化算法与纯元素谱剥离相结合的能量色散X射线荧光谱解谱方法

在进行能量色散X射线荧光光谱(EDXRF)解谱时,如果给定样品的元素构成,采用纯元素谱图剥离的方式会更加合理,但由于每个元素的谱线都不止一条,如果仅仅针对主线对齐做剥离,会导致结果的严重失真,同时剥离次序对解谱结果有较大影响。介绍了一种最优化算法与纯元素谱剥离相结合的EDXRF解谱方法,该方法以多个纯元素谱的强度大小和峰位漂移道数作为变量构建残差方程,并用最优化计算的方法去调整,直至残差达到极小。实验采用强度顺序剥离、能量顺序剥离和最优化算法拟合3种方法分别对谱线重叠较为严重的La-Ce-Pr-Nd混合液样品的L系谱线进行了解析,结果表明最优化计算方法拟合的谱图与原始谱的残差 (1415.0)比另两种方法(166094.0和3192.7)大幅度缩小,拟合谱与原始谱更为吻合,并且方法在实现时对初值不敏感,解谱精度也不依赖于剥离次序。     

Improved artificial bee colony algorithm based on escaped foraging strategy

This paper presents an improved artificial bee colony algorithm. Under the framework of the basic artificial bee colony algorithm, this paper redefines the artificial bee colony and introduces search strategies for group escape and foraging based on Levy flight. The proposed algorithm is named artificial bee colony algorithm based on escaped foraging strategy (EFSABC).There are different strategies for scout bees, onlookers, and free bees searching for honey sources in the EFSABC: all working bees relinquish old honey sources due to disturbance, and select different routines to seek new honey sources. Sixteen typical high-dimensional standard functions are used to verify the effectiveness of the proposed algorithm. The EFSABC algorithm outperforms the traditional artificial bee colony algorithm in all aspects.