摘要：化工园区内一旦发生爆炸,极易引发多米诺骨牌效应,导致群死群伤事故。及时、准确地预测潜在爆炸可能导致的后果影响,能够为应急响应提供决策支持。然而现有的爆炸后果建模方法无法兼顾预测精度和效率,针对这一问题,提出了机理模型与数据驱动模型交互的数模融合法,用以实现对特定园区潜在爆炸后果的快速预测。该方法将机器学习引入爆炸后果建模中,通过结合试验和数值模拟方法,来生成高质量的训练数据;在模型构建中,设计了分区建模和递进式学习策略;最后,通过将数据驱动模型的预测数据与现有爆炸毁伤判定准则相结合,对潜在爆炸事件后果进行快速预测。以园区蒸气云爆炸为例,建立了基于改良麻雀搜索算法优化广义回归神经网络(Improved Generalized Regression Neural Network,IGRNN)的爆炸冲击波超压峰值预测模型。测试结果表明,模型在不同复杂程度园区场景下均表现出了良好的外推能力,且在普通CPU上预测爆炸冲击波场的耗时少于8 s。最后,结合实例分析,验证了所提方法的可行性。

摘要：为解决工程海域潮位、潮流资料不足给海洋工程设计和数学模型建立带来的不确定性,根据单测站潮位潮流的自相关性、对应测站潮位或潮流以及潮位与潮流之间的互相关性,建立基于数据驱动模型人工神经网络的单测站潮位、潮流(流速、流向)预测模型;多测站潮位、潮流对应预测模型;潮位与潮流对应预测模型.以复杂海况下的实测潮位、潮流资料进行模型验证,重现了潮位、潮流自身及相互之间的非线性映射关系.模型预测结果与现场实测数据的比较及其误差分析表明,该模型具有结构简单、精度高的优点,适用于解决工程实际问题.

摘要：辣木作为新中药资源,被广泛应用于植物医药。收集了全球960条辣木分布记录,结合气候、土壤、地形和太阳辐射空间协变量,采用空间信息技术与数据驱动模型,评估了辣木全球环境适宜性空间分布状况。结果表明,全球适宜种植辣木的土地资源总量约为3.61×10^(9)hm^(2),主要分布在北美洲南部、南美洲东部和北部、非洲中部、亚洲的东南部及大洋洲北部地区。

摘要：建立了基于GPS车速的数据驱动模型及间隙接受模型,以识别高速公路在极限状态下可采用的最小匝道间距。将高速公路匝道间距划分为加速影响区、减速影响区和交织换道区;建立GPS车速数据驱动模型识别车辆汇入后的加速影响范围和车辆驶出前的减速影响范围;根据可接受间隙理论建立极限管控条件下的交织换道区影响范围的识别模型;应用某市出租车在测试路段指定时段内的GPS时空车速数据分析。结果表明,加减速影响区的范围与车速线性相关。提出将多车道高速公路的直行车流与合、分流车流相分离,基于可接受间隙的模型测算结果表明交织换道区的距离不应小于639 m。在分流主线通过型交通流,交织换道区限速80 km/h,设置辅助车道时,二级服务水平下的极限匝道间距为872 m,考虑安全性,推荐设置为930 m以上。

摘要：反窃电行为现场蹲守取证的时效性与准确性均较差,导致取证工作效率下降,且取得的证据不完整,设计基于数据驱动模型的反窃电行为精准取证系统。在现场布设反窃电稽查仪、红外摄像头,在采集层获取用户相关用电数据以及视频图像,并通过通信层的集中器将数据传输到主站层。主站层借助数据驱动模型从用电数据以及视频图像中挖掘证据,对获取的证据进行实时整理和归纳,完成反窃电行为精准取证。实验结果表明,利用所设计系统对窃电用户进行检测与识别后所得F1值均大于9,且接近于10,能够实现反窃电行为精准取证。

摘要：为提升电力系统运行设备数据集成处理效果,研究基于数据驱动模型的电力大数据关联规则挖掘方法。先应用量级差别理论,假定数据的频繁项目集合,通过最小阈值确定其支持度与置信度对电力大数据预处理。然后基于数据驱动模型建立关联矩阵,以非线性自适应控制方式,在极小化处理下聚类分组电力大数据中心。最后通过历史数据中获取信息估计量,动态补偿挖掘电力数据关联规则,实现方法设计。以某省电力系统的营销大数据为测试对象开展实验测试,应用设计方法能够从10 000组数据中挖掘出峰电量、平电量、谷电量三种数据属性,具有较好的应用效果。

摘要：陆源污染物排放是影响近岸海域水环境生态质量最重要的因素。建立了数据驱动模型人工神经网络算法和海域水质模型相耦合的入海污染源排污削减优化方法:基于水质模型污染源项设计工况的数值计算,获得海域内部观测点污染物浓度;以数据驱动模型人工神经网络算法建立状态变量(海域内部观测点污染物浓度)同控制变量(污染源项)之间的非线性关系;以海域内部观测点环境目标数据为输入,模拟推算出目标前提下的各污染源项入海允许排放量;最终结合实际排污量,核算获得削减量。以连云港徐圩海域4个入海污染源无机氮的排污削减研究验证方法的有效性,结果表明:数据驱动人工神经网络方法具有非线性、简洁、灵活的优点,可以为近岸海域水污染控制工作提供基础数据支撑;同时研究中采用分区排污削减的方式更能体现兼顾公平的基本原则,优化入海污染源排污削减工作。

摘要：目的为了实现医疗器械信息的静态管理和动态管理,设计一种基于数据驱动模型的医疗器械信息综合管理系统。方法系统的信息采集层利用AXIe高速数据采集传输接口,采集和存储医疗器械信息后,将采集到的信息传送至数据驱动层;数据驱动层利用驱动引擎、挖掘引擎和基于误差反馈的数据清洗方法,清洗接收到的信息并将其存储至数据仓库中;应用管理层整合数据仓库中的信息,依据用户的需求利用相应的接口获取所需的相关服务,查询、调整以及更新医疗器械信息。结果测试结果表明,该系统DB指数均在0.35以下,写入带宽标准均低于0.004 Mbps,序列插补平均相对误差均在0.4以下,具备良好的信息聚类效果、远程写入性能以及更新、修改、调用等操作功能。结论可实现信息的静态管理和动态管理,能够为医疗器械信息管理领域进一步发展奠定坚实的基础。

摘要：智能风机失速状态变化难以捕捉,导致故障辨识结果不精准,提出了基于数据驱动模型的智能风机失速故障辨识方法。分析智能风机压力-流量特征,计算固定流量系数和压力系数,通过不同故障模式空间映射分析风机失速状态变化。引入小波阈值除噪方法对重构信号进行小波包分解,结合小波包能量分析方法实现故障特征提取。将具有映射关系的融合单元应用到智能风机失速故障辨识过程中,构建基于数据驱动的故障辨识模型,结合故障特征提取结果实现智能风机失速故障辨识。分析实验结果可知,该方法应用下的低压、高压风机失速频谱波动范围分别是0~1100 Hz、0~4200 Hz,与实际结果一致,说明该方法的故障辨识结果更为精准。

摘要：针对一类难以建立精确模型的单输入单输出(Single-input single-output,SISO)非线性离散动态系统,提出了一种数据驱动模型的自适应控制方法.所提方法首先设计具有直链与增强结构的随机配置网络(Stochastic configuration network,SCN),建立了一种可同时表征非线性系统低阶线性部分与高阶非线性项(未建模动态)的数据驱动模型,并采用增量学习方法与监督机制,对模型结构与模型参数进行同步更新优化,保证了数据驱动模型的无限逼近能力,解决了传统自适应控制采用交替辨识算法存在的建模精度低、模型收敛性无法保证的问题.进而利用直链部分与增强部分,分别设计了线性控制器及虚拟未建模动态补偿器,建立了基于SCN数据驱动模型的自适应控制新方法,分析了其稳定性与收敛性,通过数值仿真实验和采用交替辨识算法的传统自适应控制方法进行对比,实验结果表明了所提方法的有效性.