摘要：1 引言在国家“863计划”项目下,由国家科委中国科技促进发展研究中心承担了《我国计算机集成制造系统(CIMS)的情景预测》软课题。计算机集成制造系统是未来工厂自动化的发展方向,是处于发展中的高技术。它是将独立发展起来的计算机辅助设计(CAD)、计算机辅助制造(CAM)、柔性制造系统(FMS)、制造资源计划(MRP—Ⅱ)。

摘要：中国广告业将逐渐集中化。

摘要：借鉴大数据思想,充分利用岩土工程勘察数据,实现岩土参数精细化表征和建模,是岩土工程数字孪生的重要组成部分。通过收集深圳市75个工程项目的岩土工程勘察报告,建立了深圳黏性土及风化残积土8个土工试验参数数据库SZ-SOIL/8/11369,分析了深圳黏性土及风化残积土土工试验参数的分布特征和规律。进一步利用该数据库,提出了基于生成对抗网络(generative adversarial network,简称GAN)的土工试验物理力学参数概率分布及预测模型,并将提出的方法应用于深圳某项目,针对单组土工试验样本利用物理参数成功预测了其力学参数,并利用少量样本正确预测了该工程场地的土工试验参数的分布。结果表明,所提方法能够对缺失参数样本进行合理预测,并实现了通过大范围地区勘察数据降低局部工程场地岩土参数不确定性的目的,可为深圳岩土与地下工程结构韧性设计和风险评价提供参数保障。

摘要：目的评价剂量表面积直方图(DSH)对前列腺癌(PCa)患者急性放射性直肠炎(RP)的预测价值。方法本研究为前瞻性随机对照临床研究。收集2018年1月-2023年1月河北北方学院附属第一医院放疗科收治的380例PCa患者,采用抽签法随机分为观察组(n=200)与对照组(n=180)。采用DSH评价观察组直肠剂量分布,剂量体积直方图(DVH)评价对照组直肠剂量分布。采用受试者操作特征(ROC)曲线评价两种计划评价工具对急性RP的预测效能。结果两组年龄、RPS评分、体重指数(BMI)等临床资料比较差异均无统计学意义(P>0.05)。两组急性RP级别比较差异无统计学意义(P>0.05)。两组S_(40)与V_(40)、S_(50)与V_(50)、S_(60)与V_(60)、S_(70)与V_(70)、S_(78)与V_(78)比较差异均有统计学意义(P0.900,提示高等效能(P<0.001)。结论DSH对PCa患者直肠毒性的预测效能与DVH较为相似,在未来放射治疗计划设计中可弥补DVH的不足或单独用于计划评价。

摘要：基于RFID数据的产品加工周期预测对提升柔性制造车间生产效率和管理水平具有重要意义。为对柔性制造车间产品加工周期进行准确预测,首先,在分析描述RFID原始数据获取方式的基础上,对RFID原始数据进行了预处理并与车间生产事件进行了集成处理;其次,基于RFID数据并围绕车间运行状态、生产有效时间和设备工况水平等因素构建了柔性制造车间关键特征集;最后,基于关键特征集设计了基于条件互信息最大算法和BP神经网络集成的预测方法。实验研究表明,这里提出的基于RFID数据的柔性制造车间产品加工周期预测方法是有效的。

摘要：风电场受风速变化等因素影响,出力易产生大幅波动,从而造成电压波动和网损增加等问题,影响风电场的安全高效运行。目前的风电场日前调控方案多基于传统的数学优化模型展开,且需要风机的日前出力预测数据,故无法完全避免的日前预测误差的引入造成日前优化调控方案有效性的降低,增加了日内风机调控的难度。因此,文中充分发挥强化学习模型的决策能力,提出了一种基于改进深度Q网络(DQN)的无预测风电场拓扑重构决策方案,并以DQN为框架展开。首先,构建基于历史数据的状态空间;然后,提出基于生成树的动作价值对解耦的动作空间优化方法,以最小化电压偏差和网损为目标建立优化评价体系,完成由历史实际出力数据到决策的映射关系构建,在避免引入预测误差的情况下实现风电场日前优化调控;最后,设计一种基于多层次经验指导的经验回放策略,提升算法的训练性能,保证算法的适用性。根据实际的风电运行数据进行仿真,通过对比分析改进技术对DQN算法的影响和优化调控前后风电场的运行状态,验证了所提方法的创新性和有效性。

摘要：目的探讨灰色模型GM(1,1)在医院感染发病率预测中的应用价值,为四川省医院感染防控工作提供科学依据。方法构建四川省二级及以上医院、二级医院和三级医院的医院感染发病率预测模型,检验各模型的精度和拟合效果,预测2023年-2025年四川省各级医院医院感染发病率。结果构建的四川省二级及以上医院、二级医院和三级医院的医院感染发病率预测模型的精度(后验差比值C值0.95)和拟合效果(相对误差<0.1,级比偏差<0.2)均较好,根据模型预测到2025年各级医院感染发病率可分别降低至0.51%、0.35%和0.59%。结论灰色模型GM(1,1)对四川省各级医院医院感染发病率的预测效果较好,有助于相关部门及时了解医院感染发病率的发展趋势,为调整防控措施提供科学依据。

摘要：为了提高双向长短期记忆神经网络的预测性能,针对BiLSTM存在的预测精度低、预测结果不稳定的问题,提出了一种新的多目标浣熊优化算法;在浣熊优化算法的基础上,通过改进探索与开发算子,结合快速非支配排序与拥挤度距离计算方法建立精英浣熊保留策略,实现单目标到多目标的改进;基于所提算法,以预测均方误差及预测误差方差为目标函数对BiLSTM超参数进行优化,并建立MOCOA-BiLSTM预测模型,最终实现精确稳定预测;将所提MOCOA-BiLSTM预测模型在变电工程造价数据集上进行了仿真测试,并与其他3种主流算法优化后的模型进行了对比;结果表明,所提MOCOA-BiLSTM的平均百分比误差相比与MOSSA-BiLSTM、NSGAIII-BiLSTM、MOMVO-BiLSTM分别降低了69.59%、58.43%、56.67%。

摘要：在用户侧微电网中,其净功率受发电端以及用电端复杂多变的负荷需求共同影响,导致功率越限频繁且程度加剧,使平滑负荷出现快速且不规则波动,难以维持系统内部功率的动态平衡和协调。这种非稳态状况使得在传统多尺度熵能量分解(MEEMD)方法下得到的本征模态函数(IMFs)存在频率成分混淆的情况,从而使预测结果产生较大偏差。鉴于此,文章提出一种基于改进MEEMD-GRU的用户侧微电网功率预测方法。采用斯皮尔曼相关系数量化影响因素与微电网功率的相关程度,筛选出强相关的初始特征。采用改进的MEEMD分解这些特征信号得到IMFs,克服传统MEEMD的模态混叠问题,更好地揭示功率变化的内在规律,为功率预测提供有效的数据支持。同时,考虑到微电网功率影响因素的时空特性,利用门控循环单元(GRU)对从MEEMD得到的IMFs进行综合分析,捕捉不同频率成分的时空影响规律,提取有效特征,最终实现对下一时刻用户侧微电网输出功率的预测。实验证明,所设计的方法平均误差不超过1%,均方根误差不超过2 kW,能够实现对用户侧微电网功率的精确预测。

摘要：为了提高电网负荷预测能力,设计了一种改进SOM聚类算法的电网负荷预测方法。在UCI数据集中测试该方法的有效性,并测定了电网运行阶段的负荷特性。研究结果表明,经过改进的SOM聚类算法的Max-AE减小,使算法拟合能力显著提升,预测误差明显减小。利用cholesky分解获得的SOM聚类算法相对于普通SOM聚类算法表现出更强跟踪能力。核极限学习机能够在最短时间内达到最佳拟合效果,具有优异泛化能力。用户负荷测试聚类激活神经元具有明显差异,SOM聚类算法准确率均在97%以上,通过验证本算法具有很好的精度。