摘要：针对天鹰优化算法搜索效率不足,容易陷入局部最优的缺点,提出多策略改进天鹰优化算法(MIAO).引入广义正态分布优化算法(GNDO),将该算法得出的结果与天鹰优化算法第1阶段得出的结果进行比较,筛选出这2种优化算法下的最优值.该操作扩大了搜索空间,提高了解的质量.引入相量算子,将第2阶段变为自适应的非参数优化,提高算法的高维优化能力.针对天鹰优化算法在迭代后期存在种群多样性降低、局部开发能力不足的问题,在天鹰算法的第3阶段引入流向算子,使信息可以在每个个体间相互传递,提高种群信息的利用率,增强天鹰优化算法的开发性能.通过对16个测试函数寻优对比分析以及Wilcoxon秩和检验可知,MIAO的寻优能力和收敛速度都有较大的提升.为了验证MIAO算法的实用性和可行性,采用所提算法求解减速器设计问题,通过实际工程优化问题的实验对比分析可知,MIAO算法在处理现实优化问题上具有一定的优越性.

摘要：在复杂光照环境下由于光照不均匀,导致路面上的光照出现强弱不一的情况,使得车道线的亮度和颜色发生变化,从而对车道线检测造成困难。为了提高对车道线检测的精度,提出了一种面向复杂光照环境的车道线检测算法。算法主要以车道线的纹理特征为依据,借助投票算法对交通道路上的图像消失点位提取特征点,构建出车道线的关键检测区域;设计一种结合梯度和统计平均相对差的蚁群算法用于车道线边缘特征提取,并最终拟合标记出待测车道线。实验结果表明,所提方法在复杂光照环境下检测准确率高,鲁棒性强,显著改善复杂光照条件下的车道检测成功率。

摘要：基于南水北调工程巡检专报结合专家经验构建巡检知识图谱概念模型,在此基础上利用实体关系联合抽取框架进行巡检知识抽取,并以Neo4j图数据库为载体进行巡检知识图谱可视化。基于巡检知识图谱进行南水北调工程巡检信息推荐,利用BERT(Bi-directional encoder representation from transformers)预训练模型设计BERT孪生网络,通过知识检索及字符串相似度计算等技术,实现关联工程风险信息推荐,以辅助巡检人员进行工程风险等级诊断。通过实验评估了知识抽取及字符串相似度计算模型的准确性,知识抽取F1值达到88.42%,字符串相似度计算F1值为86.00%。该方法可提高南水北调工程风险管理能力、推动工程运维的数字化发展。

摘要：在分析句子结构的过程中,为明确各短语的依赖关系和最终的分析树,基于带有范畴转换的组合范畴语法(CCG⁃C2),设计了一个在线句子分析的系统,实现对句子的分词,确定单词范畴,使用范畴规则进行传递,对产生的新短语进行歧义消解,最后形成分析树并存储树库。该系统克服了句子分析的时间限制,通过人机交互的方式可以实现句子分析过程中的难点即歧义消解,大大提高了人工分析的效率。

摘要：以往的知识抽取模型忽略了实体关系间的内在语义关联,并且在处理具有复杂关系的用水数据集时会产生大量的冗余信息。针对以上问题,提出一种融合语义信息的实体关系联合抽取模型。模型包括三个阶段:第一阶段,将经过BERT⁃wwm编码后的文本信息投影到关系检测空间中,过滤掉关系集合中的冗余数据;第二阶段,利用多头注意力机制将关系信息融合进文本编码,获取对应关系下的头实体和尾实体集合;第三阶段,引入融合上下文语义信息的实体相关矩阵,完成对三元组的准确提取。实验结果表明,所设计的模型在用水结构研究数据集上取得了较好的实体关系抽取效果。

摘要：命名实体识别是构建水利知识图谱的核心技术。水利工程巡检文本是水利工程最为常见的数据类型,以文本形式记录,没有固定格式与结构,但其包含水利工程安全潜在风险信息,具有价值密度高的特点。针对水利工程巡检文本命名实体识别问题,提出字词向量融合的BiLSTM-CRF模型,首先将巡检文本分别在字维度和词维度进行向量化处理,合并字词向量获取字词向量特征;然后利用BiLSTM神经网络获取序列化后的上下文特征;最后通过CRF进行解码并提取相应实体。以南水北调中线工程巡检文本为例,实验结果表明:字词向量结合之后的方法能有效提高识别性能,对实体边界的识别效果更优,模型准确率、召回率和F1值分别可以达到93.79%、93.06%、93.42%;时间效率较BERT-BiLSTM-CRF模型的时间效率提高82.86%。基于字词向量的BiLSTM-CRF模型可为水利工程知识图谱的快速构建提供技术支撑。

摘要：作为航天器上重要的能源供应装置,太阳电池的性能表现对保证航天器的正常运行至关重要。在评估太阳电池的性能表现时,需要考虑的一个重要因素是航天器所处的轨道辐射环境。为了更准确地评估太阳电池在不同轨道环境下的工作效能,文章将AE9/AP9模型应用于太阳电池性能衰退模型中,并就GaAs太阳电池持续多年的轨道粒子环境对其造成的影响进行仿真实验,实验结果表明,所设计模型可以更加准确地评估太阳电池的在轨性能变化。

摘要：遥感图像能够更为丰富地反映地物内部信息,但多种应用场景下会出现时间序列关键特征难以提取,导致图像分类效果不佳的问题。为此,设计一种面向多应用场景的遥感图像长短期记忆(Long Short Term Memory, LSTM)网络分类模型。对场景遥感图像时间序列特征进行表示;改进动态时间弯曲质平均算法,利用改进算法提取场景遥感图像时间序列关键形态特征;构建LSTM模型,利用梯度下降法训练LSTM模型,更新网络的权值与偏置,在训练完成的网络内,输入时间序列关键形态特征,输出遥感图像场景分类结果。实验结果表明,所设计模型可有效分类遥感图像场景,对场景遥感图像分类的Kappa值为0.97,分类耗时5.6 s,分类不同类别遥感图像场景时的预测分布方差最大为0.6,该方法的分类精度较高,且消融实验结果显示所设计模型的召回率高达95%,F1值高达0.96,由此可见,所设计模型对场景遥感图像分类具有显著的有效性。

摘要：党的二十大报告提出“协同推进降碳、减污、扩绿、增长”。出于为湖北省实现碳达峰目标、探索碳达峰路径提供选择和建议的考虑,研究获取了湖北省2000~2019年第二产业GDP、单位GDP能耗、每年新增森林面积、能源消费总量等12个方面的数据,分析了碳排放量相关指标,使用Lasso回归模型筛选出第二产业GDP、单位GDP能耗、能源消费总量等7个碳排放量主要影响因素;因数据有小样本特点,建立了SVR湖北省碳排放量预测模型,并进行训练;综合考虑政策要求和Lasso回归结果,设计路径并对湖北省2024~2030年碳排放量及碳达峰时间进行预测。结果表明,在依据现有发展路径和单因素指导改变路径条件下,湖北省碳排放量将逐年增加且未见达峰;在综合指导改变路径条件下,湖北省碳排放量将逐年增加且在2029年达峰,之后下降。

摘要：风味是食品感官质量的重要指标,是食品能否为消费者接受的主要因素之一。在风味调配的研究中,由于试验因素影响较多,且各因素之间没有明确联系,难以用化学、物理等方式去简单描述。为探究以蒜和葱作为主要原料在不同状态下香气相互协同规律,本文首先使用Lasso回归模型,从众多因素中筛选出原材料配比、温度、时间等3个主要影响因素;然后,设计并开展了香料配比试验,获得香料风味的化学组成及满意度,构建了训练数据集;因数据具有小样本、非线性特点,本文基于支持向量机建立了香辛植物风味预测模型,并采用训练数据集进行了模型训练,得到模型的主要参数;最后,利用特征香气物质重组试验所形成的新样本数据,检验模型的准确性,试验表明该预测模型可以较为准确地预测香料混合物的化学组成及满意度。