从某正样机的鉴定试验谈可靠性试验设计

介绍了在正样机定型质量控制过程中,强化鉴定试验可靠性设计方法研究。从编制鉴定试验大纲、方案评审、试验程序控制、试验数据分析、试验过程组织和技术能力提高等关键环节入手。确定正样机置信水平,得出正样机功能及主要性能满足战术技术指标要求。     

基于机器学习的长江流域农田氮径流流失负荷估算

定量解析长江流域农田氮径流流失特征是实现长江及其河口氮污染有效控制的关键科学基础.基于收集的长江流域570个旱地和434个水田田间氮径流流失数据组,采用相关性分析、结构方程模型、方差分解和机器学习方法,探究了影响旱地和水田总氮径流流失强度的主要因素,建立了基于机器学习的长江流域旱地和水田总氮径流流失强度预测模型,量化了长江流域农田总氮径流流失负荷.结果表明,径流深、施氮量和土壤氮含量是影响旱地总氮径流流失强度的主要因素;径流深和施氮量是水田总氮径流流失强度的主要影响因素.与分类与回归树、多元线性回归和增强回归树方法相比,采用随机森林算法构建的长江流域旱地和水田总氮径流流失强度预测模型具有更高的精度（R²为0.65~0.94）.基于随机森林算法的预测模型估算的2013年长江流域农田总氮径流流失负荷（以N计）为0.47 Tg ·a^-1（旱地：0.25 Tg ·a^-1;水田：0.22 Tg ·a^-1）,中下游地区贡献了58%的流失负荷.模型预测5种防治情景下的长江流域农田氮流失负荷可削减2.4%~9.3%,其中减少径流量的削减效果最为显著.长江流域农田氮面源污染防治必须协同加强氮肥精准管理、减少农田径流量和提高土壤氮利用,且应将重点放在中下游地区.所发展的基于机器学习建模方法克服了氮径流流失强度与影响因素之间函数关系难以确定的问题,为估算区域或流域农田氮流失负荷提供了简便且可靠的方法.     

基于轻量级梯度提升机的南京大气臭氧浓度预测

采用南京地区2015年1月至2016年12月期间的空气质量数据和常规气象资料数据,分析了南京地区O₃浓度变化特征,建立基于轻量级梯度提升机(LightGBM)的O₃浓度预测模型,并将该模型与支持向量机、循环神经网络和随机森林等3种在空气质量预测方向上常用的机器学习方法进行了对比,验证模型的有效性和可行性.结果表明,南京地区O₃浓度变化具有显著的季节性差异,浓度变化受前期浓度、气象因子和其他空气污染物浓度的共同影响.LightGBM模型较为准确地预测了南京地区地面O₃浓度(R²=0.92),且该模型的预测精度和计算效率等性能优于其他模型.尤其是在容易出现臭氧污染的高温天气,该模型预测准确性明显高于其他模型,模型稳定性较好.LightGBM具有预测准确度高、稳定性好、有良好的泛化能力和运算时间短等特点,在O₃浓度预测方面具有显著的优势.     

基于多尺度排列熵和极限学习机的风机叶片覆冰故障检测方法*

针对风机叶片结冰故障检测中状态数据维度高和检测率低的问题,提出1种使用功率数据驱动的多尺度排列熵（multiscale permutation entropy,MPE）和极限学习机（extreme learning machine,ELM）的风机叶片结冰故障检测方法。首先,使用多尺度排列熵提取功率数据的多重尺度特征,得到特征向量;随后,采用极限学习机,结合环境温度,对结冰故障进行检测;最后,通过使用某风电场的数据采集与监视控制系统（supervisory control and data acquisition,SCADA）对数据进行仿真。研究结果表明:所提方法的故障检测率达到100％,同时虚警率仅有0.14％,表明所提方法在风机叶片的覆冰故障检测中的有效性。研究结果可为风机叶片覆冰故障检测提供1种有效方法。     

基于多模态信息融合的心理负荷评估*

为了相对稳定地识别人员是否处于心理负荷状态,设计并实施含能材料起爆作业心理负荷诱导试验。首先对心理负荷诱导情况进行判断,然后分别采集27名被试在静息状态和实施含能材料撞击起爆作业状态下的眼动、心率变异性（HRV）和脑电信号（EEG）,通过正态性检验和假设检验获得心理负荷表征指标并进行统计功效分析,依据表征指标,采用支持向量机（SVM）和随机森林（RF）算法建立多模态信息融合的心理负荷评估模型,最后采用被试工作特征曲线（ROC曲线）分析各模态组合和分类器的心理负荷识别性能。研究结果表明:双模态（眼动+EEG）下SVM算法和3模态下RF算法评估性能和稳健性较高,多模态信息组合具有优异的识别效果。     

基于特征提取的输油管道泄漏系数预测*

为准确预测管道泄漏系数,估计管道泄漏量,以基于瞬变流方法的模拟数据为例,建立多个管道泄漏系数预测模型(多层感知机、长短期记忆网络、随机森林、支持向量机以及K近邻回归),综合考虑管道流量和压力数据特点,提出序列提取法和均值提取法2种管道时序数据预处理方法,模型评价指标为相关系数（R2）和平均绝对百分比误差（MAPE）。研究结果表明:随机森林和多层感知机的抗噪性较强,在5%的噪声影响下,模型准确度下降幅度较小;均值提取法去噪功能较好,可在一定程度上降低噪声影响;基于均值提取法的多层感知机模型效果相对较好,R2为0.997 5,MAPE为1.599%,研究结果可为准确预测管道泄漏系数、估计泄漏量提供指导。     

基于支持向量机的化工工艺安全评价模型构建及优化研究*

为解决现阶段基于风险分级的安全评价方法仍存在着高维数据处理不当、评价智能化程度不高等问题,创建支持向量机的安全评价模型,利用核函数解决安全评价因子分类问题,粒子群算法（PSO）寻找最适合模型的正则项C,进一步提升安全评价模型的正确率,形成适用高维数据的化工工艺安全评价方法。研究结果表明:该模型与经典支持向量机模型和BP神经网络评价模型相比具有更高的正确率,研究结果对借用机器学习来创新安全评价理论及工程应用具有现实意义及理论价值。     

城市臭氧污染特征与高影响气象因子：以苏州为例

近年来城市臭氧(O₃)污染问题日益突出,影响O₃污染的关键气象因子尚不明确,因此分析典型城市——苏州的O₃污染特征,探究O₃污染的高影响气象因子,对该区域大气污染防治具有重要意义.基于苏州环境监测中心2015～2020年4～9月逐小时O₃浓度数据及同期气象观测资料,应用相关分析和机器学习方法对其开展相关分析研究.结果表明：(1) 6年间O₃污染高发季,O₃污染超标率均达20%以上,O₃污染日数和以O₃为首要污染物的污染日数占比均逐年上升,O₃污染问题日益凸显;(2) O₃浓度存在单峰日变化特点,谷值出现在07:00前后,峰值出现在15:00～16:00;其与气温和太阳辐射能的日内变化趋势较一致,但其浓度峰值出现时刻又滞后于二者. 2017年和2019年O₃有典型的“周末效应”,周末较高的太阳辐照度对O₃浓...     

基于高分辨率影像的固体废物自动识别技术

随着经济快速发展,工业固废、非正规垃圾、未覆盖建筑渣土等固体废物急剧增加,对区域生态环境造成极大威胁。固废堆场具有面积小、分布散等特点,目前国内仍缺少针对各类固废堆场的遥感自动识别研究。为此,基于国产高分辨率卫星遥感数据,根据野外实地光谱采集结果,分别开展了未覆盖建筑渣土、工业固废及非正规垃圾的自动识别方法研究,提取研究区各类固废堆场。结果表明:未覆盖建筑渣土在蓝波段与绿波段分别存在"吸收谷"与"反射峰",基于该特征构建的比值指数模型,结合直方图双峰法阈值分割可以有效提取未覆盖建筑渣土区域;工业固废、非正规垃圾2种固废类型多样,光谱反射率没有明显规律,结合其纹理、色调等特征,采用面向对象多尺度分割、支持向量机监督分类方法能够较好地识别2种类型固废;基于自动化提取技术并结合人机交互判读方法,提取的研究区未覆盖建筑渣土、工业固废及非正规垃圾等3种固废堆场的精度分别达到96.83%、88.26%、85.71%,各类固体废物遥感识别精度较高,极大提高了固废监测效率。     

国产旋压设备的发展和应用

概述了国内旋压设备 30余年来的发展历程 ,指出了国产设备与发达国家的产品存在的差距 ,以及近年来国内旋压机床制造业取得的成绩。并结合国内外市场的需求 ,提出了旋压设备今后发展的方向