人工智能与专家的故事

人工智能几起几落,一般认为这一轮热潮从2012年开始。这一年,Hinton和他的学生Alex Krizhevsky设计的Alex Net采用深度学习算法,在Image Net图像识别竞赛中获得冠军,图像错误识别率下降10多个百分比,同期的其他神经网络每次的成绩提升很少达到5%,立即引起业界对深度学习的极大关注。之后的两年时间,深度学习网络进一步把整体错误率下降至5%以内,达到了人眼的水平。随后,Google、Micro Soft、Facebook先后开源了自己的深度学习框架Tensorflow、CNTK和Caffe。一时间,国内外涌现了大量的人工智能创业公司。除了深度学习技术,GPU芯片、分布式计算、计算位数压缩等新的优化技术也加快了神经网络的训练和使用效率,人工智能应用从高性能数据中心向嵌入式设备发展。     

基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用

建立空气质量预报模型，预测污染物浓度对人类健康和社会经济发展具有重要意义。然而，传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此，本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正模型，并使用哈里斯鹰算法(HHO)对模型的超参数进行优化；用CMAQ模型对上海市2022年12月六种大气污染物(SO₂、NO₂、PM₁₀、PM_2.5、O₃、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入，对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示，修正模型显著提高了六项污染物浓度的预测精度，RMSE减少了73.11%～91.31%,MAE减少了67.19%～89.25%,IOA提升了35.34%～108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题，使用高斯随机游走策略对HHO算...     

基于改进TOPSIS的受灾点需求紧迫性分级研究

地震发生初期,各受灾点对物资需求的紧迫性存在差异。在应急资源有限的情况下,为提高救援效率,应急资源需要按照受灾点需求紧迫性优先级进行分配和调度。首先,构建了受灾点需求紧迫性评价指标体系,并采用博弈论方法将熵权法和层次分析法相结合,确定权重组合系数及各评价指标综合权重。其次,利用马氏距离和灰色关联分析改进TOPSIS方法,建立了受灾点应急物资需求紧迫性分级模型。最后,将模型应用于受灾点应急物资需求紧迫性分级研究,并将该评价结果与传统TOPSIS法的评价结果进行比较,结果表明,该评价方法可以科学、客观地确定权重组合系数,消除指标间相关性,使评价结果符合实际情况,表明该评价方法科学、可行、有效,能为应急救援物资配送提供有效支持和决策。     

基于GPR-TOPSIS方法的充填配比多目标多属性优化

为获得某金矿尾砂胶结充填材料最优配比,基于试验结果,以海水比例、灰砂比和料浆质量浓度为输入参数,以充填体强度、塌落度及泌水率为输出参数,建立了充填配比与其响应量的高斯过程回归模型,分析了不同因素对充填性能的影响程度;采用遗传算法对高斯过程回归模型进行多目标参数优化,获得了Pareto非劣解,在此基础上,引入多属性决策的TOPSIS法对Pareto非劣解进行方案优选,确定了充填最优配比。研究结果表明:高斯过程回归模型相对误差值均小于6%,可靠性高;灰砂比及料浆质量浓度对充填性能影响较为显著,采用海水作为充填水源将降低充填体的强度;经优化后的充填配比与试验结果相符。     

公路隧道火灾发生位置与人群疏散通道仿真研究

利用EXODUS建立隧道的仿真场景,确定疏散人群仿真参数,并将出口工效OPS作为评价疏散效率的指标,分析不同火灾发生位置对疏散时间的影响。采用K-means算法分别对火灾发生位置和人群疏散通道位置进行聚类,并建立基于两者影响下的出口工效模型,通过对该模型求偏导,得出隧道火灾发生位置和人群疏散通道选择之间的关系。研究结果表明:火灾发生位置越接近人行横通道,疏散时间波动越大,人行横通道和隧道入口的疏散时间随人群疏散区域分界线变化,当火灾发生距人行横通道20~110 m时,变化明显,当距140~350 m时,变化平稳;出口工效OPS总体呈现不稳定的阶梯状变化趋势;火灾发生位置和人群疏散通道的最优位置呈线性递减关系。研究结果可应用于隧道应急指挥中心管理人员制定有效疏散路径和采取诱导分流人群措施。     

Hough变换在PCB在线检测系统的应用

在印刷电路板(PCB)视觉检测系统中,图象边缘提取的质量和对瑕疵图象边缘的快速而准确的识别是达到实时检测的关键因素,Hough变换是一种应用非常广泛的图像边缘检测技术,运用快速的Hough变换方法,来完成PCB检测的圆心定位和半径测定,并通过针时PCB在线检测的具体应用情况加以改进并应用,实验分析表明,该算法在PCB在线检测的可行性和优越性.图5,参5.     

人工神经网络在道路交通噪声预测中的应用

人工神经网络具有很强的预测功能，根据某公路交通噪声的实测数据，应用人工神经网络进行道路交通噪声的预测，经检验，计算值与实测值接近，从而为道路交通噪声的预测提供了一种新的途径。     

基于机器学习的电热防除冰表面温度变化趋势预测

针对飞机部件周期控制律电加热防除冰的应用,提出基于机器学习以预测电加热防除冰表面温度的变化趋势.依靠大型结冰风洞及其电加热防除冰控制系统完成防除冰试验,获得有效的试验数据,以通、断电周期为分割单元,将试验数据划分成验证集和训练集.根据电热防除冰过程的换热情况,构建样本的特征参数,利用机器学习的有监督学习方式,选择KNN近邻回归算法和局部线性加权回归算法预测温度变化率,再转换为温度,得到的温度变化与测量数据的线性相关性达到80％以上的高相似度结果,表明使用机器学习可快速预测电热防除冰部件的表面温度变化趋势,且不同的回归算法针对模型不同测温点位置的预测效果存在差异.     

“丝绸之路经济带”中国段土地利用系统安全性评价及阻力分析

在构建土地利用系统安全性评价指标体系的基础上,结合基于TOPSIS算法的DPSIR模型对2006—2015年"丝绸之路经济带"范围内中国九个地区进行土地利用系统安全性分析。同时借助障碍度诊断模型分析影响区域系统安全性提升的阻碍因子,并运用最小方差法(LSE)对区域土地利用系统进行系统阻力类型划分。结果表明:(1)研究区域土地利用系统安全指数全部位于0.20—0.60,即处于不安全状态和临界状态,距离安全状态仍有一定差距。(2)不同阻碍因子对不同地区影响作用有所不同,障碍因子由经济发展、社会投资、技术等基础方面转向土地资源和环境生态等方面,未来应针对不同地区的不同障碍因子制定具有差别化的缓解土地资源环境压力的政策。(3)研究期初和期末的区域土地利用系统阻力主要分为四系统阻力模式、五系统阻力模式,大部分研究地区由期初的D-S-I-R阻力型转变为期末的D-P-S-I阻力型,压力子系统阻力作用越来越突出。     

基于蒙特卡洛模拟算法的环氧乙烷球罐多米诺效应风险分析

基于多米诺效应的故障概率模型,结合某化工公司环氧乙烷存储装置,借助ALOHA软件判定装置间的多米诺影响系数。在此基础上,分别应用分析算法和蒙特卡洛模拟算法对考虑到多米诺效应情况下一特定环氧乙烷球罐T_1的失效概率进行计算分析。结果表明,分析算法和蒙特卡洛算法的结果呈现出较好的一致性。并且随着时间的推移,2种方法的吻合度越来越高。本方法的提出有效地简化了考虑多米诺效应情况下多个装置失效概率的计算,所得结论为工厂对球罐间安全屏障的设计提供一定的借鉴作用。