二维平流输送问题的Euler-Taylor-Galerkin有限元方法及其数值实验

介绍了二维平流输送问题的Euler-Taylor-Galerkin(ETG)有限元方法,并进行了数值实验。笔者首先采用时间分裂技术将二维问题转化为一维问题,然后对每个一维问题应用ETG算法。为抑止在陡峭梯度区域附近出现的非物理振动和负值,使用了Forester的非线性滤波器。笔者采用余弦函数和高斯函数2种二维分布在一个纯旋转流场中输送的个例,研究了算法的性能并讨论了时间步长和空间网格分辨率对算法精度的影响。      

Efficient implementation of the Metropolis-Hastings algorithm,with application to the Cormack–Jolly–Seber model

Judicious choice of candidate generating distributions improves efficiency of the Metropolis-Hastings algorithm. In Bayesian applications, it is sometimes possible to identify an approximation to the target posterior distribution; this approximate posterior distribution is a good choice for candidate generation. These observations are applied to analysis of the Cormack–Jolly–Seber model and its extensions.     

BP神经网络和遗传算法在红发夫酵母培养基优化中的应用

运用BP神经网络对红发夫酵母发酵培养基组成进行建模以及预测类胡萝卜素产量,在此基础上采用遗传算法对此模型进行全局寻优.得到红发夫酵母发酵培养基的最佳配比为:蔗糖45.10 g/L,硫酸铵3.00 g/L,硫酸镁0.80 g/L,磷酸二氢钾1.40 g/L,酵母膏3.00 g/L,氯化钙0.50 g/L,类胡萝卜素产量达到8.20 mg/L,干重达到9.47 g/L.采用上述方法优化后的培养基使类胡萝卜素的产量比起始培养基提高了95.90%.     

基于安全保障的分布式电源选址定容优化研究

分布式电源的发展是我国智能电网发展中的重要方面之一,基于安全保障性,合理地对分布式电源进行选址定容,对于中低压配电网规划具有重要意义。分析了分布式电源对配网的具体安全性影响。提出以安全第一、成本最小、网损最小、电压偏移最小为目标的综合效用目标函数模型,并采用遗传算法求解。通过对IEEE9节点配电网络的算例分析验证了所提算法在分布式电源选址定容求解问题中的可行性和实用性。     

基于贝叶斯网络的高速动车组运营故障分析

为研究影响高速动车组正常运行的各故障因素间的因果关系,分析其耦合强度,将故障因素分为人、机、环3类,从系统角度又将机器因素分为5个子系统。人、机、环3类共识别27个故障因素;使用K2算法生成贝叶斯网络结构,引入扩展因果效应算法确定节点优先次序作为K2算法的先验知识,采用EM算法学习贝叶斯网络参数,构建基于贝叶斯网络的高速动车组运营故障分析模型;以209个CRH详细故障报告为例,对故障因素的故障发生概率进行排序并分析因素间的影响强度和灵敏度。结果表明:牵引供电系统故障发生概率较高;车门系统故障、牵引变流器故障易由内部零件故障引起,外界异物击打对受电弓影响较大;人、环因素更易引起多故障耦合;环境因素对牵引供电系统表现出较高的灵敏度。贝叶斯网络在分析高速动车组运营系统故障问题上具有可行性,分析结果有助于提升运营单位的管控能力。     

基于城市火灾风险的消防站分级覆盖选址模型——以济南市区为例

为更科学规划消防站选址,实现有限资源下应急资源的合理配置,提高消防站联动效率,根据“不同火灾风险等级的需求点应得到主管消防站和不同数量增援消防站服务”的原则,提出1种消防站分级覆盖选址模型,同时使用覆盖衰减函数表示消防站对需求点的覆盖度;基于遗传算法设计消防站分级覆盖选址模型的求解流程;以济南市区为例,基于POI和火灾数据,使用核密度分析法进行城市火灾风险分级,进而对选址模型进行验证。结果表明:以覆盖火灾风险值为评价指标,分级覆盖选址模型的选址结果优于现状消防站、广义最大覆盖模型、P-中位模型和P-中心模型。     

基于深度学习算法的叉车危险操作行为检测

随着物流仓储行业快速发展及叉车数量的不断增多,针对叉车作业过程中存在的人员碰撞、挤压、坠落等潜在风险,迫切需要对危险行为进行及时检测和预警。为解决人员值守易漏报误报及传统方法检测精度低的问题,建立基于图像特征识别的叉车检测深度学习模型和算法。通过采集、处理现场视频图像素材,完成模型的训练及性能评价,建立相应的报警规则和报警阈值,搭建测试环境并进行仿真测试,开发相应的软件系统。结果表明:模型检测速率为130 ms/帧,人员靠近叉车准确率为85.6%,叉车举升人员准确率为83.7%,达到良好的实践效果。     

基于双层规划的应急物资调配研究

为在突发性自然灾害发生后的黄金救援时间内,使各应急物资调配中心的物资在最短时间内高效地运往各受灾点,最大程度地平衡受灾程度不同的受灾点群众对应急物资救援的心理满意度,构建以应急物资救援时间最短为目标的上层模型;通过借鉴前景理论量化受灾群众的心理满意度,在考虑各受灾点对有限应急物资存在竞争关系的基础上,建立下层非合作博弈模型;设计遗传算法求解上层模型、改进粒子群算法求解下层模型的层次混合算法。结果表明:构建的多应急物资调配中心多受灾点的非线性整数双层规划模型,使应急物资的调配具有时效性,且更加客观地衡量各灾点物资调配的公平合理性,该模型为应急物资调配研究提供借鉴与参考。     

基于YOLO-BP神经网络的古建筑修缮阶段火灾监测方法*

为提高古建筑修缮阶段火灾监测水平,有效预防火灾事故,提出1种基于YOLO-BP神经网络算法的古建筑修缮阶段火灾监测模型。针对修缮作业对古建筑产生的消防隐患,在施工场地设置监测点,并利用YOLO算法以火源、可燃物为目标进行检测与定位,计算火源与可燃物距离;以火源温度、含氧量、火源与可燃物距离3项指标作为BP神经网络输入层,以火灾概率为输出层,从而进行预测;基于古建筑修缮阶段焊接、切割动火作业阶段的样本数据进行仿真模拟。结果表明:利用模型监测古建筑修缮阶段火灾的准确率达93.9%,验证模型的可靠性;当火源温度在150~2 000 ℃范围内,含氧量不小于19.5%时,动火作业安全距离为10.1 m。     

基于蚁群算法的烟气中人员疏散路径选择优化

针对火灾烟气环境下的人员疏散问题,分析人员密度以及烟气能见度对疏散速度以及最佳疏散路径的影响。首先,得到烟气及人员密度对疏散速度的修正函数,并将该函数同蚁群算法的启发式信息函数进行耦合;其次,改进蚁群算法求解最佳路径的局限性,建立1种基于蚁群算法的人员疏散路径算法模型;最后,将算法模型应用于实例研究。研究结果表明:所提出的模型可较好地优化人员疏散路径,并进一步提高人员疏散效率。