关键词： 有机物   土壤重金属   消解   影响  

摘要： 土壤重金属污染已成为一种全球性的环境问题,不但会改变土壤的生态功能,而且会严重危害人类的安全与健康。在诸多的处理措施中,采用有机物消解土壤中的重金属已逐步成为一种可持续发展的绿色环保技术。近期研究发现,有机物可通过络合沉淀作用、促进微生物代谢和改良土壤理化特性等机制,有效地降低重金属的生物活性。秸秆、草根、树皮、生物炭等不同类型的有机物,由于其特殊的理化性质,表现出了多样性的重金属消解作用。基于此,本文对有机物消解土壤重金属的作用机制和相关技术进行了探讨,并提出了优化的建议。

关键词： 数字孪生   流水线车间   调度优化   遗传算法   约束偏差  

摘要： 针对传统车间调度过程中经常忽略的加工设备故障、维修、物料运输阻塞等干扰因素及其实时性差、理论与实际偏差大等问题,提出一种基于数字孪生的遗传算法流水线车间调度方法。基于矿井实际生产过程的需求,构建了数字孪生流水线车间调度仿真模型,通过遗传算法解决生产设备故障等车间突发事件对生产进程的影响问题。以某缸盖自动化流水线车间调度为例,添加并利用甘特图分析了理想状态、双扰动、多扰动条件下调度优化,证明了该算法与实际生产相比加工速度更快,理想状态、双扰动、多扰动条件下加工时间分别为1165、1188.18、1221.08 min,同时得到多扰动条件下偏差率极低,为1.13%。通过缸盖自动化流水线车间调度实验,表明了采用数字孪生的遗传算法流水线车间调度方法的优越性,以及面对矿井生产的恶劣环境数据监测可视化的先进性。

关键词： 粮食生产大数据   知识表示   多模态知识图谱   命名实体识别   实体链接   时序推理  

摘要： [目的/意义]中国粮食生产全过程全要素大数据分散无序且结构复杂,服务粮食生产决策核心算法缺乏整合利用,导致数据的潜力未能得到充分发挥。知识图谱技术可整合多源异构粮食生产数据,提升数据关联性与语义挖掘效率,实现知识结构化表达与智能推理,并为粮食生产的可持续发展提供智能分析与信息支持。[进展]本文综合分析了粮食生产大数据复杂“结构-关系-语义”的知识表示与关联解析方法,梳理总结了一套基于数据驱动与知识引导的知识图谱构建与知识推理框架,综合分析了粮食生产本体构建、多模态命名实体识别、多模态实体链接、时序推理等关键技术,构造产前调度规划、产中精准决策和产后定量评估等全过程多场景的智能化应用。[结论/展望]面向粮食生产大数据应用的知识图谱技术可以在全国、省域、县域和规模化农场等多个应用尺度范围内,为粮食生产各个阶段提供可视化和智能化的决策支持,对实现“藏粮于地、藏粮于技”战略及保障国家粮食安全具有重大科学和应用价值。

关键词： 非机动车道   城市交通   遗传算法   全局优化   交通阻抗  

摘要： 为了适应非机动车出行需求的空间分布不均匀性,在充分利用现有道路资源的条件下,研究非机动车道的决策优化模型与算法。考虑非机动车道设置条件和对机动车与行人交通的影响,拟定不设置、占用机动车道划线设置和拓宽道路并划线设置3种建设模式,定义不同建设模式的决策变量,作为优化变量。借鉴经典多路径-容量限制交通分配模型,在每次更新路网方案后,均动态分配非机动车流量。定义不同建设模式的机动车、非机动车与行人阻抗函数,以此度量不同条件、不同对象的出行成本。引入时间价值转换系数,以最小化出行成本与建设成本之和为优化目标,建立目标函数。考虑路段饱和度、建设率等因素,建立相应的约束条件。设计并使用遗传算法来求解该优化模型。开展案例研究,分别采用遗传算法和枚举算法求解优化模型,得到区域路网的非机动车道建设方案,对比分析算法求解效能与优化前后的成本差异。案例结果表明:该模型与算法能够用较少的迭代次数与时间得到近似最优解,误差为3.1%;与优化前相比,非机动车道建设成本增加了90.08万元,出行成本降低了47.53%,总成本降低了33.34%。研究表明,非机动车道决策优化模型基于系统最优原理构建,能够在不过分增加非机动车道建设成本的前提下,大幅降低出行成本,最大限度地适应不同路段的非机动车需求。

关键词： 12345政务热线   事件分拨   层次二分图   文本分类   城市计算  

摘要： 市民在遇到困难时,会通过12345政务服务热线寻求帮助。在收到市民请求之后,热线工作人员将对市民的需求进行分析,并将事件分拨给对应的政府部门进行处理。目前通过人工完成的分拨过程占用了大量的人力资源,同时许多事件被分拨到错误的部门。为了提高分拨过程的效率和正确率,提出了一种数据驱动的高效自动化事件分拨方法。基于历史分拨记录、事件文本和部门职责,设计了一个用于事件分拨的深度行为语义网络(DBSN)。它包含了三个部分,分别是历史行为编码、事件语义学习和多维特征匹配网络。历史行为编码模块构建了一个在事件类别和分拨部门之间的多级二分图,通过图编码学习行为特征。事件语义学习模块使用卷积神经网络(CNN)和注意力机制来学习事件诉求和部门权责的语义特征。多维特征匹配模块从行为、语义两个特征维度上将事件与部门进行匹配。在实验中,使用了某市12345政务热线数据,实验结果证明了提出的方法与基线方法相比具有优势。

关键词： 复合碳系薄膜   正交试验   神经网络   遗传算法  

摘要： 导电填料含量、比例和聚乙二醇含量对复合碳系薄膜的电热性能和PTC特性有显著影响。为确定最佳配比,通过单因素试验、正交试验探究这些因素对体积电阻率的影响,并利用神经网络算法进行优化。结果表明,当GNPs含量为48.52%,CNTs含量为51.48%,PEG含量为62.28%时,薄膜性能最佳,体积电阻率为22.18Ω·mm,PTC系数为9.21。经过优化制膜,测得体积电阻率为21.58Ω·mm,PTC系数为9.34,误差在5%以内,性能进一步提升。

关键词： 露天矿边坡   变形预测   BP神经网络   遗传算法   时间序列  

摘要： 露天矿山高边坡的变形预测是保障矿山安全生产的重要手段.本文以西藏某矿山边坡为对象,采用高精度合成孔径干涉雷达对矿区南帮边坡进行了全天候位移监测,分析了边坡变形的基本规律;采用小波降噪理论对采集的时序位移监测数据进行了降噪处理,并且为了避免预测模型陷入局部极小值,引入遗传算法(即GA算法)整合进BP神经网络的训练步骤中,用于优化BP神经网络的初始权值和阈值设置,建立了GA-BP神经网络边坡变形时序预测模型,并与BP神经网络边坡变形时序预测模型进行对比分析.研究结果表明:GA-BP模型较BP模型的预测精度提高了10%以上,预测的平均误差减少了50%以上,而且预测的边坡变形趋势与监测值吻合程度更高;GA-BP模型较BP模型收敛速度加快10倍以上,GA-BP模型的回归系数、模型适应度优于BP模型.因此,采用GA-BP模型可使边坡变形预测的精度、收敛速度、泛化能力均得到提高,预测结果更为可靠,可为矿山边坡安全生产提供保障.

关键词： SAC算法   强化学习   落角约束   末制导律   最优制导律   偏置导引律   人工神经网络  

摘要： 为发挥强化学习算法在制导律设计中的优势,针对带落角约束的末制导问题,构建了基于柔性动作-评价(Soft Actor-Critic,SAC)算法的训练模型。根据期望导弹命中状态和降低收敛难度的原则,设计了奖励函数、状态参数。在训练中设定了不同的初始条件并尝试不同的模型参数,得到了稳定的SAC制导律,经过仿真验证,SAC制导律能够以设定的落角命中固定目标。仿真结果表明,与最优制导律(Optimal Proportional Law,OPL)相比,SAC制导律需用加速度值更小,末时刻加速度接近零;SAC制导律的终端落角误差更小、收敛更快;SAC制导律的脱靶量更小,制导精度更高。

关键词： 深基坑工程   数值模拟   注意力机制   反向传播   遗传算法   粒子群算法  

摘要： 针对单一反向传播(Back Propagation,BP)神经网络预测基坑开挖变形时泛化性差及容易出现局部最优解的问题,分别采用遗传算法(Genetic Algorithms,GA)、粒子群算法(Particle Swarm Optimization,PSO)进行优化,并融合注意力机制(Attention)组合成GA-Attention-BP和PSO-Attention-BP神经网络模型.依托南京双子座基坑工程,采用PLAXIS 2D模拟了680组不同工况下围护结构及地表的变形特征,并结合20组南京地区基坑实测监测数据作为数据集,以均方误差(Mean Squared Error,MSE)、平均绝对误差(Mean Absolute Error,MAE)和决定系数(RSquare,R2)作为评价指标,将不同神经网络的预测值和实际监测值进行对比.研究结果表明:GAAttention-BP和PSO-Attention-BP的MSE分别为3.47和3.22,MAE分别为1.59和1.47,R2分别为0.93和0.96,较BP和Attention-BP神经网络有较大的性能提升,预测效果较好;基于注意力机制的权重分配结果表明,基坑深度和地下连续墙的宽度对围护结构变形的影响最为显著,其权重系数分别高达1.33和1.17.

关键词： 相变储能换热器   神经网络   遗传算法   分形理论   敏感度分析  

摘要： 相变材料的低热导率制约了潜热储热系统的效率,提出了一种新型分形翅片改善潜热储热系统的相变传热特性。建立二维管壳潜热储热系统模型,利用焓-多孔介质法进行瞬态模拟,研究了嵌入分形翅片对系统凝固性能的影响,分形翅片长度比和分支角对凝固过程影响显著,分形翅片加快了相变材料的凝固,使系统温度分布更加均匀。与直翅片相比,分形翅片显著强化了系统的换热性能,采用人工神经网络对数据进行拟合,以液相体积分数为优化目标,通过遗传算法得到优化后的翅片结构:最佳长度比为1.425,两分支角分别为50°和30°;优化后分形翅片系统的凝固时间比直翅片系统减少76.9%。对分形翅片参数进行了敏感度分析,结果表明长度比对系统凝固时间的影响更大,1级分支角次之,更应关注这两个参数的变化对凝固时间的影响。