关键词： 工业物联网   恶意流量检测   特征选择   深度学习   遗传算法  

摘要： 随着IIoT的快速发展,智能制造、工业控制和能源管理等领域的互联程度不断加深。然而,IIoT设备的开放性和高度互联性使其易受网络攻击,导致恶意流量检测面临高维、异构、动态变化及类别不平衡等挑战。传统方法在特征冗余、类别不平衡和时序建模方面存在局限,影响检测精度和实时性。因此,本文提出一种融合两阶段特征优化与改进自适应概率神经网络集成的恶意流量检测方法,主要研究内容如下: (1)针对IIoT网络流量的高维异构特性,本文提出了一种基于两阶段特征优化的特征选择方法。第一阶段采用加权检验和距离相关性m RMR方法进行特征筛选,以去除冗余信息并保留关键特征;第二阶段结合改进遗传算法对候选特征子集进行进一步优化,通过进化与淘汰策略增强特征的代表性,最终获得最优特征子集,有效降低数据维度并提升检测模型的性能。 (2)针对IIoT流量的类别不均衡问题,本文引入平衡子集构建策略,确保少数类恶意流量在训练过程中得到充分学习,从而增强分类器对异常流量的识别能力。为进一步适应IIoT网络中流量的动态变化特性,本文采用CNN-GRU作为基分类器,以CNN提取流量的空间特征,GRU建模时序特征,使模型能够捕获IIoT设备通信模式中的周期性、短时突发性和协议多样性等关键特征。此外,为提升检测模型的泛化能力,本文利用改进的自适应遗传算法优化CNN-GRU网络结构和超参数,确保分类器能够适应IIoT环境中流量状态的快速变化,在不同负载条件下保持稳定的检测性能。 (3)本文构建了IIoT恶意流量检测系统,集成多种优化策略,以实现高效、精准、可扩展的恶意流量检测。 实验结果表明,本文方法在多个IIoT数据集上表现优越,显著提升了特征选择质量、检测精度和计算效率,同时降低了模型复杂度。优化后的模型在动态流量和复杂网络威胁下保持了稳定的检测性能,为工业控制安全、智能流量分析及IIoT终端防护提供了高效、低成本的解决方案。

关键词： 风机尾流   机器学习   人工神经网络   物理信息神经网络PINN  

摘要： 该文提出了一种融合物理约束的深度神经网络方法，实现了稀疏监测点数据驱动的风机尾流场重构。该文以NTNU BT1风洞单风机尾流为研究对象，首先通过高精度CFD模拟生成训练数据集，进而以风机的转动特征和同一时刻下风机尾流区内的稀疏测点的时空坐标为输入参数，以同一时刻下的整个风机尾流场为输出，构建了风机转动特征参数与尾流场之间的高维非线性PINN预测映射模型。进一步地，将物理约束以损失函数形式嵌入神经网络架构，从而形成完整的PINN网络。对比PINN网络预报的尾流场、CFD计算所得的尾流场以及不加入物理损失的神经网络预报的尾流场，结果表明物理损失的加入显著提高了神经网络预报模型的准确性和泛化性能，证明该PINN网络成功地基于稀疏空间测点重构了较为真实的风机尾流场，验证了该PINN网络对风机尾流场预报的可行性和可靠性。

关键词： 特征选择   最大相关最小冗余   降维   遗传算法   近红外光谱  

摘要： 近红外光谱分析技术在农业、食品、化工等领域中有着广泛的应用,但是动辄上千维近红外光谱数据,导致光谱数据的冗余度高,使得建模效果欠佳,因此对光谱数据进行特征选择是十分必要的。在众多的近红外光谱特征选择算法中,最大相关最小冗余算法((Max-Relevance Min-Redundancy,mRMR)利用随机变量之间的互信息为依据选择特征,是一种与建模方法无关的特征波长选择算法,但是mRMR在近红外光谱特征选择中的优势以及与建模方法的适配性问题仍需进一步探讨。本研究以玉米近红外光谱数据集(玉米发芽率、玉米秸秆木质素、玉米蛋白质)为对象,系统探究mRMR的特征选择性能及其与不同建模方法的适配性,并提出了一种混合方法,优化了mRMR以提升特征选择效率。 (1)验证了mRMR算法的特征选择优势。本文使用玉米发芽率近红外光谱数据集为研究对象,利用mRMR进行光谱特征选择,在此基础上分别建立偏最小二乘回归(Partial least squares,PLS)、支持向量回归(Support Vector Regression,SVR)、高斯过程回归(Gaussian Process Regression,GPR)、随机森林(Random Forest,RF)和神经网络(Back Propagation,BP)模型。实验结果显示,对于所使用的玉米发芽率数据集,与文中所用的其他特征选择方法(无信息变量剔除算法(Uninformative Variable Elimination,UVE)、竞争自适应重加权算法(Competitive Adaptive Reweighted Sampling,CARS)、连续投影算法(Successive Projections Algorithm,SPA)、遗传算法(Genetic Algorithm,GA)、变量重要性投影(Variable Importance In Projection,VIP)相比,基于mRMR的模型表现出更好的泛化性能,预测性能也更高,验证了mRMR算法在近红外光谱特征选择的优势。 (2)设计基于mRMR的混合算法实现特征选择的优化。由于过滤式的mRMR算法只能进行特征排序,不能直接给出最优特征子集,而遗传算法(Genetic Algorithm,GA)结合建模方法作为适应度函数的特征选择,能够自动选择出算法认为最好的特征子集。因此本文把mRMR和回归模型性能作为适应度函数的遗传算法相结合,将过滤式和包装式这两种特征选择方法结合,以达到自动筛选合适特征的目的。该混合算法是指在遗传算法的每次迭代中,将每个个体中mRMR认为相关性大且冗余性小的部分特征保留,将其认为相关性小或冗余性大的特征删除,通过迭代不断优选特征子集。本文采用提出的GA-mRMR混合特征选择方法,分别在课题组获取的玉米秸秆木质素近红外光谱数据和公开玉米蛋白质近红外光谱数据集上开展实验验证。在GA-mRMR和其他近红外光谱特征选择方法(UVE、CARS、SPA、迭代保留信息变量法(Iteratively Retains Informative Variables,IRIV)、GA以及mRMR)结果基础上,建立不同的回归模型,探讨GA-mRMR方法特征选择的性能表现。实验结果表明,将mRMR与遗传算法相结合的特征选择策略,综合了两种特征选择方法各自的优势,能够选择出一个确定的且预测性能好的特征子集。 (3)开发了近红外光谱降维软件。基于上述研究成果,在MATLAB环境中开发了一款基于互信息的近红外光谱降维软件。用户可以实现光谱数据的导入、预处理、样本集划分、特征选择和模型构建及结果可视化等功能,系统通过GA-mRMR混合算法自动优选特征子集,并提供其他各种特征方法进行对比,结合多种模型,该软件可完成化学成分的快速精准检测。经数据集验证,本文提出的GA-mRMR方法是一种较为合适的特征选择方法,本文提出的方法也为近红外光谱领域波长选择提供了一种新的思路,能够帮助实现对待测样品化学成分的快速且精准检测,可以为近红外光谱仪器设计和数据采集方案的优化提供指导,提高仪器性能和数据采集效率。

关键词： U-I图象   斜率   交点   面积   跨学科研究  

摘要： 初中物理电学中，电流、电压、电阻和电功率之间的关系是核心内容．《义务教育数学课程标准(2022版)》强调，通过图象教学，学生应能深入理解数学的本质，并在此过程中培养数学思维能力、数据分析能力，提升核心素养，以及跨学科应用能力．这使得图象不仅是数学内部的工具，更是连结数学与其他学科的桥梁，在教学实践中，应重视数学与其他学科的融合．

关键词： 初始速度   预制破片   人工神经网络   预测方法  

摘要： 针对预制破片战斗部的破片初始速度评估问题，提出基于人工神经网络(ANN)的预测方法。首先，通过静爆试验测量预制破片的飞散速度，验证了ALE数值模型的可靠性。然后，选取破片相对位置、装药质量比、端盖厚度比和装药长径比等4个无量纲变量作为输入变量，以破片速度为输出变量，构建ANN预测模型。通过生成144组战斗部数值模型，进行大规模计算，获得1 902组速度分布数据。利用这些数据对神经网络进行训练和测试。结果表明，ANN模型预测结果与试验数据误差在8.5%以内。

关键词： 数字时代   劳动异化   1844年经济学哲学手稿  

摘要： 马克思在《1844年经济学哲学手稿》中揭示了“异化”的四重基本样态，分别是劳动者同劳动产品相异化、劳动者同劳动过程相异化、人同人的类本质相异化，以及人同人相异化。当前，数字劳动已经成为一种十分普遍的劳动形式。在这种劳动形式中，“异化”依然存在，如数字劳动产品商品化、数字劳动过程隐形化、人的类本质的数字化，以及数字主体虚拟化与等级化。从解放数字生产力，重构数字生产关系、复归人的主体意识、构建数字命运共同体三个维度寻求数字异化的出路，有助于人类探索全面而自由发展的道路，进而推动数字时代的共产主义进程。

关键词： 氢还原   微波消解   电感耦合等离子体原子发射光谱法(ICP-AES)   废旧三元催化剂   铂   钯   铑  

摘要： 废弃三元催化剂中铂、钯、铑的准确测定对贵金属催化剂回收利用具有重要意义。废旧催化剂因为使用条件复杂，表面贵金属已经被氧化，即使采用微波消解法，也很难将贵金属氧化物彻底溶解，导致铂、钯、铑的检测结果偏低。实验首先采用氢还原法对废旧催化剂中的金属氧化物进行还原，还原后表面的金属氧化物转化成金属单质，再选择15 mL盐酸-3 mL过氧化氢体系，利用微波消解法消解样品，最后使用电感耦合等离子体原子发射光谱法(ICP-AES)测定铂、钯、铑，从而建立了氢还原-微波消解-ICP-AES测定废旧三元催化剂中铂、钯、铑的方法。实验对微波消解程序进行了优化，确定在180℃消解30 min,能将废旧催化剂中铂、钯、铑完全溶解。铂、钯和铑的质量浓度为1～20 mg/L时与其对应的发射光谱强度呈良好的线性关系，校准曲线的线性相关系数均不小于0.999 9。方法中铂、钯和铑的检出限为0.000 08%～0.000 11%(质量分数，下同),定量限为0.000 25%～0.000 38%。按照实验方法测定废旧三元催化剂中铂、钯、铑，结果的相对标准偏差(RSD,n=7)不大于2.0%;加标回收率为96%～104%。3个实验室分别按照本法测定同1个废旧三元催化剂样品中铂、钯、铑，结果相吻合。

关键词： 冲缝筛管   遗传算法   适应性   堵塞   正交试验法  

摘要： 常规防砂设计对于冲缝筛管选择仅参考储层的粒径数据，在实际应用中具有一定的局限性，致使地层砂粒堵塞冲缝筛管表面严重降低油气井产能。通过设计正交试验，在分析筛管性能的基础上对筛管进行遗传算法优选，研究各因素对冲缝单元堵塞的影响规律，明确对冲缝筛管性能指标影响最大的因素，并建立多元回归拟合方程来评估综合性能指标。针对渤海湾沙河街组特定的储层条件对冲缝筛管适应性进行了评价。研究结果表明：冲缝筛管的开口高度、流体黏度和含砂质量分数增加后出砂量增大，导致挡砂性能减弱，当生产流速增加，流体携砂能力增强，更容易形成堵塞；当储层流体黏度为0.01 Pa·s,储层破坏后含砂质量分数2%时，采用1.2 m/s的开采流速和0.25 mm的开口高度，冲缝筛管的综合性能指标达到最优；基于遗传算法理论，在固定储层特性条件下，来进一步优选机械防砂的设计参数及现场生产压差的控制参数。研究结果对实现机械筛管防砂的长期高效开发具有重要意义。

关键词： 被动源面波成像   数据筛选   遗传算法   信噪比  

摘要： 随着城市化进程的不断加快,地下空间勘探在城市地下空间开发利用中的地位日益重要。高频面波方法是获取浅地表横波速度的高效方法。以城镇环境下交通噪声为信号源的被动源面波方法,能够从背景噪声中提取面波组分信息,在工程和环境领域已经得到了广泛应用。目前在城镇环境下进行被动源面波勘探,数据采集时间通常为数分钟或者数小时,这种超短时间的噪声数据处理往往难以获取高质量的虚拟炮集。本研究利用遗传算法进行被动源面波数据片段筛选,提高虚拟炮集恢复质量。主要研究成果如下: 开展遗传算法数据筛选数值模拟研究。提出一种基于遗传算法的被动源面波数据筛选方法,以叠加后的虚拟炮集信噪比为目标函数,各被动源面波数据片段是否参与叠加设为参数,通过遗传算法进行参数优化。数值模拟结果表明:遗传算法筛选技术能够显著提高叠加后虚拟炮集的信噪比,提升频散成像的精度。 开展遗传算法数值筛选方法在不同虚拟炮集计算策略中的对比研究。将遗传算法筛选技术应用于不同的虚拟炮集计算策略中,包括各种干涉策略(如互相关、互相干、反褶积)及叠加策略(如线性叠加、相位加权、时频相位加权)。结果表明:在互相关干涉方法中,遗传算法筛选技术显著提升了虚拟炮集的信噪比,互相干方法次之,而反褶积方法的提升效果则较弱;在叠加技术方面,线性叠加的信噪比提升最为显著,其次是相位加权叠加,而对时频相位加权叠加方法的提升效果相对较弱。 将所提出的基于遗传算法的被动源面波筛选方法应用于安徽省马鞍山市当涂地区地质勘探项目中。通过对采集的三分量被动源面波数据进行筛选和叠加,有效拓宽了面波信号的有效频带范围,从而获得了高质量的多阶瑞雷波和勒夫波频散曲线。通过联合反演方法获得了地下介质的横波速度剖面,反演结果与现有地质资料相吻合,证实了该方法工程应用中的有效性和准确性。研究成果有助于提升面波勘探资料解释的可靠性。