关键词： 新型配电网   EEMD   萤火虫算法   遗传算法   故障定位  

摘要： 含分布式电源的线-缆混合新型配电网发生单相接地故障时,故障位置采用传统区段定位方法难以准确定位。对此,提出了基于特征能量和二进制萤火虫遗传算法的方法,对新型配电网进行故障区段定位。首先,通过集合经验模态分解求取特征频段内配电网各馈线首端零序电流分量能量之和,判定故障线路进行故障选线;其次,在实现选线的基础上,根据故障区段两端零序电流幅值与健全区段零序电流幅值存在较大差别的特点,采用相关系数法对开关进行实际编码;最后,通过二进制萤火虫遗传算法求得适应度函数最优解,进而得到故障区段。仿真分析以及算法性能对比结果表明,所提方法求解速度更快,准确性更高,具有一定的容错性。

关键词： 土壤   金属元素   电感耦合等离子体发射质谱法   精密度  

摘要： 建立了硝酸-氢氟酸-高氯酸-逆王水消解,电感耦合等离子体发射质谱法测定土壤中铜、铅、锌、铬、镍、镉、钴、铊、铍9种金属元素含量的方法。选用编号为TR230006、TR230007、TR230008的实际样品和GBW07981(GSS-39)的标准物质进行测定,并以此研究了分析方法的线性和范围、精密度、准确度等。结果显示:本文测定9种土壤重金属元素的质量浓度与以经内标校正后的对应元素信号响应值呈良好的线性关系,相关系数≥0.999,方法的检出限为0.01~1.74 mg/kg,精密度实验相对标准偏差为0.11%~2.38%,标准物质分析测定的相对误差为-0.79%~1.96%。本方法检出限低,精密度高,适用于土壤中多种重金属元素的测定。

关键词： 酸溶   电感耦合等离子体质谱法   区域地球化学样品   痕量银   KED模式  

摘要： 建立了应用电感耦合等离子体质谱法(ICP-MS)分析地球化学样品中痕量银的方法,探究在动能歧视模式(KED)下,分别通入不同流速碰撞/反应气体(He)的干扰消除效果。Ag的两个稳定同位素因受到锆、铌氧化物(^(90)Zr^(16)O^(1)H、^(91)Zr^(16)O、^(92)Zr^(16)O^(1)H、^(93)Nb^(16)O)等的质谱干扰,对于干扰元素锆、铌含量较高而银含量低的样品,即使采用干扰系数校正也存在较大误差。结果表明:在KED模式下,通过加大氦气流速至7.0mL/min,基体元素如锆、铌氧化物产率降低,基本上消除了锆、铌氧化物对痕量Ag的多原子离子干扰。本文采用混合酸(硝酸-氢氟酸-高氯酸)敞开酸溶消解样品,残渣用王水复溶提取,结合KED模式选出干扰较小的同位素109Ag作为测定同位素,以103Rh作为内标校正基体干扰和仪器信号漂移。经国家一级标准物质验证,分析结果在标准值的允许误差范围内,方法的检出限(3SD)为0.005μg/g,测定结果的相对标准偏差(RSD,n=12)为1.43%~11.22%,满足地质矿产实验室测试质量管理规范(DZ/T 0130.4—2006)对精密度的要求。本方法适用于土壤、水系沉积物、岩石等区域地球化学样品中痕量银的分析。

关键词： 地下水污染   污染源识别   替代模型   遗传算法(GA)  

摘要： 准确识别污染源信息是高效治理和修复地下水污染的前提。为解决使用传统模拟优化方法识别污染源信息过程中产生的严重计算负担问题,文章首先建立BP神经网络(back propagation neural network,BPNN)模型、支持向量回归(support vector regression,SVR)模型和核极限学习机(kernel extreme learning machine,KELM)模型代替传统模拟优化方法中的地下水水流和溶质运移模拟模型。然后,使用简单平均法和遗传算法(genetic algorithm,GA)计算权重值并建立集成替代模型进一步提高模型精度。最后,将表现最优的基于遗传算法建立的集成替代模型嵌入识别污染源信息的优化模型中。算例结果分析表明,嵌入基于遗传算法建立的集成替代模型的优化模型相较于传统模拟优化模型计算时间由11 d大幅度缩短至39 min,且求解所得的污染源信息参数接近真实值,可用于解决污染源信息识别问题。

关键词： 软件测试   测试数据生成   遗传算法   路径覆盖   自适应随机测试  

摘要： 测试数据自动生成方法是软件测试领域研究的热点。基于遗传算法的启发式搜索算法是一种路径覆盖生成测试数据的方法。文中提出了一种基于自适应随机测试(Adaptive Random Testing,ART)算法更新种群的方法,将ART融入遗传算法,优化选择操作,动态更新种群,从而增加种群进化过程中的个体多样性,提高了收敛速度,有效地减少了陷入局部最优。实验结果显示,与传统遗传算法生成测试数据的方法相比,改进的算法明显提高了路径覆盖率,减少了种群平均进化代数。

关键词： 粒子群算法   遗传算法   生产过程参数反演   纱线条干   BP神经网络  

摘要： 针对传统纱线质量的正演、反演模型中存在收敛速度慢、精度低等问题,以及标准粒子群算法存在陷入局部极值的缺陷,提出一种粒子群遗传混合算法。使用该算法优化BP神经网络的权值和阈值并建立纱线条干正演模型。在此基础上,以纱线条干CV值为对象构建了粒子群遗传算法反演模型;使用历史生产数据对生产过程参数进行反演。结果表明:各生产过程参数反演结果的平均相对误差均低于4%。认为:该反演方法具有较高的可行性与准确性。

关键词： 糖尿病性心肌病   三酰甘油-葡萄糖指数   危险因素   人工神经网络  

摘要： 目的:探讨三酰甘油-葡萄糖(TyG)指数与糖尿病性心肌病(DCM)的相关性。方法:选取2019年1月—2022年1月我院收治的150例糖尿病病人作为研究对象,根据病人左心室二维结构是否正常分为DCM组(92例)和非DCM组(58例)。比较两组临床资料,通过曲线拟合分析TyG指数与DCM的相关性;采用受试者工作特征(ROC)曲线分析TyG指数对DCM的预测价值;采用多因素Logistic回归分析DCM的影响因素。构建人工神经网络模型,通过ROC曲线和校准曲线评价模型区分度和准确度。采用Bootstrap重采样对列线图模型进行外部验证。结果:曲线拟合发现,随着糖尿病病人TyG指数的增加,DCM发生率呈上升趋势。阈值效应分析发现,当TyG指数>0.8时,DCM发生率随着TyG指数升高而增大;当TyG指数≤0.8时,DCM发生率与TyG指数无明显相关性。TyG指数对DCM具有一定的预测价值,ROC曲线下面积(AUC)为0.718。多因素Logistic回归分析结果显示,心肌炎、心肌组织纤维化、Ca2+平衡调节异常、氧化应激、微血管病变情况、TyG指数、心肌胰岛素水平均为DCM的独立危险因素(P<0.05)。ROC曲线和校准曲线结果均显示列线图模型具有较好的区分度和校准度。结论:TyG指数与DCM呈线性相关,是DCM的独立危险因素。

关键词： 骨关节炎   诊断模型   人工神经网络   机器学习  

摘要： 背景:生物信息学领域的快速发展为骨关节炎的诊断提供了新的方法。人工神经网络具有强大的数据计算能力和分类能力,研究表明其在诊断疾病方面表现出了较好的性能。目的:旨在使用人工神经网络建立一种新的骨关节炎诊断预测模型,并通过外部数据集验证其在骨关节炎中的诊断价值。方法:通过GEO数据库搜索下载符合要求的骨关节炎相关数据集,将其分为Train组与Test组。对Train组的基因表达矩阵进行差异分析,筛选差异表达基因。对差异基因进行GO、KEGG富集分析;通过Lasso回归模型、支持向量机模型、随机森林树模型从差异基因中进一步鉴定骨关节炎关键基因。随后使用R软件“neuralnet”包构建基于人工神经网络的骨关节炎诊断模型,5折交叉验证评估模型表现;使用Test组中2个独立的数据集来验证其诊断效果。结果与结论:通过差异分析共得到90个与骨关节炎相关的差异基因,其中33个下调,57个上调。GO富集分析显示其生物过程主要参与白细胞介导的免疫、骨髓白细胞迁移、趋化因子产生等过程;KEGG富集显示差异基因主要富集在类风湿关节炎、白细胞介素17信号通路、破骨细胞分化等通路。通过3种机器学习方法筛选并取交集后共得到5个诊断骨关节炎的关键基因,分别为HMGB2、GADD45A、SLC19A2、TPPP3、FOLR2。Train组中5个关键基因建立的人工神经网络模型显示其准确率为96.36%,曲线下面积(AUC)为0.997,对神经网络模型的5折交叉验证表明其平均AUC>0.9,具有一定的稳健性;Test组中2个独立的数据集结果显示其AUC分别为0.814和0.788。提示:建立的人工神经网络骨关节炎诊断模型具有一定的诊断价值。

关键词： 全球限硫令   燃油补给   航速优化   遗传算法  

摘要： 本文基于全球限硫令生效的实施背景,以一个往返航次内船舶总营运成本最小化为目标,分别针对燃料转换和加装洗涤器2种解决方案建立集装箱班轮燃油补给策略与航速优化模型,联合优化船舶航速、燃油补给港、燃油补给量以及航线配船数量,使用混合编码遗传算法对模型进行优化求解,并通过实际算例验证模型和算法的有效性。结果表明,2种方案下船舶最优航速和燃油补给策略不同,适当放宽船舶抵港时间要求可以有效降低船舶营运成本。

关键词： 轻质路基   地基沉降   预测   遗传算法   BP神经网络  

摘要： 为更好地掌握轻质路基施工过程中的沉降变形情况,选取宁芜保通线部分轻质路基沉降监测数据,在BP(back propagation)神经网络模型的基础上,采用遗传算法对其进行优化,并将优化后的模型应用于轻质路基沉降预测。结果表明:遗传算法优化的BP神经网络在全局搜索能力和收敛能力方面具有明显优势;在轻质路基沉降预测任务中,多数预测结果的相对误差集中在更低的范围内,监测点1和监测点2预测结果的模型评价指标MAE、RMSE、MAPE分别为0.017 mm、0.021 mm、0.679%和0.013 mm、0.016 mm、1.395%,预测结果拟合程度高,误差小,模型泛化能力强。因此,遗传算法优化的BP神经网络的沉降预测模型具有可靠的预测效果与预测精度,在实际工程中可行性较高,可作为轻质路基沉降预测和预警的一种辅助手段。