摘要:

摘要:

摘要:

摘要:

摘要:影响股价的因素错综复杂，因此在考虑多变量情形下，对时间序列中常用的长短期记忆网络（LSTM）进行修正，并选取股票价格进行预测.首先，采用方差膨胀因子（VIF）进行变量的筛选，再结合自适应提升法（Adaboost）模型查看特征变量的重要程度.其次，用爬虫对投资者情绪进行文本分析，计算情绪指数等指标并揭示其与股价的关系.然后，对格力电器、飞科电器、美的集团3支股票进行股价预测，对比多层感知器（MLP）模型、LSTM模型，并选择适当的模型作为基准模型，在基准模型的基础上加上情绪指数、投资者关注度等指标构建了LSTM-EM模型.进一步，在考虑了投资者情绪后对残差项使用GM （1，1）模型进行修正.实证结果表明，该模型能对股价进行较为精确的预测.

摘要:针对股票预测模型存在时效性和预测功能单一化的问题，本文在长短期记忆网络（LSTM）的基础上，提出了融合自注意力机制（SA）和时间卷积网络（TCN）的双向长短期记忆（BiLSTM）神经网络（BiLSTM-SA-TCN）股票预测模型.BiLSTM-SA-TCN模型中的学习单元和预测单元可以有效学习重要的股票数据，同时能够抓取长时间的依赖信息，输出次日股票收盘价预测值.实验结果表明，BiLSTM-SA-TCN模型在多个数据集上的预测结果更加稳定，模型泛化能力较高，在对比实验中，BiLSTM-SA-TCN模型在大部分数据集上均方根误差最小，平均绝对值误差最小，拟合度R²最优.

摘要:为了准确分析云计算集群日常监控中KPI （Key Performance Indicator）数据的动态和变化趋势，并预测后续发展，达到提高云计算集群高可用性的目标，本文提出三分频的基于组合注意力模型的EWT-ARIMA-Auto-TPA （EAAT）云KPI数据预测方法.首先基于经验小波变换（Empirical Wavelet Transform，EWT）得到云KPI数据低中高频的内在模态变量（Intrinsic Mode Functions，IMFs）降低数据预测的复杂程度.其次，根据分解得到的低中高频IMFs信息特征，分别运用ARIMA、Autoformer、TPA-BiLSTM模型对每类IMFs进行预测.最后，将分类预测后结果经过逆变换IEWT加以合并得出预测结果.本文预测方法在谷歌和亚马逊的4个数据集上得到了验证，无论数据是否具有周期性或者稳定性，本文预测方法都有较好的结果，综合效果比对比模型有较大提升.

摘要:针对樽海鞘群算法（Salp Swarm Algorithm，SSA）收敛性能差、容易陷入局部最优等问题，提出了多策略融合的黄金正弦樽海鞘群算法（Golden sine Salp Swarm Algorithm with Multi-strategy，MGSSA）.首先采用选择反向学习策略对种群中完全偏离最优个体寻优方向的个体计算选择反向解，改善种群质量；然后在跟随者位置更新阶段加入最优个体和精英均值个体引导，以加快算法收敛速度；最后根据概率选择黄金正弦算法变异策略，进一步改善解的质量，同时便于算法后期跳出局部最优.本研究在14个基准测试函数上进行实验，与其他群智能优化算法和其他改进樽海鞘群算法对比，将其应用于拉压弹簧设计问题测试解决工程优化问题的性能.结果表明：MGSSA具有较高的收敛精度和稳定性，在求解工程问题时性能良好.

摘要:针对复杂环境下起火点目标尺寸较小、起火点特征易与实际场景混淆导致烟火检测效率及准确率低等问题，提出了一种基于改进YOLOv5的小尺度烟火目标检测方法.首先，在原始YOLOv5模型输出的第3个检测层上增加第4个检测层，以此获取更大的特征图对小目标进行检测，加强网络模型的特征提取能力.其次，为解决目标在被遮挡的场景中容易出现漏检的问题，将原网络中用于计算目标框损失函数的GIoU_Loss替换成DIoU_Loss.最后，利用TensorRT对模型进行压缩和加速优化，并将其部署到Jetson TX2开发板上进行加速推理实验，通过复制增强方法扩充实际烟火场景数据.大量实验结果表明，本文所提方法用于复杂环境下的小尺度烟火目标检测不仅检测速度快而且精度高，适于推广应用.

摘要:为提高光伏电站辐照度预测的准确性和可靠性，提出一种基于改进Stacking集成学习与误差修正的短期辐照度预测模型.首先使用梯度提升决策树（Gradient Boosting Decision Tree，GBDT）对原始数据集进行特征筛选，清除冗余特征，提高预测精度和运算效率；然后建立改进Stacking辐照度预测模型，根据K折交叉验证下初级层不同预测模型所表现出预测准确度的差异性，对预测结果进行赋权，并对Stacking第一层输入第二层的训练集数据采用Box-Cox变换处理，以提高预测的正态性和同方差性；最后提取历史预测误差数据，采用随机森林（Random Forest，RF）构造误差模型，进一步提高预测精度.实验结果表明，该模型相比传统模型和经典Stacking模型其预测性能有了较大的提升.

摘要:飞行试验数据处理是飞行器试飞过程的关键环节.飞行试验数据具有类型多、数据量大、算法庞杂等特点，飞行试验数据处理系统需要具备试验数据快速分析和跨地域数据及时共享等新能力.本文在分析原有飞行试验数据处理系统基础上，提出了数据处理中心与分集点、分集点与分集点共享、水平拆分飞行数据、分离处理等新方法，设计了一种基于边云协同的新型飞行试验数据处理系统，实现了试飞数据快速处理、跨地域数据共享和全过程科目执行效果推演与分析等功能.

摘要:包含风电、光伏等新能源的综合能源系统以实现电、热、冷等多能互补供能而备受关注.当多个投资者作为独立主体参与综合能源系统运营时，如何对各设备进行合理的容量配置，以更好地消纳新能源和实现各投资主体的利益最大化，是值得关注的问题.本文基于博弈论的纳什均衡原理，针对由风电设备、光伏设备以及冷热电联供设备3个投资者组成的综合能源系统，构建容量配置博弈模型，并采用粒子群算法（PSO）进行求解.在非博弈、非合作博弈以及合作博弈3种不同场景下的对比分析结果表明，在合作博弈场景下，各方投资者收益相对最大、容量配置相对最小，系统具有最大的整体收益，各参与者有明显的合作可能性.研究结果为多方参与供能市场提供了解决思路.

摘要:跳闸是输电和配电电力系统中普遍存在的故障.目前一般采用基于继电保护动作和电气元件动作的保护方法应对跳闸故障.然而，这些面向电气保护的方法在处理跳闸故障时存在滞后性.因此，提前预测跳闸故障对处理隐藏问题和电力恢复起着至关重要的作用.本文提出一种基于多源时序数据的电力系统跳闸故障预测方法，使用窥孔长短时记忆网络（LSTM）提取多源数据的时间特征，缓解了循环神经网络（RNN）在长时间序列上的梯度消失问题.模型在三层栅极上添加窥孔连接结构使得单个单元能够查看上一阶段的LSTM单元状态以此强化网络时序记忆能力；使用参数归一化等L2正则措施缓解故障预测中的过拟合问题对结果的影响；引入支持向量机分类器提高总体模型的泛化能力和鲁棒性.实验结果表明，与现有的数据挖掘方法相比，所提方法具有分类准确性高的优点.最后，对实际应用进行讨论，证明了所提方法在实际场景中的可行性.

摘要:车辆高速转向时，车身向弯道外侧倾斜，严重时会导致侧翻事故.针对此问题，开展了提高车辆转向稳定性的车身主动侧倾控制研究.首先建立了考虑横摆和侧倾运动的六自由度车辆动力学模型；然后确定了车辆在转向运动时的期望侧倾角，并以此为控制目标设计主动侧倾控制器，使车身实际侧倾角逼近期望侧倾角.在不同行驶工况下，仿真研究了车身侧倾角、乘员感知加速度和横向载荷转移率，并考察了实现主动侧倾控制所需的主动悬架功耗和由主动侧倾引起的悬架动挠度变化.研究结果表明：主动侧倾控制能实现车辆转向时实际侧倾角迅速逼近期望侧倾角，且在复杂行驶工况下依然能使车辆具有良好的行驶稳定性；主动侧倾控制减小了悬架的动挠度峰值，使乘员感知侧向加速度和横向载荷转移率都能快速接近零值，且实现主动侧倾的主动悬架功耗较小，保证了车辆的经济性能.

摘要:为了提高固定翼无人机的飞行控制精度，减少系统动态耦合和外界干扰对固定翼无人机飞行控制系统性能的影响，建立了固定翼无人机的奇异摄动模型，在此基础上提出基于干扰观测器的滑模控制方法.首先对固定翼无人机的速度和姿态进行动力学建模，将固定翼无人机的动力学模型转换为奇异摄动模型，再对奇异摄动模型进行快慢分解完成解耦，得到两个降阶非耦合子系统，即以角速度为快变量的快子系统和以速度、姿态为慢变量的慢子系统，分别对角速度回路和速度、姿态回路设计基于干扰观测器的滑模控制器.最后，采用Simulink仿真验证了基于快、慢分解的固定翼无人机滑模控制方法的可行性和有效性.

摘要:过氧化氢（H₂O₂）是一种环境友好的高效氧化剂，被广泛应用于医疗、半导体芯片等行业.利用氧还原法（ORR）电化学合成过氧化氢替代传统蒽醌法极具潜力.为了实现这一工艺的商业化，开发具有高活性、高选择性和长期稳定性的2e^-ORR电催化剂迫在眉睫.本文系统地介绍了目前已有金属与非金属类催化剂的研究历程，特别强调表面基团调控策略，并解析了其对还原过程中间体键位结合强度及电子转移路径的影响.重点阐述电子和几何效应、配位杂原子掺杂和非金属基材料活性位点等关键问题，突出了适当的介观结构工程和动力学策略可进一步优化现有催化剂的催化活性和H₂O₂选择性.最后，指出了非金属催化剂活性中心的探索、电解质环境对催化剂的影响及较大输出功率工业设备的设计等方面的挑战，并对电催化合成过氧化氢领域的发展方向提出了展望.

摘要:为研究大气CO₂浓度缓增对冬小麦（Triticum aestivum）土壤呼吸的影响，基于开顶式气室组成的CO₂浓度自动调控平台，在2017—2019年开展了两季冬小麦CO₂浓度缓增试验.每季试验在背景大气CO₂浓度基础上（CK，对照），均设置了CO₂浓度缓增处理（C₈₀和C₁₂₀，即从2016年起逐年增加40 μmol·mol^-1，至2017—2018年和2018—2019年冬小麦生长季CO₂浓度分别为CK+80 μmol·mol^-1和CK+120 μmol·mol^-1）.采用静态暗箱-气相色谱法测定土壤呼吸速率.结果表明：CO₂浓度缓增没有显著改变土壤呼吸的季节变化规律，但是会显著影响冬小麦旺盛生长期的土壤呼吸速率.在2018—2019年冬小麦抽穗-扬花期，C₁₂₀处理使土壤呼吸速率显著增加50.2％（P=0.008），且使得生长季土壤碳排放显著增加25.9％（P=0.044），而在2017—2018年冬小麦生长季，与CK相比，C₈₀处理对土壤呼吸没有显著影响.土壤呼吸与土壤温度呈指数正相关，与CK相比，CO₂浓度缓增降低了土壤呼吸对温度的敏感性.研究表明，CO₂浓度缓增120 μmol·mol^-1增加了冬小麦生长季土壤碳排放.

摘要: