关键词： 双星   轨道拟合   数据处理   恒星基本参数   数值积分  

摘要： 双(多)星系统是普遍存在的,并且双星的轨道拟合能够导出独立于模型的恒星参数,为探索恒星理论演化模型提供了新的基准恒星样本。近些年得益于地面和太空望远镜的发展,高分辨率光谱和高精度测光观测的实施,高精度的观测数据正在不断积累。与此同时,双星系统的证认及其轨道拟合依然是天文研究中的一个焦点。 在本论文中,首先我们利用郭守敬望远镜低分辨率光谱数据(LAMOST-LRS)对单谱线分光双星(SB1)通过轨道拟合的方式进行证认。这里先使用χ2检验对LAMOST-LRS的一个子样本进行筛选,得到视向速度变星。随后通过与变星星表的交叉匹配,丢弃其中的本质变星,得到SB1候选源。为了可靠地证认出SB1s,我们结合 Thejoker、rvfit 和 Levenberg-Marquardt 算法来给出双星轨道的最优解,如果其满足可接受轨道解的判别标准,则被证认为SB1s。最终获得255个SB1s,其中168个是新发现的。交叉验证的结果表明,我们给出的轨道周期与其他星表给出的周期在1σ不确定度内相一致。相应周期-偏心率分布图表明了大多数短周期双星偏心率较小,这与轨道圆化效应预期的结果一致。此外,与母样本相比,SB1s星表表现出相对较高的矮星比例和略低的金属丰度,这一统计特征与其他研究者得出的结论一致。进一步地,我们从上述SB1s星表中发现了一个有趣的系统,该系统为双谱线不接食双星(EPIC 211391083)。其同时拥有APOGEE多次观测的高分辨率光谱数据和K2两次观测的光变曲线数据。我们利用BF方法从连续归一化光谱中提取子星的视向速度数据,由rvfit程序求解了系统的分光轨道。然后我们同时对光变曲线和视向速度曲线进行建模,联合拟合这两种数据导出的主星和伴星的质量分别为M1=1.46647 M⊙和M2=1.37578 M⊙;半径分别为R1=1.61768 R⊙ 和R2=1.46257 R⊙。我们也利用已有的信息对子星的有效温度和表面重力进行了估计,并且将PARSEC恒星演化模型计算的数据与我们的结果进行比较,分析了子星的演化阶段和年龄。最后考虑到大约10%的双星系统本身是三星或四星系统的成员。研究这些多星系统的长期动力学稳定性,需要用到效果良好的数值积分方法。这里我们基于Nacozy的流形改正算法发展了一种新的流形改正算法,其可应用于多星系统。在一个纯二体问题中,存在七个积分守恒量。我们使用七个比例因子来改正积分后的位置和速度,以确保调整后的解严格满足七个守恒量。我们采用了结合奇异值分解的牛顿迭代法来计算这些因子。这种改正算法可以应用于受摄二体和多体问题中。这时与每个系统相关的七个量会随时间缓慢变化。通过同时积分这些量的积分不变关系和运动方程,可以得到这七个缓变量某个时刻的值。数值测试表明,新方法可以显著减小所有轨道参数数值误差的增长速率。

关键词： 深度学习   三维点云   注意力机制   特征提取  

摘要： 近年来,随着三维采集技术的快速发展,机器通过三维数据可以获得周围环境丰富的几何、形状和尺度信息,三维数据处理成为计算机视觉领域的一个重要研究方向。点云作为一种常用的三维数据表示形式,在不进行离散化的情况下保留了三维空间中的原始几何信息,它是许多场景理解相关应用的首选表示,如自动驾驶、机器人技术、增强现实等。在这些场景理解的应用过程中,对点云构成的三维数据语义理解是一个重要的研究课题。 点云任务往往面临各种各样的问题,其中一个非常值得探索的问题就是如何精确地提取点云的局部特征信息。对点云的局部信息进行显著表达涉及采样和特征提取两个重要阶段。在采样阶段,现有的采样算法难以在固定采样数量的情况下保证局部采样的均匀性。在特征提取阶段,基于Transformer结构的网络模型展现出了优秀的全局建模能力,但是这些模型的局部特征提取能力仍需进一步地探索。本文针对这两个阶段存在的问题探索有效的解决策略,主要工作如下: (1)基于密度考虑的采样策略:基于密度考虑,提出了区域密度自适应采样、密度权重维度学习采样以及删点采样算法,以不同方式优化采样过程,从而更有效地保留原始点云数据的局部结构特征。 (2)基于Transformer架构的位置敏感特征提取模型PNNTR:基于无参数网络模块考虑,提出重视点云的点之间位置距离的位置敏感特征提取模块,并结合Transformer架构提出了位置敏感的特征提取模型PNNTR,能够在分类和分割任务上相较于基线模型实现更高的精度。 (3)适用于点云目标检测任务的Transformer模型PNNTD:在点云目标检测任务中,为了融合全局与局部特征提取的优势,本文设计了一种基于Transformer的模型PNNTD。该模型综合了PNNTR模型的局部感知能力和Transformer模型的全局建模能力,展现出优越的目标检测性能,与现有先进模型相比具有竞争力。

关键词： Python   财务分析   数据处理   数据可视化  

摘要： 在当今数字化时代，财务分析作为企业决策的重要工具，其准确性和效率直接影响到企业的竞争力。虽然传统的财务分析方法能够在一定程度上满足需求，但随着数据量的爆炸性增长和分析需求的日益复杂，这些方法逐渐显示出局限性。Python作为一种功能强大且灵活的编程语言，其在数据处理和分析方面的优势使其成为财务分析领域的新宠。基于此，从Python在财务分析中的理论基础出发，探讨Python在财务分析中的应用，展示Python在财务领域的广泛应用和前景，深入剖析Python在财务数据分析、风险预测、投资策略等方面的具体应用，并提出相应的优化建议，包括加强Python在财务分析中应用的普及和培训，构建统一的财务数据分析平台，深化Python在人工智能和机器学习领域的应用等，以期提高Python在财务分析中应用的水平。

摘要： 大数据时代的到来，为各行各业带来了前所未有的机遇与挑战。如何有效地处理和分析这些海量的数据，以获取有价值的信息，成为当今研究的热点。现代统计技术以其强大的数据处理能力和深厚的理论基础，为大数据处理提供了有力的支持。一、现代统计技术与大数据处理的概述（一）现代统计技术的发展历程现代统计技术的发展可以追溯到19世纪，随着概率论和数理统计学的逐渐成熟，统计方法开始被广泛应用于社会科学和自然科学领域。

关键词： 云计算平台   卫星通信影音   数据处理系统   架构设计方案   信号频谱分析  

摘要： 本文通过利用云计算平台来设计一个基于卫星通信影音的数据处理系统。首先，介绍了云计算平台在数据处理领域的重要性和优势，建立了基于云平台的卫星通信影音信号模型。然后，详细阐述了该系统的总体架构设计方案，系统采用了分布式架构，将数据处理任务分散到多个计算节点上。最后，通过搭建实验环境和数据处理来验证系统的性能和可靠性。结果表明，该系统在处理卫星通信影音数据方面具有高效、稳定和可扩展的特点。

关键词： 煤矿采空区   变形监测   无人机测量   数据处理  

摘要： 针对无人机在煤矿采空区变形监测中应用问题，梳理了无人机测量技术在变形观测中的优劣势，分析煤矿采空区形变在无人机光学图像中的观测特征，设计了无人机外业测量原则，通过案例阐述了无人机外业测量原则的应用，结合观测特征提出了无人机图像处理流程与处理方法，最后结合技术发展提出了该领域的未来发展方向。

关键词： 道路交通仿真   数字孪生   数据处理   车辆仿真   车流预测  

摘要： 道路交通仿真为解决城市道路交通相关问题提供了技术手段和实践路径。数字孪生(Digital twin)技术为道路交通仿真系统的设计与应用提供了全新的解决方案。考虑到应用数字孪生技术来实现道路交通仿真系统,需要解决道路信息理解、车辆行为仿真以及路网时空依赖性三个核心问题。为此,本文对道路交通仿真中涉及的关键技术展开了研究,主要工作与创新点如下。 (1)提出了一种基于Transformer的车道场景理解技术模型。该模型面向数字孪生对数据准确性与及时性的要求,接收来自摄像头与传感器等道路交通管控系统中的物理设备传回的非结构化数据,使用神经网络对其进行处理,实现对车道的分割与车辆的检测。这一模型在多个数据集中的实际表现都超过了基线算法,充分展现了模型的可行性和高效性。 (2)提出了一种基于强化学习的车辆行为仿真优化算法。该算法面向孪生数据的实际应用,针对现实世界中车辆观测维度可能发生变化的问题,设计了一种能够使用固定结构处理维度可变观测输入的神经网络结构,以适应现实世界的实际情况。该模型在仿真模拟器中多个观测维度不同的场景中均能够顺利运行,且在各个环境中的性能表现均强于对应基线算法,展现算法的其实用价值。 (3)提出了一种基于图网络的城市交通流量预测算法。该算法面向数字孪生的宏观实践,对路网车流之间的时间依赖性与空间依赖性展开分析,使用图网络与门控循环网络对车流变化进行特征提取与深入分析。算法在多个交通流量数据集中进行了实验检测与评估,并表现出良好的性能。 (4)设计了基于数字孪生技术的道路交通仿真系统可行性方案。该方案面向数字孪生与道路交通系统的融合,分别从理论分析角度与实际应用角度、微观路口层面与宏观路网层面、数据处理过程与数据应用过程进行了系统框架设计。本文同时对系统的应用前景进行了分析,阐释了基于数字孪生技术的道路交通仿真系统的设计方案。 本文主要工作涵盖理论与实践,以数据的获取与处理、数据的实际应用与模型的宏观实践为支点,对数字孪生技术在道路交通仿真系统中的实际应用展开了深入研究,并据此提出了道路交通仿真系统的设计方案,对推动道路交通的高效管理具有十分积极的意义。

关键词： 风电机组   数据驱动   数据处理   静态偏航误差   健康评估   性能评估  

摘要： 随着国家“双碳”目标的提出,风电作为一种清洁、可再生的能源已成为能源结构中的重要组成部分。风电机组的装机容量稳步增长,风电机组性能退化评估、静态偏航误差评估和机组健康状态分析的重要性也随之日益凸显。因此,为了进一步提高机组的经济效益,并及时掌握机组健康状态和潜在故障,需要构建一套基于数据挖掘并综合考虑机组健康状态、桨距角误差、叶片覆冰和偏航误差的发电性能评估方法,为机组的性能优化提供支持和指导。 本文围绕风电机组的发电性能评估问题,以数据驱动开展了数据处理、静态偏航误差评估、健康状态分析和发电性能评估等内容的研究。主要研究内容包括: (1)梳理和介绍了风电机组的工作原理、主要结构以及主要性能参数,对SCADA系统进行了介绍,分析其功能用途、监视参数及主要作用,明确研究对象。 (2)对比研究了中位数3σ准则、K-means聚类方法和DBSCAN算法三种异常数据处理方法,将其结合提出一种新的基于数据特征的组合数据处理方法。利用Kmeans聚类方法剔除第二类异常数据,利用DBSCAN算法和中位数3σ准则分别处理爬坡段区间和额定功率区间的第一、三、四类异常数据。 (3)针对风电机组的静态偏航误差问题,基于相似性原理构建了一种新的基于实际功率曲线阈值的数据筛选方法。该方法通过实际功率曲线对运行数据进行阈值筛选,提高机组静态偏航误差计算的准确度。 (4)基于随机森林和支持向量机搭建了一种新的机组静态偏航误差算法。该方法使用随机森林算法对风电机组运行数据的特征进行评估和筛选,将筛选出的特征作为支持向量机的输入,分析并提取机组的偏航误差-功率系数曲线,有效识别机组的静态偏航误差。 (5)基于数据挖掘构建了一种新的风电机组发电性能评估方法。通过对比同一风场内不同机组之间的运行数据,以及同机组不同月份的运行数据,以总风能利用率及各风速区间的功率系数为核心指标,综合考虑机组健康状态、叶片覆冰、桨距角误差和实际偏航误差的影响,对各机组的发电性能进行全面的评估和分析。 本文使用沿海地区某陆上平原风场内五台机组的全年运行数据作为研究对象,使用本文方法进行计算和分析。算例验证了本文数据预处理方法、静态偏航误差算法和发电性能评估方法对南方陆上风电场具有可行性和准确性。

关键词： 中阶梯光栅光谱仪   数据处理   干扰校正   软件开发  

摘要： 中阶梯光栅光谱仪具有宽波段、高衍射效率、高分辨率等优点,在各行业的应用中有着不可替代的优势。本文基于实验室研发的电感耦合等离子体(ICP)中阶梯光栅光谱仪,对谱图数据处理与校正进行深入分析研究,开发配套仪器的上位机软件,并基于国家发射光谱仪检定规程进行计量性能检定实验。 文中对中阶梯光栅光谱仪谱图还原、去噪、基线校正和谱峰识别等进行分析研究。基于Zemax中搭建的分光光路模型,在Matlab中调用ZOS-API建立波长-坐标谱图还原数据库;基于结合谱峰剔除的S-G滤波去噪方法在去除背景噪声的同时保留元素特征谱峰信息;基于自适应迭代加权惩罚最小二乘法(air PLS)避免了基线过拟合,并有效抑制边缘数据对基线拟合的影响;基于标准偏差的局部极大值对称零面积寻峰算法有效抑制假峰的影响,准确识别重叠峰和弱峰。 文中还对实验条件、仪器状态等因素造成的谱图干扰进行分析研究。基于自适应曝光时间序列的谱图校正算法,有效提升了特征谱线二维谱图的成像质量,增强标准曲线的线性相关性;基于谱线偏差的非线性全谱波长校正算法有效减小了仪器工作波段范围内波长提取的误差;基于Voigt谱峰参数拟合的重叠峰快速校正算法能够有效分离重叠峰,进一步提升定量分析的准确性,提高实验分析的效率。 基于上述谱图分析方法与抗干扰处理,针对实验室自主研发的中阶梯光栅光谱仪开发了上位机软件,实现了不同下位机模块之间的通讯,且具备谱线查询、仪器优化、谱图标定、实验设置、谱图编辑和数据存储等功能。 最后,基于JJG 768-2005国家发射光谱仪检定规程,配制系列标准溶液建立标准曲线并进行了相关计量性能检定实验。实验结果表明,仪器波长提取误差小于0.009nm,仪器的最小光谱带宽、检出限、重复性及稳定性均符合国家检定规程A级标准。

关键词： 物联网   入侵检测   数据不平衡   过采样   欠采样  

摘要： 随着物联网设备数量的不断增加,攻击者获得了更多的机会和资源,从而导致物联网僵尸网络规模的不断扩大,这些僵尸网络对Web服务器和互联网基础设施的影响也变得越来越显著。利用大量被感染的物联网设备,攻击者发动大规模的DDoS攻击,向目标Web服务器发送海量请求,导致服务器超载,无法正常运行,甚至完全瘫痪服务。因此,面向物联网的入侵检测成为研究热点之一。 物联网的入侵检测系统训练数据集具有正常数据量庞大、攻击数据量稀少的特点,训练数据集的不平衡易导致入侵检测算法难收敛。论文从两个方面对数据的不平衡处理技术开展研究,研究过采样技术,增加数据集中攻击数据;研究欠采样技术,减少训练集中正常流量的冗余。实现训练数据流量均衡,为物联网入侵检测算法训练提供支撑。 论文的主要成果有: (1)针对训练数据集中攻击数据量稀少的问题,提出一种KG-SMOTE过采样算法,采用K-means聚类算法对攻击数据进行聚类分析,统计各聚类的均值和标准差,利用高斯分布方法插入SMOTE合成样本,增加训练数据集中DDoS攻击流量的密度,扩展了数据多样性,实现了检测算法的快速收敛,提升了检测算法的准确率。实验表明,该方法与主流过采样技术对比,在精确率、召回率、F1-score等均有提升。 (2)针对训练数据集中正常数据量偏多的问题,提出一种DBSCAN-MST欠采样算法,采用DBSCAN对正常流量进行聚类分析,去除噪声样本,利用最小生成树算法清理决策边界,通过剔除原始数据集中不具代表性和不重要的正常流量,从而使得正常流量和攻击流量的数量比接近1:1,最终提高传统分类算法的分类性能。实验表明,该方法与主流欠采样技术对比,在召回率、F1-score、G-Mean均有提升。 (3)设计面向物联网DDoS攻击的入侵检测原型系统,采用KG-SMOTE过算法和DBSCAN-MST欠采样算法,解决训练数据集的数据不平衡问题,优化深度异常检测模型,提高模型的精度;在公开数据集MBB-Io T的测试中,论文实现的面向物联网的入侵检测系统的检测准确率、召回率等均有提升。