关键词： 二维光谱   多模态   光谱分类   信噪比   卷积神经网络  

摘要： 一维光谱是目前天文研究中应用最广泛的数据,对信噪比要求高,低信噪比数据会被舍弃,造成数据浪费。而二维光谱图像是LAMOST天文望远镜的初始数据,比一维光谱拥有更多有效信息,且理论认为二维图像比一维序列具有更好的抗噪声性能,所以直接对二维光谱进行天文研究能够有效的缓解数据浪费,提高产出。为此,本文首先尝试直接利用二维光谱图像进行光谱分类,并开展了其分类准确率和噪声敏感性等工作。 (1)提出了二维光谱图像自动分类模型C-Net:该模型由特征提取模块、特征融合模块和分类器模块三部分构成。其中特征提取模块设计了两条支路用于二维光谱蓝、红端图像的特征提取,提取的特征送入特征融合模块和分类器模块进行融合和分类并输出结果。实验结果证明,C-Net模型可以实现二维光谱图像的自动分类,但是分类准确率不高。 (2)针对C-Net模型分类准确率不高的问题,本实验将多模态融合思想与C-Net结合,并综合测光图像与二维光谱图像数据,提出了多模态天体分类模型MAC-Net,模型中二维光谱支路加入CBAM注意力模块;而测光图像支路引入Inception模块,使MAC-Net得到了更好的分类结果。实验表明MAC-Net对星系、类星体和恒星三类天体的分类精确度分别达到了99.2%、100%和97.6%,比单模态模型分别提高了8.5%、28%和7%;在同样结合测光图像的情况下,星系和类星体的分类精确度方面,二维光谱的结果比一维光谱分别高出了1.9%、4.5%。实验结果既证明了多模态分类网络的有效性,又证明了二维光谱的有效信息含量高于一维光谱。 (3)为了研究二维光谱图像对噪声的敏感性,本文开展了两部分实验。实验1首先通过矩阵变换得到二维光谱的变形数据,然后对变形和原始形数据进行对比,得到了更适合开展研究的是原始形,更适合的研究模型是CNN的结论。实验2在该结论的基础上,提出了双支路光谱分类模型D-RC,通过先降维再提取特征的方法来处理二维光谱图像,并与一维光谱的分类结果进行对比。结果表明,噪声很大时二维光谱分类性能优于一维光谱。证明了二维光谱图像的抗噪性更强,以及低信噪比时直接分析二维光谱的可行性。 本文证明了对二维光谱图像直接开展研究的可行性和有效性,为天文学者开展研究时提供了新的思路和方法。

关键词： GRACE   球谐系数法   点质量   Mascon   Tikhonov正则化  

摘要： GRACE卫星的成功发射为研究陆地和海洋质量变化、全球水循环和冰川冰盖消融等提供了高精度的观测数据,极大地促进了环境监测以及地球科学研究的发展。格陵兰岛是世界上最大的岛屿,其冰盖质量变化直接影响着全球的海平面变化,同时还对全球水循环和全球质量再分布等产生重要影响。卫星重力技术的迅速发展为利用卫星数据从空间监测格陵兰岛冰盖质量变化提供了很好的机会。各GRACE数据处理中心为全球用户提供了无约束球谐系数估计,即GRACE Level-2产品,这些系数估计含有显著的条带误差和高频噪声,通常无法直接用于反演质量变化。可以采用两种方法解决此问题,即以球谐系数法为代表的谱域法,以及以点质量法和Mascon法为代表的空域法。在空域法中可以更灵活地选择模型参数,更方便地引入空间约束,为进一步提高质量反演性能提供了可能,由此,空域法在近年来得到了广泛的关注。本文以空域法为研究对象,研究内容如下。首先,介绍了采用GRACE Level-2数据进行质量反演的基本理论,重点介绍了空域法:点质量方法通过直接建立地表质量点源与重力场的函数关系求解地表质量变化;Mascon方法是以每个质量块的质量变化作为未知参数,建立重力场与未知参数的函数关系来求解地表质量变化。并介绍了解决病态问题的Tikhonov正则化方法,包括采用广义交叉验证选择最优正则化参数。其次,采用传统空域法进行了GRACE Level-2数据处理。在传统空域法中,根据GRACE Level-2提供的球谐系数模拟生成格陵兰岛上空卫星高度处的扰动位作为观测数据,选择了观测数据缓冲区的最优范围。采用2003年至2012年的GRACE Level-2数据,根据空域法反演格陵兰岛地区的质量变化,并分析了格陵兰全岛及局部质量变化的周年振幅、长期趋势等信号分布。将上述分析结果与谱域法结果以及外部参考模型进行对比,验证了方法的有效性。最后,尝试了一种新型的空间法,将其称为直接法Mascon。在该方法中直接以GRACE Level-2球谐系数为观测数据,不再需要传统间接法中模拟生成观测数据这一环节,建立了直接法Mascon的函数模型,即联系球谐系数与Mascon参数的观测方程。通过仿真实验和真实数据实验,对比分析了直接法Mascon和间接法Mascon反演的格陵兰岛冰盖质量变化,发现二者有较好的一致性,且精度与其他机构计算的Mascon产品相当,证明了直接法Mascon的有效性。为反演局部地区质量变化和研究格陵兰岛冰盖消融提供了一种有效方法。

关键词： 水下爆炸   测试系统   时基统一   数据去噪   能量评估  

摘要： 军事上,水下爆炸参数测量是水中武器设计及毁伤评估的基础,压力是水下爆炸试验的重要测量参数,水中炸药威力毁伤评估与爆炸能量参数密切相关。国内外水下爆炸压力测试方法有传感器测量方法、光学测量方法和霍普金森杆测量方法等,主流测试方法是传感器测量方法,相比于其他方法更加可靠,但同时存在频率响应差、存储速率慢、时基不能高度同步的问题。测试信号混有高频噪声干扰,需要对实测数据去噪处理,去噪精度影响能量评估的准确性。因此,水下爆炸压力测试系统的设计与数据处理方法的研究尤为重要。设计了基于FPGA的水下爆炸压力测试系统,旨在测试冲击波压力和气泡脉动压力。测试系统由压电传感器、光纤触发系统、信号调理电路、采集存储电路和读数装置组成,并通过读数装置与上位机通讯。其中,交替双平面页写操作和负延时双流水线“乒乓”存储,提高了存储速率;光纤断线触发与高精度同步算法结合,解决了时基难以统一的问题。为了提高数据去噪精度,提出了HHT(希尔伯特黄变换)与Bessel联合的数据去噪方法,结合了Bessel设计简单和HHT自适应性好且适用于分析非线性非平稳信号的优点。结果表明:与目前已有的数据去噪方法对比,该方法SNR(信噪比)更高,RMSE(均方根误差)更小,去噪精度更高,提高了信号分析的准确性。试验数据验证了测试系统的可行性,数据去噪的结果表明了数据处理方法的准确性。从测试数据中获取水下爆炸冲击波超压峰值、气泡脉动峰值压力,计算冲量、冲击波能、气泡能和爆炸能量,对水中炸药进行能量评估。

关键词： 温湿度箱   LABVIEW   数据采集仪   GPIB   数据处理  

摘要： 随着JJF 1101—2019《环境试验设备温度、湿度参数校准规范》落地实施，中国电子科技集团公司第五十五研究所在用温湿度自动测试系统标准装置中数据采集处理软件已不符合新规范要求。针对该问题，结合单位计量工作的实际需求，提出设计一款基于LabVIEW软件平台的温度、湿度参数自动采集程序，与原有硬件装置配合组成满足要求的温度、湿度参数自动校准系统标准装置。新搭建系统在实际应用中能够很好的完成自动控制、数据采集、数据处理、导出生成证书报告等自动化校准工作。

关键词： 多输出回归   LSTM神经网络   数据处理   麻雀搜索算法   即时学习  

摘要： 湿式脱硫系统运行过程中存在多个关键且难测参数,其实时准确的测量对系统经济安全运行至关重要。实际测量过程中由于理论不完善、传感器易受环境影响等原因,导致测量精度低且存在滞后性。多输出回归方法可以实现对多个参数的实时同步测量,有效改善了传统测量方式的不足。本文建立多参数测量模型,利用单一模型对多个参数进行测量,主要研究内容如下: 首先,针对脱硫系统大惯性、大时延与非线性的特点,本文在分析不同的多输出回归建模方法的基础上,选择了长短期记忆（Long Short-Term Memory,LSTM）神经网络作为测量模型。通过对湿法脱硫工艺过程进行分析,确定了目标参数和辅助变量,利用改进小波阈值算法结合互补集合经验模态分解（Complementary EEMD,CEEMD）分解进行数据降噪,对处理后的数据使用最大相关-最小冗余（max-Relevance and Min-Redundancy,m RMR）算法消除冗余变量的影响。 其次,针对LSTM神经网络的结构以及超参数选择的问题,通过调整网络结构并且加入Dropout层建立基础测量模型。利用混合策略改进原始SSA算法,并以标准函数验证了改进算法MSSA的寻优性能,结合MSSA算法寻优LSTM中的超参数,建立了m RMR-MSSA-LSTM多参数测量模型。考虑到工况改变会导致预测模型精度下降,将即时学习算法与所提模型相结合进行模型矫正,提高模型精度。 最后,基于DCS实际数据进行建模与仿真,实验结果表明,使用去噪算法以及变量选择算法优化输入变量,降低了冗余变量的影响;将MSSA算法用于寻优LSTM超参数,避免了参数选择的盲目性,提高了预测精度。在模型精度上,浆液p H值测量精度提高了37.4%,出口SO2浓度测量精度提高了35.4%,脱硫效率预测精度提高了37.6%。并且验证了即时学习算法结合本文预测模型的性能,与静态模型相比能够适应系统运行状态的改变,满足现场测量需要。

关键词： 电力指纹   用电负荷   辨识模型   特征提取   数据处理  

摘要： 非侵入式负荷辨识能为居民提供精细化的能源使用信息，已成为有效减少能源浪费的重要途径。非侵入式负荷辨识从居民用户的总负荷数据中分析出每个电器的运行状态，可以指导用户改善电器设备使用习惯，减少家庭用电量。同时，建立家庭用电负荷辨识模型，可实现对用电设备的监测、控制、管理和友好互动。然而，随着电网的复杂性和不确定性程度日益加深，电力指纹数据需要精细化处理与分析，对传统电力负荷辨识模型提出了挑战。因此，构建可靠的电力指纹识别模型是非侵入式负荷辨识中的关键步骤。本文基于公开的负荷数据集提取并构建了稳态和暂态特征电力指纹库，开展其在不同场景下居民用户的电力指纹识别应用。　　在海量不平衡电力指纹数据场景下，物联网通信的数据传输速率有限导致数据传输困难，提出了一种基于熵特征的优化轻量梯度提升机（LightGBM）电力指纹提取与识别方法。在边缘侧对电压和电流信号提取时域特征和电压-电流（V-I）轨迹特征，并构建了包含6个熵特征的56维原始特征集。然后，以LightGBM为基学习器改进 Boruta算法，对原始特征集合进行特征选择，确定包含5 个熵特征的23维最优特征子集。将最优特征子集上传到上位系统，降低了物联网通信压力。同时，使用Optuna算法优化LightGBM模型的超参数，并改进LightGBM模型的损失函数，使得电力指纹识别模型在不平衡数据集上的分类性能得到进一步改善。　　在部分居民用户电力指纹数据较少场景下，针对单一特征设备识别时特征信息不足问题，提出了一种基于彩色 V-I轨迹和 CBAM-ResNet34 的电力指纹识别方法。对电压和电流信号提取V-I轨迹并构建原始V-I轨迹图像，再利用彩色编码将电流、瞬时功率和轨迹动量信息添加到原始V-I轨迹图像中，得到彩色V-I轨迹图像。将卷积块注意力模块（CBAM）添加到 ResNet34 的每个残差结构模块，构建了CBAM-ResNet34模型用于彩色V-I轨迹图像识别。为进一步提高识别准确率，降低训练时间和负荷数据量，采用模型迁移的方法引入了迁移CBAM-ResNet34 电力指纹识别方法。利用 ImageNet 数据集对 ResNet34 模型进行预训练，用一个新的满足设备分类目标的全连接层替代ResNet34的全连接层。此外，引入类平衡损失（CB-loss）函数，对Softmax交叉熵损失函数进行重新加权，以解决V-I轨迹识别中的数据不平衡问题。　　在COOLL数据集上的实验结果表明，基于熵特征的LightGBM电力指纹识别方法可以有效地降低特征提取的计算复杂度，减少物联网数据的传输量。在PLAID数据集上的实验结果表明，基于彩色 V-I轨迹和 CBAM-ResNet34 的电力指纹识别方法在小样本不平衡的数据集中具有更好的分类能力，降低了负荷数据量和训练时间，满足了精细化电力指纹识别的识别精度和效率要求。

关键词： miRNA-疾病关联预测   链路预测   图神经网络  

摘要： miRNA-疾病之间的关联预测一直是生物医学领域的一个热门研究方向。很多研究表明,该研究有助于从miRNA分子水平上了解疾病的致病机制,能够促进疾病的预防、诊断、治疗和预后。传统的通过生物实验进行miRNA-疾病关联的预测方法研究存在人工成本高、实验周期长和实验结果不确定性等不足,不能满足社会需求。因此,研究有效识别miRNA-疾病之间的潜在关系具有重要意义。深度学习有望加速miRNA-疾病关联预测研究进展,为理解疾病机制、开发新的治疗方法和个性化医疗 供有力的支持。本文面向生物医学复杂数据处理的深度学习方法研究,主要工作如下: (1)现有的miRNA-疾病关联预测计算模型很多,但大多数模型仅利用单一特征源,无法取表征miRNA-疾病的全面特征。为了解决这个问题,出一种基于多特征融合的miRNA-疾病关联预测模型(Multi-Feature Fusion for miRNA-disease Association Prediction,MFFMDA)。该模型利用已知的miRNA-疾病关联数据构建了六个相似性网络模块,用于更好地表述网络中节点特征,利用带有多源特征注意力的自编码器,从多源输入中获取miRNA-疾病的低维特征表达,选择三种不同的特征融合策略,生成具有丰富信息的特征组,进行潜在的miRNA-疾病关联预测; (2)MFFMDA模型有着较高的预测精度,但其预测精度依赖于外部库作为辅助输入信息。为了解决这个问题,出一种基于多视图的miRNA-疾病关联预测模型(Multi-View Network for miRNA-disease Association Prediction,MVNMDA)。该模型使用已知的miRNA-疾病的关联信息来取特征,并在多个视图上学习不同类型节点的嵌入特征,包括两个元路径供的语义特征、局部特征以及节点感知的全局特征,通过级联注意力融合多层特征,得到不同层之间、特征之间的相关性,并抑制特征中的噪音。 在HMDD v2.0和HMDD v3.2数据集上进行了大量实验,验证所出的MFFMDA和MVNMDA模型。结果表明,MFFMDA能够预测潜在的miRNA-疾病关联关系,而MVNMDA通过多个视图传递和聚合节点特征,进一步高了miRNA-疾病预测的准确性。在案例分析中,MFFMDA和MVNMDA模型对食管癌、乳腺癌和肺癌的前30位预测结果,大多数都被最新的HMDD数据库所证实,进一步证明出方法的预测能力。

关键词： Qt   水平井   分段压裂   示踪剂  

摘要： 本文首先介绍了国内外非常规储层压裂改造中示踪剂的用途和可视化技术发展现状。通过阅读国内外相关文献,了解油藏相关知识和图形界面开发的知识,然后确定基于Qt的压裂水平井示踪剂监测数据处理系统的设计与实现的设计方向,设计系统的总体框架和需求;最后结合相关资料实现系统的各个模块和功能。整合所有模块功能并进行测试调试,最终实现整个压裂水平井示踪剂监测数据处理系统。系统整体主要分为四大模块:数据管理模块,图表管理模块,文档输出模块以及综合评价模块。首先是数据管理模块,核心是数据的录入录出和数据的预处理,为后续的图表管理模块提供数据准备;其次图表管理模块,这要是对存储的数据按照需求呈现出不同的显示形式,包括了示踪剂浓度曲线图、产水率贡献图、回采率等的显示;接着文档输出模块是将前两个模块的数据导出成各种样式的文件如文本、xls等;最后是综合分析功能,采用灰色关联度分析法算法等方法找出储层物性对压裂效果评价的影响关联度,结合示踪剂监测曲线以此达到一个综合评价压裂水平井各层段产能效果。结合系统测试不断优化压裂水平井示踪剂监测数据处理系统,使该系统能够充分符合实际,满足用户的预期,最终能够投入到油气资源的生产和开发中。

关键词： 水驱开发调整   数据驱动   数据处理   注采关系   优势流道  

摘要： 目前,我国多数水驱油田已进入特高含水阶段,常采用调整配产配注量、压裂增效、老井侧钻等开发调整方式动用剩余油、改善开发效果。注采井相关性、水驱波及范围及强度、剩余油分布情况等油藏动用状况认识是开发调整的基础。但在油藏动态状况分析和调整方案评价中存在三个难点:(1)注采动态数据处理难度大。注采井动态数据因设备因素、人为因素及随机因素而含有大量噪声,且井数多、生产历史时间长,人工进行数据筛选、坏点处理、降噪处理及标准化处理费时费力。(2)注采关系估计方法的可操作性差。目前的动态数据分析、数值模拟及流线模拟等常规注采相关性分析方法涉及的模型和计算复杂、资料多、拟合困难、用时多。(3)油田开发调整方案优选效率低。油藏数值模拟工作量大、对地质资料依赖性强,而专家经验无法进行量化评价,造成调整优化方案设计方法的普适性差,难以推广应用。为此,本文基于油藏工程和渗流力学理论,引入形态滤波降噪、扩展卡尔曼滤波仿真、仿生智能优化等算法,形成了一套数据驱动的水驱油田开发调整的优化方法。为解决注采动态数据异常值处理问题,通过分析动态数据特征,研究异常值分类、异常值识别与处理方法。建立了一种基于数学形态滤波方法的动态数据降噪滤波器。优选了可拾取动态数据的特征并自适应形成变尺度结构元素,累积降噪量是常规结构元素的2倍以上,可实现注采动态数据异常值快速识别与降噪处理。为优化注采响应函数并提高注采关系估计结果的可靠性,建立了一种基于扩展卡尔曼滤波算法的注采相关性估计方法。通过分析注采响应特征,提出了包含流量传递的递减性与时滞性的注采井间响应函数,可采用注采井产量或注水指数/产液指数等动态数据计算,以提高水驱后期的适用性。利用渤海油田某水驱开发区块进行注采相关性估计,产液量估计值与实际值对比,最大误差值7.74%,平均误差值为0.61%。为解决目前开发调整方案无法定量评价的问题,提出一种基于势叠加原理和仿生智能算法的调整方案优选方法。采用仿生智能优化算法快速搜索优势流道,再利用储层地质参数和注采井动态参数,计算注水井对采出井的流量叠加和能量叠加,进行开发方案优选。侧钻井部署方案优选结果与油藏数值模拟结果一致。该方法避免了历史拟合的复杂计算,并实现了不同井网和地质条件的水驱开发效果及各种开发调整方案的快速、定量评价。本文的数据驱动水驱油田开发调整优化方法可用于调整井关调设计、压裂和堵水等措施井优选、侧钻水平井部署优化等方案设计。为大庆和渤海油田剩余油挖潜提供复杂结构井部署优化设计,搜索优势流道后进行势叠加计算,优选复杂结构井部署方向与长度,优选方案与数值模拟增油量和投入产出比计算结果一致。为调整井钻井作业提供钻关方案设计,利用注采相关性分析方法进行储层压力预测,对相关注水井降低50%注入压力,调整井的预测压力值与实测压力值平均误差为10%。