关键词： “双碳”目标   碳交易   碳价预测   二次分解   机器学习  

摘要： 对碳价进行科学准确的预测,有利于提高碳市场风险防范能力。本文提出一种基于二次分解和机器学习的碳价组合预测模型,将影响碳交易价格的内部和外部因素输入预测模型,汇总各序列的最优预测值即得到碳价的最终组合预测结果。以湖北碳市场价格为样本开展实证研究,结果表明:该组合预测模型达到了较高的预测精度,有利于提高碳交易价格预判的准确度、提高碳市场运行效率。基于此,建议采取二次分解和机器学习方法开展碳交易价格预测工作,建立跨试点碳价风险预警联动机制,根据经济发展形势及时调整碳配额发放总量。

关键词： 快速射电暴   机器学习   统计分析  

摘要： 快速射电暴(FRB)是继伽马射线暴之后出现的持续时间更短的高能爆发现象,其分类、物理起源和辐射机制等基本问题目前尚不清楚。最新观测发现FRB大部分是一次性爆发事件,仅有极少量的重复FRB,人们就此把FRB简单分为重复暴和非重复暴。FRB清楚的分类对揭示它的物理起源至关重要。在本文中,我们首先使用流形学习降维算法t-分布随机近邻嵌入(t-SNE)对CHIME望远镜观测到的536个FRB进行了分类。结果发现FRB可以明显地分为两类,已经证认的重复暴属于其中一类,由此我们给出了152个重复暴候选体。其次,我们分析了两类暴的统计特性,发现重复暴候选体和已经证认的重复暴之间的统计特征高度相似,而重复暴候选体和非重复暴的多个物理量有着明显的不同,重复暴的各向同性峰值光度(L_(iso))、各向同性能量(E_(iso))和亮温度(T_(B))的平均值都小于非重复暴,暗示着两类暴可能有不同的起源。另外我们还发现两类FRB的L_(iso)、E_(iso)和T_(B)之间都存在较强的相关性,且没有显著差异,表明两类暴可能有相同的辐射物理。

关键词： 资源评估   扫海面积法   随机森林   梯度提升回归树   极限梯度提升回归  

摘要： 扫海面积法因其操作简单、计算方便,被广泛应用于渔业生物量评估工作中。但该方法需假设资源均匀分布,若要提高生物量评估的准确性,则须增加站位数量,进而增加经费预算。本研究基于2006年8月和2007年1月、5月、11月在舟山渔场海域开展渔业资源底拖网调查所获得的多种经济蟹类数据资料,模拟分析扫海面积法与机器学习模型(随机森林(RF)、梯度提升回归树模型(GBRT)、极限梯度提升(XGBoost))对舟山渔场海域三疣梭子蟹(Portunus trituberculatus)、双斑鲟(Charybdis bimaculata)、日本鲟(Charybdis japonica)、细点圆趾蟹(Ovalipes punctatus)4种主要经济蟹类生物量的对比评估效果。结果显示,随着投入站点数目的减少,在数据不集中、波动较大的秋、冬季节XGBoost方法对生物量的评估效果明显优于扫海面积法,误差降低7.49%~21.34%;而在较为均匀的春、夏两季,扫海面积法与机器学习方法两者结果的差异不显著(P<0.05)。本研究以几种经济蟹类为例,探索使用机器学习方法评估其生物量,达到了提高评估准确性并节省资源调查成本的效果,可在其他渔业资源种类生物量评估中推广应用。

关键词： 支持向量机   粒子群优化   机器学习   数据分类和预测  

摘要： 支持向量机(SVM)和粒子群优化(PSO)是两种常用的机器学习和优化算法,它们各自在数据分类和预测中有广泛的应用。研究提出了一种基于SVM和PSO相结合的新型算法,用于数据分类和预测。该算法首先使用SVM对数据进行初步分类,然后使用PSO对SVM的参数进行优化,以提高分类和预测的准确性。对比实验结果,表明该算法在相同数据集上的分类和预测性能均优于传统的SVM算法。因此,该算法在实际应用中具有很大的潜力,并可以为数据分类和预测提供更好的解决方案。

关键词： 生产安全   皮带运输机   目标检测   计算机视觉  

摘要： 为了能够及时对煤矿运输皮带的故障进行检测,文章研究一种用于煤矿运输皮带机故障检测的机器学习方法。在对皮带故障检测图像特点分析的基础上,以基于ShuffleNet V2改进的YOLOv5网络建立了煤矿运输皮带的故障检测网络。针对因工作环境导致的图像质量问题,在网络前部加入了图像预处理模块。同时,为了减小模型体积,提高检测速度和效率,对加强特征提取模块和多尺度特征融合模块进行了改进。实验结果表明,煤矿运输皮带故障检测网络的mAP值达到0.896,实现了较高的检测精度;同时检测速度可达32.2帧/秒,满足工业现场对实时检测的需求。

关键词： 隐私风险   机器学习方法   中间变量   模型训练   共享学习   隐私安全   去中心化   研究团队  

摘要： 分布式机器学习能够协同实际系统中分布在不同节点的数据和资源,通过节点间共享学习中间变量(如模型参数)进行模型训练。该技术具有去中心化的特性,一定程度上避免了数据集中存储带来的隐私风险,是目前面向隐私保护的主流机器学习方法。

关键词： 数据中心   云计算   能耗预测   随机森林   超参数  

摘要： 随着全球数据中心的大量部署和云计算服务需求激增,其高能耗问题日益严重,如何精确预测数据中心的能耗已成为一项重要研究课题.针对数据中心服务器的能耗具有不确定性和非线性等特点,本文提出了一种机器学习方法的服务器实时能耗预测方法.该方法采用随机森林算法筛选模型的输入参数,使用网格搜索方法优化模型的超参数,利用机器学习方法构建服务器的能耗模型.实验结果表明:与基准算法相比,经过优化后的模型其平均绝对误差降低了6.5%,并且在加入误差置信区间后能耗模型的平均绝对误差低于1.4%.

关键词： 流感预测   网络搜索数据   XGBoost   支持向量回归   多元线性回归  

摘要： 目的探讨网络搜索查询数据在流感样病例(influenza-like illness,ILI)预测方面的作用,分析流感跨区域传播的影响,建立符合中国南方地区的流感预测模型。方法通过挖掘与流行性感冒(流感)相关的重要关键词,对关键词进行初筛,并通过分析各关键词与ILI数的时滞相关性,对关键词进一步过滤。基于确定的不同类型关键词和历史流感样病例百分比(influenza-like illness percentage,ILI%)数据,通过考虑相邻地区间流感传播的影响,构建流感预测模型。为验证各模型的可行性,选用多元线性回归、支持向量回归(support vector regression,SVR)和XGBoost方法对模型预测。结果XGBoost方法中模型4的预测精度更高、效果更好,其MSE、RMSE、MAE值分别为0.055、0.235、0.184。结论先行和同步关键词的百度指数以及相邻区域间的ILI%可以有效提高模型预测精度,其结果可为中国南方地区实现更加精准的流感防控提供科学依据。

关键词： 机器学习   数据库   数理统计   滑坡  

摘要： 机器学习已经在滑坡易发性评价中大量应用且取得了较好的表现,但在进行大区域评价时,仍存在数据库样本需求量大,算力要求高;影响因素分级机械化,未考虑其与滑坡机理的相关性等情况。为减少数据库样本需求,本文提出了构建包含3种坡体状态的滑坡的数据库:已经发生过失稳的坡体、正处于失稳状态的坡体、失稳概率小的坡体,该数据库可以在数值上划分出临界值,便于模型更准确地识别滑坡,较大幅度地减小了数据量。针对影响因素分级机械化的问题,提出了基于频数分布图、累计曲线及其导数图的数理统计方式,更精细地描述因数与滑坡易发性的关系。以新疆滑坡灾害为例,验证了“包含3种坡体状态的数据库”与“基于数理统计的描述方法”的适用性,获得了新疆滑坡灾害易发性分区图。结果表明与传统数据库对比,在不明显改变精度的前提下,减少了90%以上的样本量;基于数理统计的描述方法可以绘制出更加细致的滑坡危险性分区图;活动性断裂和地形起伏度对新疆滑坡易发性起到重要的控制作用。

关键词： 桥梁工程   桥面风场时程   人工智能   时程深度学习   物理方程约束   流场重构  

摘要： 获得桥面的高分辨率时变流场对研究桥梁风致问题尤为关键,然而受传感器布设与测量方法等因素制约,难以通过试验直接测得高空间分辨率的流场数据。机器学习是流场表征的有效手段,但是数据驱动的训练方法在已知样本较少时难以获得准确的模型。针对此问题,引入流场时程的人工神经网络方法,使用流体控制方程辅助模型训练,通过增加未知测点处的方程约束提高模型的精度,得到了考虑物理约束的桥面风场时程的机器学习重构模型。以低雷诺数桥面绕流为例,实现了基于稀疏已知测点时程数据的模型训练,得到了较好的效果。结果表明:通过引入未知测点处的控制方程约束,可在较少已知时程数据的情况下,获得更准确的桥面风场重构模型,为人工智能方法在风场实测时程数据中的应用提供了基础。