关键词： 区域性自由贸易协定   双边贸易流量   FTA深度   机器学习   XGBOOST  

摘要： 区域性贸易深度一体化是当前世界经济贸易发展的主要趋势,区域性自由贸易协定(FTA)的签订与重订是这一趋势的重要表现形式。为量化区域贸易协定对双边贸易流量的影响,区别于普遍用于外贸领域的引力模型,本文分别采用机器学习领域中的树模型XGBOOST与线性模型Ridge,选择FTA深度指标作为衡量FTA异质性的核心变量,添加协议签订国GDP等变量,对于协议生效3年内的双边贸易流量建立预测模型,探究机器学习模型在外贸领域的可用性。实证结果显示,XGBOOST模型在双边贸易流量的预测上取得了较好结果。贸易国间的双边贸易流量越大,预测结果越精准,对双边贸易流量在十亿美元以上、协议生效第一年的贸易,预测的平均绝对百分比误差约为0.077。因此,本文得到结论,机器学习模型在外贸领域中有较强的可用性,而且树模型的效果较优。

关键词： 朴素贝叶斯   桥梁   损伤状态识别  

摘要： 以简支梁、连续梁、连续刚构桥梁图片为样本数据,利用不同机器学习方法对桥梁图片数据进行分析与挖掘,识别桥梁的振动、变形、应力、裂缝等指标,比较不同挖掘算法预测的准确性。结果表明:较于其他分类器,朴素贝叶斯分类器与神经元网络分类器对桥梁状态具有较好的识别准确性。基于Weka图像数据挖掘平台对图片数据进行分类与预测具有较好的效果,可以为桥梁状态在线评估提供新的思路。

关键词： 机器学习   随机森林   磁性基态   磁矩  

摘要： 磁性材料是信息时代重要的基础材料,不同的磁性基态是磁性材料广泛应用的前提,其中铁磁基态是高性能磁性材料的关键要求.本文针对材料项目数据库中的无机磁性材料数据,采用机器学习技术实现无机磁性材料铁磁、反铁磁、亚铁磁和顺磁基态的分类以及无机铁磁性材料磁矩的预测.提取了材料的元素和结构属性特征,通过两步式特征选择方法分别为磁性基态分类和磁矩预测筛选了20个材料特征,发现材料特征中的电负性、原子磁矩和原子外围轨道未充满电子数对两种磁性性能具有重要贡献.基于机器学习的随机森林算法,构建了磁性基态分类模型和磁矩预测模型,采用10折交叉验证的方法对模型进行定量评估,结果表明所构建的模型具有足够的精度和泛化能力.在测试检验中,磁性基态分类模型的准确率为85.23%,精确率为85.18%,召回率为85.04%,F1分数为85.24%;磁矩预测模型的拟合优度为91.58%,平均绝对误差为0.098μB/atom.本研究为无机铁磁性材料的高通量分类筛选与磁矩预测提供了新的方法和选择,可为新型无机磁性材料的设计研发提供参考.

关键词： Logistic回归模型   机器学习   员工流失  

摘要： 通过建立Logistic回归模型和机器学习模型对IBM员工的基本特征进行分析。基于员工的年龄、部门、受教育程度等特征值,处理相关数据,设置虚拟变量,进一步构建Logistic回归模型及机器学习模型,实证分析各类特征值对员工流失率是否有显著影响,并找出最优拟合及预测效果。同时,从这些相关因素出发,针对不同属性的员工提出相应的解决方法,降低员工的流失率。最后,对不同方法的模型进行比较,为模型的可靠性提供参考标准。

关键词： 高维表示方法   支持向量机   离心泵   扭曲叶片   动能方程  

摘要： 提出将高维表示方法与机器学习中的支持向量机方法结合对离心泵扭曲叶片优化。选用1台中比转速离心泵为研究对象,通过对扭曲叶片3条叶片型线的参数化,分离控制变量并确定代理模型的训练空间。经过对离心泵扭曲叶片水力模型的算法学习,得到以叶片型线参数为自变量,效率为目标函数的离心泵代理模型,运用遗传算法求解并反馈叶片型线参数。采用数值模拟及试验的方法验证了代理模型的预测结果,并从动能方程的角度分析了优化前后扭曲叶片叶轮内流场的变化。结果表明:在设计工况点,优化后的扭曲叶片离心泵数值模拟效率值比原型泵提高了1.72%,扬程提升了0.41 m,试验效率值比原型泵提高了1.5%,扬程提升了0.35 m。

关键词： 废水排放量   社会经济决定因素   趋势预测   机器学习方法   任务相关性  

摘要： 中国的水污染是一个非常严重的问题,为了控制水污染,对中国未来废水排放量进行准确预测具有十分重要的意义。从影响废水排放量的潜在变量中筛选出GDP、人均GDP和产业结构三个关键预测变量,采用1998—2017年中国省域数据和基于任务相关性的机器学习方法对各省份废水排放量趋势进行预测。实验结果表明,所建立的预测模型能够保持线性回归模型的可解释性,并获得较高的预测精度(RMSE、MAE和MAPE分别为0.0882、0.0643和0.5533)。预计全国年废水排放总量2025年最低将达到9081209万吨,最高9903864万吨;2030年最低将达到10864311万吨,最高13081922万吨。政府部门可根据预测结果制定废水减排计划和经济发展规划,在发展经济的同时维持生态环境的平衡。

关键词： 深度神经网络   人工智能技术   测试模型   数据驱动   机器学习方法   摩擦阻力系数   代理模型   Stokes方程  

摘要： 随着深度神经网络等人工智能技术的发展,数据驱动的机器学习方法也开始广泛应用于湍流模型的改进和构建中.针对航空工程中的高雷诺数湍流,我们之前的工作已经建立了适用于不同来流条件下二维亚声速翼型绕流的数据驱动模型.本工作中,采用全连接神经网络构建了三维跨声速机翼绕流中涡黏封闭的代理模型,这在现有的工作中研究较少.所构建模型仅基于ONERA-M6机翼两个状态的数据集,并与Navier Stokes方程求解器耦合,采用四个不同机翼的亚、跨声速标模来测试模型性能,迭代过程稳定并获得了收敛解,实现了对原RANS模型的替代通过与SA模型计算的源数据对比,结果表明,所提出的模型能够很好地泛化到测试算例中.在所有算例中,截面上摩擦阻力系数的平均误差小于4%.本工作表明将数据驱动方法应用于湍流模型化是可行的,本文的建模模式是有效的.

关键词： 数据中心   PUE指标   能效优化   机器学习   神经网络   灵敏度分析  

摘要： 本文研究如何利用机器学习方法来降低数据中心电能使用效率(power usage effectiveness,PUE)指标.现阶段以Google公司为代表的工业界使用的神经网络模型考虑的特征数量较少,且仅考虑单一特征变化对PUE指标的影响,缺少对特征之间耦合特性的分析.此外,机器学习方法对数据集的质量和数量要求都很高,并且落地实施过程和结论判断皆容易受到噪声干扰,整体难度较大.现阶段学术界和工业界尚缺少对具体优化案例的详细阐述.本文对现阶段利用神经网络模型优化PUE指标的方法进行改进,增加了特征维数,提高了预测精度,取得了超出Google公司PUE模型预测精度的结果.利用历史样本轨道,使用统计方法近似得出特征之间的耦合特性,并代入灵敏度分析中,得到更加精确的分析结果.提出基于灵敏度分析的冷却系统参数设计优化方案;利用腾讯华北某数据中心的海量数据和现场条件,实施制冷系统参数设定优化的实验,实验效果证明了优化方案的有效性.

关键词： 虚拟化技术   云计算   负载预测   数据中心   大数据   机器学习方法   数理统计   计算处理  

摘要： 随着大数据的发展,需要加强对数据的计算处理工作。云计算能够根据用户需求进行数据中心资源的分配工作,能够显著的提升资源效率和网络灵活性,节约企业的经济成本,具备较好的经济效益。要明确主机负载的变化特征,并根据不同的应用情况选择最佳的负载预测算法,历史数据的分析和采集可以采用不同的方式,定量预测是综合数理统计、概率论来进行分析,根据使用的机器学习方法来完成时间序列数据的预测,具备非常强的现实工业价值。