摘要：随着电网规模的逐步扩大,安控系统的规模也日益庞大,涉及的装置众多,且装置之间逻辑关系复杂,安控系统的可靠性评估也变得越来越困难.现有的研究主要侧重于单台装置或者小型系统的可靠性评估,针对大型安控系统的可靠性评估还较少.文章首先阐述了单个厂站安控系统的配置方案,以华东电网频率紧急协调控制系统为例,介绍了其整体架构;然后利用故障树法分别求取了直流功能模块、抽蓄功能模块和切负荷功能模块的拒动失效率和误动失效率,并基于马尔可夫状态空间法对华东电网频率紧急协调控制系统单个功能模块进行了可靠性的评估;最后,对整个系统进行了非序贯蒙特卡罗法的仿真,为后续大型安控系统的整体可靠性评估提供参考.

摘要：三维储层建模旨在对油气储层进行三维模拟和预测,以指导油气勘探和开发.然而,传统的三维储层建模方法在描绘储层结构能力上不足,难以满足实际生产的需求.多点地质统计方法能够很好地描述储层结构,但是也存在诸如参数化严重、局部空间连续性不足等问题.基于深度学习的方法能够很好地表征储层各向异性结构的全局连续性,但却依赖于高质量、大规模的数据进行驱动.为了解决以上储层建模方法中存在的问题,文章提出了一种多点地质统计方法和深度学习协同驱动三维动态建模方法.该方法采取多点地质统计序贯模拟生成储层地质模式库,作为深度学习方法的训练数据.训练生成对抗网络生成高质量的三维储层模型.实验结果和实际观测数据的比较表明,该方法的误差小于5％,有效提高了储层建模的准确性和精度.

摘要：密集场景下的客流统计面临小目标信息量匮乏、目标遮挡严重的现实挑战,导致现有检测方法难以满足实际应用需求.为此,文章提出一种改进的头肩检测模型SCFSA-YOLO,该模型以YOLOv12为基础框架,通过针对性优化小目标检测性能,有效提升复杂密集环境下客流统计的准确性.首先,选用头肩作为检测目标以缓解遮挡问题,并在VSCrowd数据集上完成模型训练;其次,通过增设小目标专用检测层、加深主干网络结构,以及将输入分辨率从640提升至960,显著增强小目标的特征表征能力;此外,设计空间多尺度-通道频率协同注意力机制(SCFSA),提升模型在遮挡环境下的空间定位精度;同时,提出增强型空间-光谱下采样模块(ESSD),替代传统步长卷积,确保下采样过程中原始特征信息的最大化保留.实验结果表明,所提方法在VSCrowd测试集上的mAP@0.5达到90.0％,较基准YOLOv12模型提升8.6％,在小目标检测和遮挡场景中展现出明显优势.综上所述,SCFSA-YOLO模型通过架构优化与创新的注意力机制、下采样,有效解决了密集场景中小目标表征不足和严重遮挡的核心难题,为高精度、实时化的客流统计应用提供了切实可行的技术方案.

摘要：针对异构计算环境中传统遗传算法易陷入早熟收敛和局部最优的困境,导致全局搜索能力不足的问题,文章设计了一种遗传优化算法.该算法采用双染色体编码机制,兼顾任务拓扑约束与资源映射灵活性;运用HEFT启发式规则结合随机扰动策略构造高质量初始种群;针对双染色体结构特征,分别设计自适应遗传算子,任务序列染色体采用顺序交叉确保依赖合法性,资源分配染色体采用两点交叉维护基因的多样性;同时算法中引入自适应变异概率调节机制,实现种群演化的动态控制;最后,嵌入周期性邻域搜索对精英解微调,提升局部优化效率.在CPU-GPU组成的异构多核处理器平台上,采用随机生成的任务图测试集对算法进行测试,结果表明:与HEFT和蚁群算法相比,所采用的遗传优化算法明显降低了任务的调度长度,提升了算法的收敛速度,有效优化了异构计算平台上的任务调度性能.

摘要：在线学习场景中,学习者的情感表达形式极为丰富多样,不仅涵盖文本内容,还包含面部表情、姿态动作等多模态信息.由于单一模态特征难以全面且精准地反映学习者的真实情感,并且在多模态特征融合过程中缺乏有效的特征增强处理机制,导致情感分析准确率(ACC)不理想.为此,文章提出了一种基于改进文本卷积神经网络(text convolutional neural network,TextCNN)与自注意力机制的在线学习情感分析方法.通过改进的TextCNN与自注意力机制构建情感分析模型,增强文本特征处理,并利用多源嵌入融合策略优化特征表示.利用自注意力机制动态捕捉关键情感特征,并在混合特征网络(mixed feature network,MFN)基础上改进,解决面部遮挡问题.通过多尺度特征拼接、残差连接与层归一化,提升模型鲁棒性.基于情感分析结果进一步构建包含认知状态、学习效果及元认知能力的多维度评估体系,实现学习状态的综合预测与评估.实验结果表明,该方法能有效捕捉情感特征,并在多模态数据融合中保持高准确率(ACC＞90％),为在线学习场景下的情感分析与状态预测提供了鲁棒性解决方案.

摘要：随着无人机、固定摄像头等多源监测设备普及,采集图像分辨率差异显著增大,其中小目标物体的监测常面临背景噪声、纹理模糊、漏检率高等困扰.因此,文章提出一种改进的WEMD-YOLOv11n小目标检测算法.首先,在C3k2模块中引入小波卷积,利用频域多频段分解强化不同分辨率下的小目标特征;其次,结合EMA注意力机制引导跨尺度跨层次特征融合,构建更高分辨率的三层检测输出,减少低分辨率状态下小目标细节信息丢失;最后,采用动态检测头提升不同分辨率下小目标的多维度感知及动态适应性.实验结果表明,改进的模型召回率、平均检测精度较YOLOv11n分别提升0.8％和3.8％,参数量减少32.6％.为跨分辨率场景下小目标监测需求提供了一种高精度、低资源消耗的解决方案.

摘要：RRT*算法因适应高维、渐近最优的特性成为运动规划领域的重要标准算法,但因全局随机采样易导致早期搜索方向偏差、复杂环境易陷局部困境等问题.基于此,文章提出一种改进RRT*算法在全局随机采样基础上引入限制区域启发式采样,按启发偏向值概率选择采样方式以缩减搜索空间;同时单次启发式采样迭代生成多个候选点并计算代价,动态调整代价函数权值优化采样选择,提升采样效率并减少冗余路径.Python仿真实验表明,改进算法在不同环境下性能更优,复杂场景中较RRT*算法平均速度提升94.53％、路径成本降低17.39％,验证了其有效性与优越性.

摘要：反激微型逆变器因可直接与光伏组件连接,且具备体积小、结构简单紧凑、输入输出隔离等优势,在光伏并网发电领域得到广泛应用.为优化其功率密度与损耗特性,文章首先阐述反激逆变器的工作原理,明确临界导通模式(BCM)与断续导通模式(DCM)下的控制策略;针对单一控制策略难以兼顾功率密度与低损耗的不足,提出一种BCM/DCM混合控制策略,并将其应用于交错并联微型逆变器拓扑中,实现逆变器根据不同工况自适应切换工作模式;最后,通过仿真实验验证了所提混合控制策略的可行性与有效性,为反激微型逆变器的性能优化提供了可行方案.

摘要：时间一致性是互联网领域的关键指标.为满足局域网内设备高精度时间同步需求,文章设计了一种基于STM32的三级硬件架构NTP时间服务器.该服务器采用模块化设计思路,通过时钟主控板、主板及网络通信板的功能划分,将时钟源获取、时间同步与网络服务等核心功能实现物理分离.测试与应用表明,该服务器在局域网环境下可达成毫秒级时间同步精度,具备成本低廉、稳定性优良、易于扩展的特性,可广泛适用于自动化、智能制造等对时间同步精度要求较高的场景.

摘要：针对传统网络入侵检测方法存在特征提取能力薄弱、入侵检测精度较低的问题,文章将深度信念网络(DBN)应用于网络入侵检测任务.研究首先设计了基于深度信念网络的入侵检测整体方案;其次深入分析了深度信念网络的特征提取过程及相关核心算法,利用训练集构建适用于入侵检测场景的DBN模型,并结合softmax分类器实现对网络攻击数据类型的精准识别;最后通过对比实验,验证了不同深度DBN模型的入侵检测性能差异,为提升网络安全态势感知能力提供了一种可行的解决方案.

摘要：传统的负荷预测方法在处理新能源接入电力系统时,难以捕捉其动态变化特性,会导致预测精度较低.基于此,文章提出一种基于大数据分析的新能源接入电力系统输出负荷预测.采用灰色关联分析法,以历史输出负荷数据为参考序列,风速、光照强度等多因素数据为比较序列,量化关联程度并筛选关键影响因素.对关键因素数据进行最大-最小标准化归一化处理,消除量纲与数值范围差异.引入大数据分析技术,构建基于LSTM的预测模型.模型中,遗忘门控制上一时刻细胞状态保留程度,输入门控制当前时刻数据对细胞状态的更新,结合两者更新细胞状态,再通过输出门获取隐藏状态输出,得到新能源接入电力系统输出负荷预测值.实验结果表明,所提的新能源接入电力系统输出负荷预测结果的均方根误差仅0.47％,预测精度较高.

摘要：针对JPEG2000因计算复杂度高而制约遥感影像实时解压缩的问题,文章分别在CPU与GPU平台开展解压缩效率优化工作.研究构建了串行、CPU包内并行、CPU组合并行、GPU流水线批处理并行四类实验方案,选取不同数据量、压缩比、分辨率的遥感影像作为实验对象,从解压缩时间、处理速度、加速比三个维度开展量化评估,以此明确CPU与GPU平台的性能边界.实验结果表明,并行度的深化可显著提升解压缩效率,其中CPU组合并行与GPU流水线批处理两种方案的处理速度均可突破400 Mbit/s.二者效能受数据规模与硬件参数约束,场景差异明显:小数据量时CPU包内并行平衡开销与效率,高计算量任务需CPU组合并行与GPU协同突破瓶颈,I/O占比高的轻量任务更适配CPU优化资源利用,所提出的场景化并行策略,为相关并行方案选型提供参考.

摘要：传统谱聚类算法在面对多维度、非线性复杂数据时聚类效果表现不佳,p-Laplacian算子的引入一定程度上缓解了此类问题,然而基于p-Laplacian的谱聚类方法只依据第二特征向量,主要是以二分类的递归方式不断更新聚类结果,导致在面对多类聚类问题时聚类效果不稳定的情况.因此,文章基于上述研究提出一种基于p-Laplacian的自适应聚类的多类聚类方法,该方法优化了权重矩阵求解方法,创新性选择多个特征向量分别进行聚类,最后根据投票原则进行最终聚类得到更为均衡稳定的聚类结果.

摘要：针对LEACH协议存在能量消耗高、网络存活时间短等问题,文章提出一种基于动态能量感知与双领导协同的LEACH协议改进算法.该算法在簇头选举中引入能量-距离双因子阈值模型,动态感知节点能量状态并优先选择距离基站较近的节点作为簇头,从而均衡能耗、延长节点寿命.同时,引入辅助节点机制,由能量次高的节点承担数据融合任务,实现双领导协同通信,进一步减轻簇头负担.仿真结果表明,与LEACH协议相比,所提算法在网络存活时间、能耗均衡性及数据传输效率等方面均表现出明显优势,网络生命周期延长了约51.6％,总能量消耗降低了 13.5％,有效提升了无线传感器网络的整体性能.

摘要：针对电力负荷智能调控实践中存在的系统线损率较低和弃风光率较高的问题,文章提出基于深度学习算法的电力负荷智能调控方法.由物理层、通信层与软件层组建电力负荷智能调控架构.在架构软件层中以电力系统的运行成本最低为目标建立调控目标函数,并设定电力系统运行约束和机组运行约束条件,建立电力负荷智能调控模型.引入深度学习中的Actor-Critic深度学习算法,对所建立的电力负荷智能调控模型进行求解,实现基于深度学习算法的电力负荷智能调控.经实验证明,设计方法调控后电力系统线损率不超过2％,弃风光率不超过2.5％,可以实现对电力系统负荷有效调控.

摘要：为有效提高电力系统的运行效率和经济性,文章提出一种电力负荷时间序列分析的异常值检测方法.通过对电力负荷时间序列数据实施聚类与标记操作,以此作为异常值检测模型的输入数据.运用卷积神经网络与DCE-LAE模型,构建并训练异常值检测模型,最终输出异常值的检测结果.实验数据表明,所提方法在准确性、检测效率等评估维度上均表现优异,可高效且精准地检测出时间序列中的异常值,能够为电力系统的安全稳定运行和科学决策提供有力支持.

摘要：提升小型语言模型在复杂推理任务中的表现,是当前自然语言处理领域的一个关键挑战.基于此,文章提出了一种基于知识蒸馏的推理增强方法(CGRD),旨在提升学生模型在复杂推理任务中的表现.具体而言,采用GPT-3.5-turbo-instruct作为教师模型,通过API调用生成多样化的推理路径,从中筛选出一致性最高的路径用于指导学生模型的训练.实验结果表明,CGRD方法在AddSub和Date Understanding两个数据集上均显著优于传统的方法.还使教师模型在AddSub和Date Understanding数据集上的准确率分别提升了 15.11和10.05个百分点,更重要的是,在GPT-2和T5等不同架构的一系列小规模学生模型上均取得了一致性的性能提升,充分证明了 CGRD在增强小模型推理能力方面的有效性,通过提升教师模型生成推理路径的质量,有效增强了学生模型的推理能力和任务表现.

摘要：为提升脉搏波曲线拟合精度,文章提出了一种基于反射波假设的新型脉搏波曲线拟合算法,将桡动脉脉搏波分解为3个子波形f1(n)、f2(n)、f3(n)的叠加,其中f2(n)和f3(n)为f1(n)经拉伸变换后的反射波.实验对比了高斯曲线与不同方向对数正态分布曲线的拟合效果,发现特征点的绝对位置可作为不明显特征点脉搏波拟合的参考.对于归一化脉搏波,对数正态分布曲线在f2(n)和f3(n)方向为"++"和"-+"时拟合最优(均方根误差0.0244、0.028 0;最大误差0.063 3、0.077 2).若子波形位置未优化,"-+"方向仍表现最佳(均方根误差0.029 5,最大误差0.080 6).该算法为脉搏波分析提供了更精确的拟合工具,有助于心血管功能评估和中医脉诊客观化研究.

摘要：师范生的教学技能关系到日后课堂中的教学效果,如今师范生的教学技能训练存在部分影响训练效果的问题.因此,根据智能体的特点,文章基于语音基础特征提取技术和人工智能技术,后端使用Python3.9进行系统功能的实现,前端使用HTML5+CSS3+Javascript搭建用户交互界面,构建了师范生教学技能训练的多智能体系统,为师范生提供一个更全面、更具个性化的训练方法,该方法能够解决教学技能训练现存的部分问题,帮助其有效提升教学技能.