- 俞城生;張艷;
為了提高單相PWM整流器輸出電壓的質量,解決傳統控制策略存在參數整定困難的問題,改善小型能源路由器中間級的輸入電壓,提出了電壓外環模糊自適應控制策略。首先,根據電路特征,建立單相PWM整流器的最優數學模型;其次,將模糊控制思想引入電壓外環控制策略中,與傳統的PI控制相結合,針對傳統PI參數的影響,構建模糊規則,計算模糊因子;最后,與比例諧振控制結合,給出了單相PWM整流器電壓外環模糊自適應控制。結果表明,所提出的控制策略具有良好的動態特性,可以在一定程度上減少負載波動時輸出電壓的波動,且在單位功率因數條件下,能夠實現整流器的整流或逆變。改進策略可為小型能源路由器能量雙向傳輸方面的研究提供參考。
2020年01期 v.41;No.152 23-30頁 [查看摘要][在線閱讀][下載 1467000] [下載次數：190 ] |[網刊下載次數：22 ] |[引用頻次：2 ] |[閱讀次數：53 ] - 姚建盛;劉艷玲;
針對當前機會網絡數據分發協議面向的主要是單源多宿數據分發模型的問題,提出了一種多源多宿機會網絡數據分發模型,設計了一種興趣和編碼感知(ICA,interest-and coding-aware)的機會網絡數據分發協議。首先,由中繼節點將滿足同一興趣的不同數據源進行流間隨機線性網絡編碼后轉發;其次,擁有相同興趣的節點彼此交換興趣編碼數據,當節點收到足夠多的滿足同一興趣的線性無關編碼包時,解碼得到多個感興趣的原始數據;最后,對多源多宿機會網絡數據分發進行了ONE仿真。結果表明,和基于ER的多源多宿數據分發相比,ICA能通過較小的緩存、網絡帶寬和網絡負載獲得較低的分發時延。研究結果可為機會網絡中的網絡數據分發機制提供一種可行、高效的解決方案。
2020年01期 v.41;No.152 31-39頁 [查看摘要][在線閱讀][下載 1221105] [下載次數：13 ] |[網刊下載次數：18 ] |[引用頻次：0 ] |[閱讀次數：46 ] - 張蘇英;郭寶樑;趙國花;劉慧賢;
為了解決大型綜合建筑中智能疏散系統在火災等突發情況發生時可根據復雜建筑結構規劃出合理、安全的疏散路徑問題,提出了一種基于改進A~*算法的多起點、多出口路徑規劃方法。通過增加轉彎懲罰值,結合火災影響區域實時信息和火災中心點的距離改進了估價函數,進而計算出最優疏散路徑。依據搜索出的最優路徑調整三維樓層地圖中各個導向標志方向,從而引導不同位置人員從最優路徑疏散逃生。仿真實驗結果表明,在計算多起點、多出口疏散路徑時,改進A~*算法與傳統Dijkstra算法和A~*算法相比,搜索方向更加明確,路徑更加平滑,搜索效率更高,運行時間更短,并能結合火災信息保證疏散路徑的安全性。該算法在求解大型綜合建筑火災安全疏散路徑方面具有很好的應用前景。
2020年01期 v.41;No.152 40-49頁 [查看摘要][在線閱讀][下載 9356028] [下載次數：93 ] |[網刊下載次數：20 ] |[引用頻次：0 ] |[閱讀次數：56 ]
- 許云峰;
<正>中國大數據和人工智能技術正處于蓬勃發展階段,先進模型算法不斷涌現。本期專欄推出3篇論文,以大數據和人工智能應用為中心,面向工業界和學術界的應用場景,介紹前沿模型算法的相關應用案例。第1篇是張冬雯等撰寫的《基于長短期記憶神經網絡模型的空氣質量預測》。這是一篇算法類的文章,主要針對當前空氣質量預測研究中預測精度低、效率低、缺失時間因素等問題,從時間角度提出了一種簡單的空氣質量預測方法——LSTM神經網絡模型,使用MAPE,RMSE,R,IA和MAE等指標檢測LSTM神經網絡與對比模型的預測性能。實驗結果表明,LSTM神經網絡可以適應多個變量或多輸入的時間序列預測問題,具有預測精度高、速度快和魯棒性較強等優點,使用LSTM神經網絡進行空氣質量預測可以有效提高預測的準確性。
2020年01期 v.41;No.152 66頁 [查看摘要][在線閱讀][下載 224409] [下載次數：14 ] |[網刊下載次數：3 ] |[引用頻次：0 ] |[閱讀次數：54 ] - 張冬雯;趙琪;許云峰;劉濱;
隨著城市化和工業化的快速發展,空氣污染問題日益突出,空氣質量預測顯得尤為重要。當前一些有代表性的研究對空氣質量進行實時監測和預報,例如周廣強等采用數值預報的方法對中國東部地區的空氣質量進行分析,但其實驗結果表明該方法難以預測非常重的污染;SANKAR等使用多元線性回歸對空氣質量進行預測,但其實驗結果表明線性模型預測精度低、效率慢;PéREZ等使用統計方法對空氣質量進行預測,實驗結果證明統計方法的預測精度比較低;WANG等采用改進的BP神經網絡建立了空氣質量指數的預測模型,其實驗驗證了BP神經網絡收斂速度慢、容易陷入局部最優解的問題;YANG等利用相鄰網格的空氣質量濃度效應,建立了基于隨機森林的PM_(2.5)濃度預測模型,通過實驗過程證明網格劃分程序削弱了后續空氣質量分析的質量和效率。這些方法都難以從時間角度建模,其中預測精度低是比較重要的問題。因為預測精度低可能會導致空氣質量預測結果出現較大的誤差。針對空氣質量研究中預測精度低的問題,提出了基于長短期記憶單元(long short-term memory,LSTM)的神經網絡模型。該模型使用MAPE,RMSE,R,IA和MAE等指標來檢測LSTM神經網絡與對比模型的預測性能。由于Delhi和Houston是空氣污染程度比較嚴重的城市,所以使用的實驗數據集來自Delhi的Punjabi Bagh監測站2014—2016年的空氣質量數據和Houston的Harris County監測站2010—2016年的空氣質量數據。LSTM神經網絡與多元線性回歸和回歸模型(SVR)的比較結果表明,LSTM神經網絡適應多個變量或多輸入的時間序列預測問題,LSTM神經網絡具有預測精度高、速度快和較強的魯棒性等優點。
2020年01期 v.41;No.152 67-75頁 [查看摘要][在線閱讀][下載 924326] [下載次數：592 ] |[網刊下載次數：18 ] |[引用頻次：1 ] |[閱讀次數：61 ] - 周萬珍;曹迪;許云峰;劉濱;
隨著互聯網技術的快速發展,如何對海量網絡信息進行挖掘分析,已成為熱點和難點問題。推薦系統能夠幫助用戶在沒有明確需求或者信息量巨大時解決信息過載的問題,為用戶提供精準、快速的業務(如商品、項目、服務等)信息,成為近年來產業界和學術界共同的興趣點和研究熱點,但是,目前數據的種類多種多樣并且應用場景廣泛,在面對這種情況時,推薦系統也會遇到冷啟動、稀疏矩陣等挑戰。深度學習是機器學習的一個重要研究領域和分支,近年來發展迅猛。研究人員使用深度學習方法,在語音識別、圖像處理、自然語言處理等領域都取得了很大的突破與成就。目前,深度學習在推薦領域也得到了許多研究人員的青睞,成為推薦領域的一個新方向。推薦方法中融合深度學習技術,可以有效解決傳統推薦系統中冷啟動、稀疏矩陣等問題,提高推薦系統的性能和推薦精度。文中主要對傳統的推薦方法和當前深度學習技術中神經網絡在推薦方法上的應用進行了歸納,其中傳統推薦方法主要分為以下3類:1)基于內容推薦方法主要依據用戶與項目之間的特征信息,用戶之間的聯系不會影響推薦結果,所以不存在冷啟動和稀疏矩陣的問題,但是基于內容推薦的結果新穎程度低并且面臨特征提取的問題。2)協同過濾推薦方法是目前應用最為廣泛的一種方法,不需要有關用戶或項目的信息,只基于用戶和諸如點擊、瀏覽和評級等項目的交互信息做出準確的推薦。雖然該方法簡單有效但是會出現稀疏矩陣和冷啟動的問題。3)混合推薦方法融合了前2種傳統推薦方法的特點,能取得很好的推薦效果,但在處理文本、圖像等多源異構輔助信息時仍面臨一些挑戰與困難。依據神經網絡基于深度學習的推薦方法主要分為4類:基于深度神經網絡(DNN)的推薦方法、基于卷積神經網絡(CNN)的推薦方法、基于循環神經網絡(RNN)和長短期記憶神經網絡(LSTM)的推薦方法、基于圖神經網絡(GNN)的推薦方法、將深度學習技術融入到推薦領域,構造的模型具有以下優勢:具有較強的表征能力,可以直接從內容中提取用戶和項目特征;具有較強的抗噪能力,可以輕易地處理含有噪聲的數據;可以對動態或者序列數據進行建模;可以更加精準地學習用戶或項目特征;便于對數據進行統一處理,并且可以處理大規模數據。將深度學習技術應用到推薦領域,可以積極有效地應對傳統推薦方法面臨的挑戰,提高推薦效果。
2020年01期 v.41;No.152 76-87頁 [查看摘要][在線閱讀][下載 3538228] [下載次數：2995 ] |[網刊下載次數：25 ] |[引用頻次：10 ] |[閱讀次數：72 ] - 瞿英;范默苒;劉濱;曹樹貴;
軟件項目是以科學滿足軟件需求為目標,涵蓋人員、技術、管理等多種要素的工程實施與組織管理過程。長期以來,由于軟件項目客觀存在的一些不確定性因素,使得實施過程中常常會遇到設計、費用、進度與功能變化等諸多問題。雖然高效的開發技術不斷涌現,但管理問題一直存在,風險問題也經常顯現,成為軟件行業的焦點問題。正確認識和管理軟件項目風險能夠提高軟件項目開發的成功率,降低風險發生概率。軟件項目風險管理是軟件項目管理中的重點問題之一。隨著軟件行業的發展,軟件項目風險呈現出新的特點,風險管理內容也產生了新的變化。為了追蹤軟件項目風險管理研究的脈絡和發展趨勢,運用網絡爬蟲技術,獲取了國內外軟件項目風險相關文獻3 129篇,利用分詞和統計分析技術,對文獻作者、關鍵字、主題等進行提取和詞頻分析,挖掘出研究主體的空間分布情況;從發文數量及發文時間角度對中外學者研究進行對比分析,梳理出軟件項目風險概念界定、研究階段、研究方法等方面的演化進程。通過對文獻主題的分析,梳理出軟件項目風險研究的方向和趨勢。通過上述文本分析思路,可以得出該領域中的主流研究方法及發展趨勢。在文獻數量的變化上可以推斷,軟件項目風險同質化研究較多,研究的創新性突破口難以發掘,致使中文文獻數量有所降低。通過觀察研究團隊詞云可視化情況,發現了計算機類及管理類兩大主流研究方向。如何從管理角度進行風險研究一直是該領域關注的重點?；跁r間順序的文獻主題匯總,能夠清晰看出軟件項目風險研究是以項目管理為主導、風險管理為導向,將項目管理及風險管理相融合,進行以軟件項目為主體的概念性界定。軟件項目風險管理理論研究相對成熟后,風險評估、風險識別、風險控制相關技術性的研究也開始興起,再從應用角度進行風險管理的驗證研究。至今風險管理仍以評估為主要研究手段,通過對高頻詞的共性進行分析,找到詞匯關聯中較為新穎的研究方向。例如,風險識別過程正在從人工主觀辨別向機器自動識別轉化;風險管理對象屬性特點的轉變是由靜到動的變化;由大數據技術引發的風險知識庫建立、智能風險管理系統的搭建等前沿研究。對研究趨勢的探索將為軟件項目風險防控、提升軟件項目成功率提供新的解決思路,為軟件項目風險的相關研究提供可參考的方法。
2020年01期 v.41;No.152 88-98頁 [查看摘要][在線閱讀][下載 2476050] [下載次數：222 ] |[網刊下載次數：20 ] |[引用頻次：0 ] |[閱讀次數：58 ]