期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,020篇文章
< 1 2 … 51 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于2-opt优化蚁群算法的生鲜食品配送路径规划研究 认领 引用
1
作者 林露华 吴闽泉 《粮油食品科技》 CAS CSCD 北大核心 2026年第3期254-262,共9页
随着电子商务蓬勃发展,生鲜食品配送成为现代物流核心分支,但传统单目标路径规划及常规多目标优化方法在适配生鲜配送易腐、时效特性上存在局限。为此,本研究先构建考虑配送时间与食品新鲜度的生鲜食品多目标配送路径规划模型(FMO-DRP)... 随着电子商务蓬勃发展,生鲜食品配送成为现代物流核心分支,但传统单目标路径规划及常规多目标优化方法在适配生鲜配送易腐、时效特性上存在局限。为此,本研究先构建考虑配送时间与食品新鲜度的生鲜食品多目标配送路径规划模型(FMO-DRP),通过加权求和法将多目标转化为单目标函数,并设定了车辆容量、进出平衡等约束条件。然后,结合两元素优化局部搜索策略(2-opt)与蚁群优化算法(ACO),设计了2-opt-ACO算法,通过动态信息素初始化与路径局部优化提升算法的模型求解性能。实验结果表明,在Solomon RC105数据集上,2-opt-ACO算法较传统ACO算法误差百分比降低5%,解方差低至0.008。2-opt-ACO算法的平均客户满意度达0.92,平均配送时长123.8 min,较对比方法表现更优。在不同规模仓库场景下,2-opt-ACO算法总成本较遗传算法和禁忌搜索算法低3.27%~9.26%,平均满意度高7.59%~13.89%,收敛速度提升22.6%~38.42%。研究结论表明,2-opt-ACO算法在生鲜食品配送路径规划中具有显著优势,有效平衡了企业成本与客户满意度,为生鲜物流行业的智能化、高效化发展提供了新的理论模型与求解方法。 展开更多
关键词 2-opt局部优化 蚁群算法 生鲜食品 配送路径 多目标
暂未订购 下载PDF
Random forest algorithm reveals novel sites in HA protein that shift receptor binding preference of the H9N2 avian influenza virus 认领 引用 被引量：2
2
作者 Yuncong Yin Wen Li +7 位作者 Rujian Chen Xiao Wang Yiting Chen Xinyuan Cui Xingbang Lu David M.Irwin Xuejuan Shen Yongyi Shen 《Virologica Sinica》 SCIE CAS CSCD 2025年第1期109-117,共9页
A switch from avian-typeα-2,3 to human-typeα-2,6 receptors is an essential element for the initiation of a pandemic from an avian influenza virus.Some H9N2 viruses exhibit a preference for binding to human-typeα-2,... A switch from avian-typeα-2,3 to human-typeα-2,6 receptors is an essential element for the initiation of a pandemic from an avian influenza virus.Some H9N2 viruses exhibit a preference for binding to human-typeα-2,6 receptors.This identifies their potential threat to public health.However,our understanding of the molecular basis for the switch of receptor preference is still limited.In this study,we employed the random forest algorithm to identify the potentially key amino acid sites within hemagglutinin(HA),which are associated with the receptor binding ability of H9N2 avian influenza virus(AIV).Subsequently,these sites were further verified by receptor binding assays.A total of 12 substitutions in the HA protein(N158D,N158S,A160 N,A160D,A160T,T163I,T163V,V190T,V190A,D193 N,D193G,and N231D)were predicted to prefer binding toα-2,6 receptors.Except for the V190T substitution,the other substitutions were demonstrated to display an affinity for preferential binding toα-2,6 receptors by receptor binding assays.Especially,the A160T substitution caused a significant upregulation of immune-response genes and an increased mortality rate in mice.Our findings provide novel insights into understanding the genetic basis of receptor preference of the H9N2 AIV. 展开更多
关键词 H9N2 Hemagglutinin(HA) Receptor binding preference Random forest algorithm Host shift Interspecies transmission
暂未订购 下载PDF
基于多策略改进蜣螂算法和支持向量回归的CO2输送管道腐蚀预测 认领 引用 被引量：1
3
作者 花靖 蒋秀 +3 位作者 于超 解辉 傅建斌 逄铭玉 《科学技术与工程》 EI 北大核心 2026年第3期1028-1037,共10页
腐蚀速率的准确预测对于保障CO2输送管道安全运行意义重大。针对当前缺乏一套适用于多杂质、不同CO2输送相态工况的腐蚀预测模型现状,提出了一种基于多策略改进蜣螂算法(multi-strategy improved dung beetle optimizer,MIDBO)和... 腐蚀速率的准确预测对于保障CO2输送管道安全运行意义重大。针对当前缺乏一套适用于多杂质、不同CO2输送相态工况的腐蚀预测模型现状,提出了一种基于多策略改进蜣螂算法(multi-strategy improved dung beetle optimizer,MIDBO)和支持向量回归(support vector regression,SVR)的腐蚀预测模型。为了解决DBO算法收敛速度较慢、全局探索和局部开发能力不平衡等问题,提出了多策略改进方案:算法初期,融合Tent混沌映射和反向学习策略初始化种群,提高种群多样性和算法收敛速度;蜣螂繁育阶段,运用动态螺旋搜索策略提升算法全局搜索能力;算法后期,融合Lévy飞行策略和贪婪策略对种群进行扰动并更新位置,增强算法跳出局部最优能力。仿真结果表明:相比较DBO算法和单策略改进的DBO算法,MIDBO算法在不同测试函数中均具有更佳的寻优性能,验证了多策略改进的有效性。将建立的MIDBO-SVR腐蚀预测模型与DBO-SVR和GWO(grey wolf optimization algorithm)-SVR、SSA(sparrow search algorithm)-SVR、POA(peacock optimization algorithm)-SVR模型进行了预测精度对比,结果表明:MIDBO-SVR算法的均绝对误差(mean absolute error,MAE)、均方误差(mean squared error,MSE)和均相对误差(mean absolute percentage error,MAPE)分别为0.0100、0.0002、13.21,均低于其他4套模型。本文中建立的MIDBO-SVR腐蚀预测模型预测精度较高,对现场具有较强的指导意义。 展开更多
关键词 腐蚀预测 CO2输送管道 杂质 蜣螂算法 支持向量回归
暂未订购 下载PDF
Research on a two-step retracking algorithm for reconstructed waveforms of nearshore radar altimeters 认领 引用
4
作者 Yongjun Jia Xingwei Jiang +1 位作者 Dan Qin Bo Yuan 《Acta Oceanologica Sinica》 SCIE CAS CSCD 2026年第3期216-231,共16页
To enhance the accuracy of nearshore data products obtained from nadir radar altimeters,we introduce a novel two-step retracking algorithm for reconstructed waveforms.This approach utilizes Empirical Mode Decompositio... To enhance the accuracy of nearshore data products obtained from nadir radar altimeters,we introduce a novel two-step retracking algorithm for reconstructed waveforms.This approach utilizes Empirical Mode Decomposition(EMD)to extract trend information from the trailing edge of the waveform.Reconstructed waveforms are formed by linking the leading and trailing edge trend information.The retracking process consists of two steps:the first step focuses on retracking a segment of the leading edge to obtain 4 crucial a priori parameters.In the second step,retracking incorporates both the leading and trailing edges using the previously acquired a priori information.We tested the algorithm using data from the HY-2B radar altimeter.Results indicate that the proposed two-step retracking algorithm outperforms the Maximum Likelihood Estimation(MLE4)algorithm currently used in the operational processing of the HY-2B radar altimeter,as well as the Adaptive Leading Edge Subwaveform(ALES)algorithm,in terms of significant wave height(SWH)and sea level anomalies(SLA).Specifically,the standard deviation of the difference in SWH is reduced by 14%,and the standard deviation of the difference in SLA is reduced by approximately 18%.The two-step retracking algorithm effectively leverages trailing edge information,reduces the influence of peak noise on the leading edge,and improves both the utilization and accuracy of the waveform retracking. 展开更多
关键词 reconstructed waveforms two-step retracking algorithm radar altimeter HY-2B satellite
暂未订购 下载PDF
基于前缘均衡调控的低渗透油藏CO2驱注采参数优化——以胜利油田F142井组为例 认领 引用 被引量：1
5
作者 崔传智 毛盼 +3 位作者 张传宝 李惊鸿 张东 李宗阳 《油气地质与采收率》 CAS CSCD 北大核心 2026年第1期158-169,共12页
在CO2驱油封存过程中,前缘均衡程度优化对于改善驱油封存效果至关重要。为解决由储层平面非均质性与注采井网影响导致的低渗透油藏CO2驱前缘不均衡的问题,建立井组机理模型,用以模拟注采过程中的非均衡前缘,通过自动优化算法,建立... 在CO2驱油封存过程中,前缘均衡程度优化对于改善驱油封存效果至关重要。为解决由储层平面非均质性与注采井网影响导致的低渗透油藏CO2驱前缘不均衡的问题,建立井组机理模型,用以模拟注采过程中的非均衡前缘,通过自动优化算法,建立CO2驱注采参数优化方法以实现对前缘的调控。通过油藏工程方法界定了优化过程中的合理注采参数,并分别对胜利油田F142井组的连续注气、注采耦合以及水气交替3种注采方案进行参数优化应用研究,通过封存率、生产气油比以及换油率等指标评估了前缘优化效果。结果表明:在CO2驱注采参数优化中,优化前缘均衡程度的同时会增加封存率,降低整体生产气油比并提高换油率;对于F142井组,生产井同时见气时间早更有利于驱油,而见气时间晚更有利于封存。 展开更多
关键词 低渗透油藏 CO2驱前缘 均衡调控 注采参数优化 自动优化算法
暂未订购 下载PDF
Optimization of laser cladding FeMnSiCrNi memory alloy coating process based on response surface model and NSGA-2 algorithm 认领 引用 被引量：1
6
作者 Yu Zhang Guang-lei Liu +4 位作者 Shu-cong Liu Wen-chao Xue Wei-mei Chen Hai-xia Liu Jian-zhong Zhou 《China Foundry》 SCIE EI CAS CSCD 2025年第3期311-322,共12页
To solve the problems of deformation,micro-cracks,and residual tensile stress in laser cladding coatings,the technique of laser cladding with Fe-based memory alloy can be considered.However,the process of in-situ synt... To solve the problems of deformation,micro-cracks,and residual tensile stress in laser cladding coatings,the technique of laser cladding with Fe-based memory alloy can be considered.However,the process of in-situ synthesis of Fe-based memory alloy coatings is extremely complex.At present,there is no clear guidance scheme for its preparation process,which limits its promotion and application to some extent.Therefore,in this study,response surface methodology(RSM)was used to model the response surface between the target values and the cladding process parameters.The NSGA-2 algorithm was employed to optimize the process parameters.The results indicate that the composite optimization method consisting of RSM and the NSGA-2 algorithm can establish a more accurate model,with an error of less than 4.5%between the predicted and actual values.Based on this established model,the optimal scheme for process parameters corresponding to different target results can be rapidly obtained.The prepared coating exhibits a uniform structure,with no defects such as pores,cracks,and deformation.The surface roughness and microhardness of the coating are enhanced,the shaping quality of the coating is effectively improved,and the electrochemical corrosion performance of the coating in 3.5%NaCl solution is obviously better than that of the substrate,providing an important guide for engineering applications. 展开更多
关键词 laser cladding shape memory alloy coating response surface method process parameters optimization NSGA-2 algorithm
暂未订购 下载PDF
基于K-means与2-Opt改进的贪心路径优化算法研究 认领 引用 被引量：2
7
作者 黄启华 冯子俊 +1 位作者 杜玉晓 王烁哲 《自动化与信息工程》 2025年第2期9-17,共9页
针对当前衣物裁剪路径优化算法无法同时满足高精度和低时间消耗的问题,提出基于K-means与2-Opt改进的贪心路径优化算法。首先,利用K-means聚类算法进行大规模旅行商问题的局部分组;然后,采用2-Opt改进的贪心算法优化路径;最后,通过最近... 针对当前衣物裁剪路径优化算法无法同时满足高精度和低时间消耗的问题,提出基于K-means与2-Opt改进的贪心路径优化算法。首先,利用K-means聚类算法进行大规模旅行商问题的局部分组;然后,采用2-Opt改进的贪心算法优化路径;最后,通过最近邻连接方法对子问题的解进行类间连接。实验结果验证了该算法具有较好的路径和效率优化能力。 展开更多
关键词 衣物裁剪路径优化 K-means聚类算法 2-Opt算法 贪心算法
暂未订购 下载PDF
基于BO-TPE优化ERT模型的污泥焚烧SO2排放预测 认领 引用
8
作者 罗松 王丽花 王飞 《动力工程学报》 CAS CSCD 北大核心 2026年第2期174-182,共9页
为提高污泥焚烧过程中SO2排放的预测精度以优化焚烧与烟气处理工况,提出了一种高效稳定的SO2排放混合预测模型。首先,以鼓泡流化床污泥焚烧系统为研究对象,从火焰图像中提取静态与动态火焰特征,并结合分布式控制系统(DCS)参数构... 为提高污泥焚烧过程中SO2排放的预测精度以优化焚烧与烟气处理工况,提出了一种高效稳定的SO2排放混合预测模型。首先,以鼓泡流化床污泥焚烧系统为研究对象,从火焰图像中提取静态与动态火焰特征,并结合分布式控制系统(DCS)参数构建输入特征,SO2排放浓度设为模型输出。然后,利用互信息(MI)确定SO2与各输入特征的最优滞后时间并据此进行数据重组。最终构建基于树结构的贝叶斯优化(BO-TPE)的极端随机树(ERT)预测模型,并与多种主流预测模型进行性能对比。结果表明:基于BO-TPE优化的ERT模型相关系数R2为0.93,平均绝对百分比误差(MAPE)小于3%,适用于污泥焚烧系统SO2排放的在线预测与过程优化控制。 展开更多
关键词 SO2排放浓度预测 污泥焚烧 火焰图像 极端随机树 优化算法
暂未订购 下载PDF
基于SSA-PSO混合算法的CO2泄漏源参数反演及地表扩散模拟 认领 引用
9
作者 贾惠芹 张胜男 《科学技术与工程》 EI 北大核心 2026年第18期7961-7968,共8页
针对碳捕集、利用与封存(carbon capture,utilization,and storage,CCUS)项目中CO2泄漏源参数反演精度不足的问题,提出一种融合麻雀搜索算法(sparrow search algorithm,SSA)与粒子群算法(particle swarm optimization,PSO)的混合优... 针对碳捕集、利用与封存(carbon capture,utilization,and storage,CCUS)项目中CO2泄漏源参数反演精度不足的问题,提出一种融合麻雀搜索算法(sparrow search algorithm,SSA)与粒子群算法(particle swarm optimization,PSO)的混合优化方法。首先,基于高斯烟羽扩散模型构建泄漏正演模型,分析泄漏速率、风速和大气稳定度对地表CO2浓度分布的影响规律;其次,结合SSA的全局探索能力与PSO的局部开发优势,建立泄漏源位置与泄漏速率的反演模型。仿真结果表明:SSA-PSO算法反演的泄漏速率相对误差仅为0.01%,泄漏源位置坐标的相对误差均为0.10%,相较于PSO、SSA、GA及GA-PSO算法,其泄漏速率反演精度显著提升,最大相对误差降幅达27.99%,泄漏源定位精度最大提升22.3%。实例验证进一步表明,该算法在泄漏速率与位置反演中的相对误差分别为10.50%、4.00%和3.00%,均优于对比算法,且计算效率更高。研究表明,SSA-PSO混合算法能够实现CCUS项目CO2泄漏源的快速精准定位,为泄漏应急响应与风险防控提供有效技术支撑。 展开更多
关键词 CCUS CO2泄漏 高斯烟羽模型 粒子群算法 麻雀搜索算法
暂未订购 下载PDF
基于FAHP法、CRITIC法与TOPSIS法的CO2吞吐选井研究 认领 引用
10
作者 惠小敏 李智广 +3 位作者 吴莎 薛永新 刘琼 王红苗 《精细石油化工进展》 CAS 2026年第2期41-47,共7页
CO2吞吐是提高单井采收率的有效方法,针对CO2吞吐候选井进行有效的筛选十分关键。本文提出一种基于模糊层次分析(FAHP)法、指标权重确定(CRITIC)法与逼近理想解排序(TOPSIS)法的CO2吞吐选井方法,首先通过FAHP法与CRITIC法分别... CO2吞吐是提高单井采收率的有效方法,针对CO2吞吐候选井进行有效的筛选十分关键。本文提出一种基于模糊层次分析(FAHP)法、指标权重确定(CRITIC)法与逼近理想解排序(TOPSIS)法的CO2吞吐选井方法,首先通过FAHP法与CRITIC法分别计算各选井参数指标的主、客观权重,并将2种权重结合得到组合权重;然后用TOPSIS法进行综合评价,得到选井排序结果。通过计算排序筛选出中原油田各油区排名靠前的4口油井进行CO2吞吐实践,分别实现增油541 t(537 d)、240 t(586 d)、635 t(882 d)和292 t(355 d),平均阶段换油率为0.39。现场应用证明该筛选体系具有较强的科学性和实用性,适用于CO2吞吐井的筛选。 展开更多
关键词 CO2吞吐选井 FAHP法 CRITIC法 TOPSIS法 单井采收率
暂未订购 下载PDF
基于逐次变分模态分解-深度学习的燃煤电厂脱硫塔出口SO2浓度预测 认领 引用
11
作者 金秀章 仲轩正 《计量学报》 CSCD 北大核心 2026年第2期297-306,共10页
针对燃煤电厂参与调峰负荷波动较大,出口SO2浓度控制效果不佳的问题,建立了一种基于捕鱼优化算法(catch fish optimization algorithm,CFOA)优化融合神经网络的出口SO2浓度预测模型。首先使用互信息算法筛选由机理分析得到的特征... 针对燃煤电厂参与调峰负荷波动较大,出口SO2浓度控制效果不佳的问题,建立了一种基于捕鱼优化算法(catch fish optimization algorithm,CFOA)优化融合神经网络的出口SO2浓度预测模型。首先使用互信息算法筛选由机理分析得到的特征变量,并通过逐次变分模态分解对筛选后的辅助变量进行分解重构,保留相关性较大的重构分量作为输入变量。随后采用双向时间卷积网络、双向门控循环单元与多头自注意力机制构建融合神经网络模型,通过CFOA对模型超参数寻优以进一步提高精度。最后使用某660 MW燃煤电厂历史运行数据进行对比实验,实验结果表明,该模型在出口SO2浓度剧烈波动的工况下仍能实现较好的预测效果。同多种模型对比,该模型具有更小的误差和更高的预测精度,体现出其在复杂变化环境中的鲁棒性和可靠性。 展开更多
关键词 SO2浓度预测 逐次变分模态分解 融合神经网络 多头自注意力机制 捕鱼优化算法
暂未订购 下载PDF
基于SAPSO-T2FNN算法的催化再生烟气NOx浓度预测方法 认领 引用
12
作者 卢薇 杨文玉 张树才 《安全、健康和环境》 CAS 2026年第3期40-49,共10页
催化再生烟气氮氧化物浓度的实时准确预测是催化裂化装置脱硝过程实现脱硝剂精准调控的前提,对解决出口烟气超标风险问题具有重要意义。为此,提出了一种基于自调整粒子群优化-二型模糊神经网络(self-adjusting particle swarm optimizat... 催化再生烟气氮氧化物浓度的实时准确预测是催化裂化装置脱硝过程实现脱硝剂精准调控的前提,对解决出口烟气超标风险问题具有重要意义。为此,提出了一种基于自调整粒子群优化-二型模糊神经网络(self-adjusting particle swarm optimization-Type-2 fuzzy neural network algorithm, SAPSO-T2FNN)算法的催化再生过程中的烟气NOx排放浓度的智能预测方法。首先,利用径向基神经网络算法实现对缺失数据段的补遗,弥补了不同参量之间数据尺度不匹配的缺点;其次,构建了基于T2FNN的氮氧化物预测模型,提取了催化再生过程中的烟气产排过程中的动态特性;然后,设计了一种基于自调整飞行参数的SAPSO算法对模型进行优化求解,动态调整粒子的惯性权重和学习因子,提高了算法的收敛速度和精度;最后,将该模型应用到实际的催化裂化烟气产排过程,验证了该方法的有效性。 展开更多
关键词 氮氧化物 智能预测 催化裂化 二型模糊神经网络 粒子群优化算法
暂未订购 下载PDF
深层致密油藏前置CO2蓄能压裂参数智能优化 认领 引用
13
作者 杜殿发 计洪滨 汤宇杰 《油气藏评价与开发》 CSCD 北大核心 2026年第5期1122-1128,共7页
东营凹陷深层致密油藏(埋深3700~4300 m)因其高地温(152℃)、高地层压力及强应力屏蔽效应,开发面临裂缝半长短(小于80 m)、产量递减快(3个月产量递减率超过40%)、地质-工程参数匹配不佳导致的产能差异大等典型深层挑战。本文提出了一种... 东营凹陷深层致密油藏(埋深3700~4300 m)因其高地温(152℃)、高地层压力及强应力屏蔽效应,开发面临裂缝半长短(小于80 m)、产量递减快(3个月产量递减率超过40%)、地质-工程参数匹配不佳导致的产能差异大等典型深层挑战。本文提出了一种改进的“前置超临界CO2注入与渗吸液精准激活”蓄能压裂工艺,旨在针对性解决深层能量补充难、裂缝扩展受限与基质原油动用效率低等核心难题。该工艺通过超临界CO2(温度为35℃,压力为15 MPa,密度为0.8 g/cm3)的相态调控,利用其高扩散性(0.12 cm2/s)与相变膨胀潜能前置蓄能造缝;并配合优化的阴离子型石油磺酸盐渗吸液体系(界面张力降至0.15 mN/m,接触角优化至65°),有效降低毛细管阻力、改善储层润湿性,实现基质原油的精准激活。为解决多参数优化难题,研究基于正交试验设计L64(45)构建了包含960组方案的数值模拟样本库,涵盖了6项关键地质参数与5项待优化工程参数。进而,建立了反向传播(BP)神经网络与遗传算法的耦合优化模型,以累积产油量为目标函数,对CO2注入量、渗吸液注入量、渗吸液注入速度、焖井时间和日产液量进行全局寻优。模型验证表明:BP神经网络预测相对误差不超过2.5%(新井隐层13节点,均方误差为0.0037;老井隐层8节点,均方误差为0.0043),遗传算法在75代内收敛(参数交叉概率Pc=0.4,变异概率Pm=0.2),证明了模型兼具高精度与高效性。现场应用效果显著:改进工艺使裂缝半长从78 m增至161 m,增幅达106.4%;典型井Y22的90 d产量递减率降低了13.3%;经参数优化后,新井与老井的产能分别提升了16.8%和11.2%。研究形成了一套集数值模拟、参数学习和动态优化于一体的优化决策流程,有效克服了箱状储层裂缝纵向扩展难题,为非常规油气藏的高效开发提供了可借鉴的优化范式。 展开更多
关键词 蓄能压裂 深层致密油藏 超临界CO2 BP神经网络 遗传算法 参数优化
暂未订购 下载PDF
基于Sentinel-2影像与机器学习算法的作物种植面积提取对比研究——以武安市谷子和玉米为例 认领 引用
14
作者 刘猛 齐浩 +7 位作者 李洪波 张红芹 刘会静 张耀文 赵文庆 赵宇 李顺国 刘建军 《河北农业科学》 2026年第1期103-108,共6页
本研究聚焦于基于Sentinel-2影像与机器学习算法的作物种植面积提取研究,针对武安市复杂地形下谷子和玉米种植面积精准提取难度大、前人缺乏基于Sentinel-2影像不同提取方法系统对比的问题,明确不同方法的技术差异与适用性,为区域农业... 本研究聚焦于基于Sentinel-2影像与机器学习算法的作物种植面积提取研究,针对武安市复杂地形下谷子和玉米种植面积精准提取难度大、前人缺乏基于Sentinel-2影像不同提取方法系统对比的问题,明确不同方法的技术差异与适用性,为区域农业监测提供支撑。以武安市谷子和玉米为监测对象,对比2种基于Sentinel-2影像的提取方法,其中一项研究通过构建多维度特征集,结合支持向量机与随机森林算法实现多种作物种植面积的提取;另一项则基于Sentinel-2时序NDVI数据,借助动态时间规整算法(DTW)完成作物种植面积的提取。结果表明:2种方法均能有效提取作物种植面积,多特征与机器学习结合法农田分类精度98%、作物分类最高精度0.98,DTW算法提取结果与之相近;前者适用于多作物监测但计算成本高,后者流程简洁、效率高且对影像质量要求也高。2种方法在复杂地形农业区均具可行性且各有优劣,本研究的对比分析为作物种植面积提取技术优化及区域农业监测精准提升提供了参考,对提升区域农业监测的精准性与高效性具有重要的实践意义。 展开更多
关键词 Sentinel-2影像 机器学习算法 时序NDVI 动态时间规整 作物种植面积 对比研究
暂未订购 下载PDF
基于元启发式算法优化深度学习模型的污水格栅间H2S浓度预测 认领 引用
15
作者 娄和壮 孙惠 高婧琦 《中国环境科学》 EI CAS CSCD 北大核心 2026年第7期3727-3736,共10页
针对污水格栅间H₂S浓度动态变化复杂、传统监测方法难以实现精准预测的问题,构建了一种基于长短期记忆网络(LSTM)与门控循环单元(GRU)的混合深度学习模型,并进一步提出了一种改进鲸鱼优化算法(IWOA)对混合模型超参数进行自适应优化.通... 针对污水格栅间H₂S浓度动态变化复杂、传统监测方法难以实现精准预测的问题,构建了一种基于长短期记忆网络(LSTM)与门控循环单元(GRU)的混合深度学习模型,并进一步提出了一种改进鲸鱼优化算法(IWOA)对混合模型超参数进行自适应优化.通过引入Tent混沌映射实现种群均匀初始化,结合Levy飞行机制与自适应权重因子,增强算法全局探索与局部开发能力.结果表明:IWOA-LSTM-GRU在测试集上R2达到0.997,MSE与RMSE分别降低至0.021×10-6,0.145×10-6,显著优于雀鸟搜索算法(SSA)、萤火虫算法(FA)和冬虫夏草优化算法(CFO)元启发式算法对应的混合模型,且准确捕捉了H₂S浓度瞬态尖峰与缓变过程,其报警实现率Ra(5.55%)与实际值(5.58%)一致.本研究为污水格栅间H₂S浓度高精度预测与安全监测系统优化提供了可靠的理论工具与方法支撑. 展开更多
关键词 长短期记忆网络 鲸鱼优化算法 冬虫夏草优化算法 污水格栅间 H2S浓度
暂未订购 下载PDF
From LLM to Agent:A large-language-model-driven machine learning framework for catalyst design of MgH2dehydrogenation 认领 引用
16
作者 Tongao Yao Yang Yang +7 位作者 Jianghao Cai Rui Liu Zhaoyan Dong Xiaotian Tang Xuqiang Shao Zhengyang Gao Guangyao An Weijie Yang 《Journal of Magnesium and Alloys》 SCIE EI CAS CSCD 2026年第1期410-426,共17页
Magnesium hydride(MgH2),a promising high-capacity hydrogen storage material,is hindered by slow dehydrogenation kinetics.AIdriven catalyst discovery to address this is often hampered by the laborious extraction of ... Magnesium hydride(MgH2),a promising high-capacity hydrogen storage material,is hindered by slow dehydrogenation kinetics.AIdriven catalyst discovery to address this is often hampered by the laborious extraction of data from unstructured literature.To overcome this,we introduce a transformative“LLM to Agent”framework that synergistically integrates Large Language Models(LLMs)for automated data curation with Machine Learning(ML)for predictive design.We automatically constructed a comprehensive database of 809 MgH2catalysts(6555 data rows)with high fidelity and an~40-fold acceleration over manual methods.The resulting ML models achieved high accuracy(average R2>0.91)in predicting dehydrogenation temperature and activation energy,subsequently guiding a Genetic Algorithm(GA)in an exploratory inverse design that autonomously uncovered key design principles for high-performance catalysts.Encouragingly,a strong alignment was found between these AI-discovered principles and the design strategies of recently reported,state-of-the-art experimental systems,providing substantial evidence for the validity of our approach.The framework culminates in Cat-Advisor,a novel,domain-adapted multi-agent system.Cat-Advisor translates ML predictions and retrieval-augmented knowledge into actionable design guidance,demonstrating capabilities that surpass those of general-purpose LLMs in this specialized domain.This work delivers a practical AI toolkit for accelerated materials discovery and advances the emerging Agent-based paradigm for designing next-generation energy technologies. 展开更多
关键词 MgH2dehydrogenation Large language model Machine learning Genetic algorithm Catalyst design Hydrogen storage
暂未订购 下载PDF
Application of interval type-2 TSK FLS method based on IGWO algorithm in short-term photovoltaic power forecasting 认领 引用 被引量：1
17
作者 LI Jun ZENG Yuxiang 《Journal of Measurement Science and Instrumentation》 CAS CSCD 2025年第2期258-271,共14页
For short-term PV power prediction,based on interval type-2 Takagi-Sugeno-Kang fuzzy logic systems(IT2 TSK FLS),combined with improved grey wolf optimizer(IGWO)algorithm,an IGWO-IT2 TSK FLS method was proposed.Compare... For short-term PV power prediction,based on interval type-2 Takagi-Sugeno-Kang fuzzy logic systems(IT2 TSK FLS),combined with improved grey wolf optimizer(IGWO)algorithm,an IGWO-IT2 TSK FLS method was proposed.Compared with the type-1 TSK fuzzy logic system method,interval type-2 fuzzy sets could simultaneously model both intra-personal uncertainty and inter-personal uncertainty based on the training of the existing error back propagation(BP)algorithm,and the IGWO algorithm was used for training the model premise and consequent parameters to further improve the predictive performance of the model.By improving the gray wolf optimization algorithm,the early convergence judgment mechanism,nonlinear cosine adjustment strategy,and Levy flight strategy were introduced to improve the convergence speed of the algorithm and avoid the problem of falling into local optimum.The interval type-2 TSK FLS method based on the IGWO algorithm was applied to the real-world photovoltaic power time series forecasting instance.Under the same conditions,it was also compared with different IT2 TSK FLS methods,such as type I TSK FLS method,BP algorithm,genetic algorithm,differential evolution,particle swarm optimization,biogeography optimization,gray wolf optimization,etc.Experimental results showed that the proposed method based on IGWO algorithm outperformed other methods in performance,showing its effectiveness and application potential. 展开更多
关键词 photovoltaic power interval type-2 fuzzy logic system grey wolf optimizer algorithm forecast performance of model
暂未订购 下载PDF
基于炎症指数SII和SIRI构建2型糖尿病肾脏疾病风险预测模型 认领 引用 被引量：1
18
作者 刘咏思 邓颖敏 +3 位作者 玛尔苏 李蕊菁 施雯 陈楚云 《实用医学杂志》 CAS 北大核心 2026年第2期266-275,共10页
目的基于血液常规指标联合系统性免疫炎症指数(SII)和系统性炎症反应指数(SIRI)构建较优的2型糖尿病(T2DM)患者发生糖尿病肾脏疾病(DKD)的风险预测模型并比较不同机器学习模型的预测性能,为DKD的早期筛查提供有效工具。方法回顾性选取2... 目的基于血液常规指标联合系统性免疫炎症指数(SII)和系统性炎症反应指数(SIRI)构建较优的2型糖尿病(T2DM)患者发生糖尿病肾脏疾病(DKD)的风险预测模型并比较不同机器学习模型的预测性能,为DKD的早期筛查提供有效工具。方法回顾性选取2023年1月至2024年11月于广州医科大学附属中医医院住院的T2DM患者658例作为研究对象。采用计算机简单随机抽样法按7∶3的比例将患者数据分为训练集(460例)和测试集(198例)。首先,采用LASSO回归对包括SII、SIRI在内的12项潜在预测特征进行特征筛选;然后,基于筛选出的变量,分别应用逻辑回归(LR)、支持向量机(SVM)、随机森林(RF)和极限梯度提升(XGBoost)4种机器学习算法构建T2DM患者发生DKD的风险预测模型。使用AUC值、敏感度、准确度、F1分数等指标综合评价模型的区分度,并通过校准曲线和决策曲线分析(DCA)分别评估模型的校准度和临床实用性。最后,采用SHAP法对最优模型进行可解释性分析。结果经LASSO回归筛选出10项预测特征。SHAP值显示肌酐在4种风险预测模型中均具有较高的重要性;LR、RF、SVM和XGBoost4种模型在测试集的AUC值分别为0.914、0.943、0.929和0.917,F1分数分别为0.627、0.737、0.474和0.772。从混淆矩阵热力图中得到的总准确率分别为90.4%、92.4%、89.9%和93.4%;RF和XGBoost在混淆矩阵热力图中对DKD发生预测准确率较高分别为72.4%和75.9%。DCA显示4种模型在大部分阈值概率下均具有正的临床净收益。结论RF和XGBoost模型能较为准确地预测T2DM发生DKD的风险,有助于临床医生早期识别T2DM发生DKD的高风险患者。 展开更多
关键词 2型糖尿病 糖尿病肾脏疾病 系统性免疫炎症指数 系统性炎症反应指数 机器学习算法
暂未订购 下载PDF
Artificial Neural Network Surrogate Modelling for Predicting and Optimising CO2 Conversion to Methanol Under Uncertainty 认领 引用
19
作者 Muhammad Zulkefal Iftikhar Ahmad +2 位作者 Hakan Caliskan Hiki Hong Farooq Ahmad 《CAAI Transactions on Intelligence Technology》 SCIE EI CSCD 2026年第3期633-645,共13页
This study introduces a data-driven surrogate modelling framework that combines an artificial neural network(ANN)with particle swarm optimisation(PSO)and a genetic algorithm(GA)to optimise methanol production under un... This study introduces a data-driven surrogate modelling framework that combines an artificial neural network(ANN)with particle swarm optimisation(PSO)and a genetic algorithm(GA)to optimise methanol production under uncertain conditions.A steady-state Aspen Plus model was developed and converted into dynamic mode by applying±5%uncertainty across 12 key process variables,generating 3880 data points that reflect realistic operational variability.The ANN model was trained and validated on the samples,achieving predictive accuracy(R2=0.988,RMSE=28.59)on unseen test data.Key features of the work include the use of the ANN as a surrogate model,its integration within PSO and GA optimisation frameworks and its application alongside Sobol and Fourier amplitude sensitivity test(FAST)methods to identify the most influential process variables affecting the methanol production rate.The proposed framework resulted in performance improvements,with PSO achieving an increase of 38.63%and GA 33.14%in methanol production.Cross-validation with the Aspen Plus model confirmed the reliability of the optimised operating conditions,with relative errors ranging from 0.07%to 2.15%.Overall,the study demonstrates the effectiveness of integrating surrogate modelling with intelligent optimisation techniques to improve the efficiency and robustness of methanol production processes under uncertainty. 展开更多
关键词 artificial neural networks(ANN) CO2hydrogenation genetic algorithm methanol production particle swarm optimisation surrogate modelling
暂未订购 下载PDF
基于Sentinel-2影像与遗传算法优化堆叠模型的耕地土壤有机质遥感反演 认领 引用
20
作者 李婧睿 王天一 +3 位作者 曾佳辉 韩文静 闵肖肖 段四波 《农业资源与环境学报》 CAS CSCD 北大核心 2026年第4期859-869,共11页
针对现有土壤有机质遥感反演中单一模型表达能力有限且堆叠模型优化不足的问题,本研究以吉林省伊通满族自治县耕地为研究对象,结合哨兵二号(Sentinel-2)多光谱影像和地形因子,比较不同特征方案下的单模型、常规堆叠模型和遗传算法优化... 针对现有土壤有机质遥感反演中单一模型表达能力有限且堆叠模型优化不足的问题,本研究以吉林省伊通满族自治县耕地为研究对象,结合哨兵二号(Sentinel-2)多光谱影像和地形因子,比较不同特征方案下的单模型、常规堆叠模型和遗传算法优化的堆叠模型,旨在评估地形因子、特征筛选和基础学习器组合优化对土壤有机质反演精度的影响。首先,基于Sentinel-2影像提取各波段反射率,构建归一化差分指数(NDI)、广义差分指数(GDI)、比值指数(RI)和乘积指数(PI),分析其与有机质的相关性;其次,分别构建光谱特征、光谱+地形特征和递归特征消除(RFE)筛选特征三类输入方案,并采用9种算法进行单模型建模比较;最后,以9种模型作为候选基础学习器,构建常规堆叠模型和遗传算法优化堆叠模型,并比较其预测性能。结果表明,有机质与可见光至近红外波段反射率及构建的光谱指数均呈显著相关,其中B4、B8波段对有机质敏感性较高。与常规堆叠模型相比,遗传算法优化的堆叠模型(SVR+ERT+RF+ADB+GBT)可改善预测效果,测试集决定系数(R2)为0.748、均方根误差(RMSE)为0.252,相对分析误差(RPD)为2.009。空间制图结果显示,研究区有机质呈明显空间异质性,高值区集中于东部及西北部局部,低值区零星分布于边缘地带,整体呈连续过渡特征。研究表明,遗传算法优化堆叠模型能够有效融合多学习器优势,改善土壤有机质遥感反演效果,为黑土区土壤肥力定量评估与数字化监测提供技术参考。 展开更多
关键词 土壤有机质 Sentinel-2 光谱指数 相关性分析 遗传算法 堆叠模型
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 51 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈