检索结果-南通市图书馆

浅谈GME3DD22E 1kW智能地面数字电视发射机激励器工作原理分析与维护方法

在线全文

学校读者我要写书评

暂无评论

数字传媒研究 2024年第3期41卷 53-55页

作者：云智星内蒙古自治区广播电视传输发射中心706台内蒙古呼和浩特市010050

本文主要介绍1kW数字电视发射机技术维护管理经验,详细说明智能数字电视激励器的原理和功能,以及处理智能数字激励器设备故障分析和维护方法,以供相关技术维护管理人员参考。

关键词：数字激励器系统功能维护方法

嵌套式多源数据同化在水量监测精度提升中的应用

在线全文

学校读者我要写书评

暂无评论

人民长江 2024年

作者：蒋飞卿牛智星朱易青王蓓周安辉嵇海祥水利部南京水利水文自动化研究所江苏南水科技有限公司水利部水文水资源监控工程技术研究中心江苏省溧阳市江南工程检测有限公司云南省水文水资源局西双版纳分局

数据融合同化可以实现多源观测数据和模型模拟的优势互补，提升监测精度与可靠性。澜沧江下游的水量变化对沿岸国家影响重大，但其水量监测面临着流域复杂、水利工程影响等诸多挑战。为提高水量监测的精度与效率，提出一种耦合水动力模... 详细信息

数据融合同化可以实现多源观测数据和模型模拟的优势互补，提升监测精度与可靠性。澜沧江下游的水量变化对沿岸国家影响重大，但其水量监测面临着流域复杂、水利工程影响等诸多挑战。为提高水量监测的精度与效率，提出一种耦合水动力模拟的多源数据嵌套式融合同化方法，利用人工实测、侧扫雷达在线监测和水动力数值模拟等多源数据，构建多层级多源数据的嵌套式融合同化模型，提高水量模拟精度的同时，将点观测数据扩展到全河道，扩展水量要素的获取范围。在允景洪站的应用表明：基于机器学习LASSO模型的精度提升方案，使侧扫雷达在线监测系统的精度较常规方法提升22.93%；多层级多源数据的嵌套式融合同化模式有效提升了断面流量的模拟精度，验证期相关系数0.935，并获取了建模河道内任意点的水位、流量、流速等水文要素数据。可为澜沧江水量监测提供一种新的方法和技术支撑，对于推动澜沧江-湄公河流域的水资源合作与可持续发展具有重要的理论和实践价值。

关键词：多源数据数据同化水量监测机器学习LASSO模型水动力模型侧扫雷达在线测流系统

羊肚菌酶解工艺优化及酶解液挥发性风味物质分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

食品工业科技 2024年

作者：曾小峰颜蜜盖智星高伦江尹旭敏刁源商桑曾顺德重庆市农业科学院陕西省产品质量监督检验研究院

为优化羊肚菌酶解工艺，探究酶解液挥发性风味物质，研究采用响应面设计优化酶解工艺，顶空固相微萃取-气相色谱-质谱（Headspace-solid phase microextraction-gas chromatography-mass spectrometry，HS-SPME-GC-MS）结合香气活性值（... 详细信息

为优化羊肚菌酶解工艺，探究酶解液挥发性风味物质，研究采用响应面设计优化酶解工艺，顶空固相微萃取-气相色谱-质谱（Headspace-solid phase microextraction-gas chromatography-mass spectrometry，HS-SPME-GC-MS）结合香气活性值（Odor activity value， OAV）分析鉴定关键风味物质。结果表明：加酶量5000 U/g、pH 6.7、水解温度44 ℃、水解时间2 h为最佳酶解工艺，此条件下水解度达34.11%；GC-MS分析共鉴定出挥发性风味物质23种，其中空白组17种，酶解组21种，酶解后风味物质含量增加了203.71%，醛类是最主要的挥发性风味物质，占整个风味物质的78.50%。进一步分析OAV≥1的化合物，空白组7种，酶解组9种，并确定异戊醛、苯乙醛、正己醛、苯甲醛、壬醛、芳樟醇、2-戊基呋喃、柠檬烯、萘为羊肚菌酶解液的关键风味化合物。该研究表明酶解可促进风味物质的释放，为羊肚菌的风味利用、调味料深加工开发提供数据基础。

关键词：羊肚菌酶解工艺响应面法风味香气活性值

基于主成分分析沂河营养盐与环境因子响应关系研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

环境保护与循环经济 2024年第5期44卷 62-67页

作者：于心宇宋雨涛仇星智张倩王立志山东省水土保持与环境保育重点实验室临沂大学资源环境学院山东临沂276000

利用主成分分析的方法,对沂河水质监测数据进行了分析,并通过主成分空间分布双标图探讨了不同水质指标之间的关系。结果显示:温度(Temperature)、流量(Flow)、pH和电导率(EC)在同一个方向上,反映了它们之间可能存在相关性或受到相似的... 详细信息

利用主成分分析的方法,对沂河水质监测数据进行了分析,并通过主成分空间分布双标图探讨了不同水质指标之间的关系。结果显示:温度(Temperature)、流量(Flow)、pH和电导率(EC)在同一个方向上,反映了它们之间可能存在相关性或受到相似的环境因素的影响;而高锰酸盐指数(CODMn)、化学需氧量(CODCr)、石油类(ois)、氟化物(F)和五日生化需氧量(BOD5)在一个方向上,表明它们可能受到相似的污染源或处理过程的影响;大肠菌群(FC)、溶解氧(DO)和硫酸盐(S)在一个方向上,反映了它们可能受到相似的生物或化学过程的影响。这些研究为进一步的水质分析和环境监测提供了重要线索,有助于深入理解不同水质指标之间的相互关系及其在水质评估中的共同特征和影响。通过对各环境因子和理化指标进行主成分分析,建立营养盐与各环境因子和理化指标主成分之间的回归方程,可以很好地反映营养盐与各环境因子和理化指标之间的关系。这些结果对于水质管理和环境保护具有重要的指导意义。

关键词：主成分分析营养盐沂河

痰热清注射液与左氧氟沙星联合应用治疗肺炎疗效分析

在线全文

学校读者我要写书评

暂无评论

智慧健康 2024年第7期10卷 130-133页

作者：邓燕茵申智星曾妙玲佛山市顺德区乐从医院药剂科临床药学部广东佛山528315 佛山市顺德区乐从社区卫生服务中心药剂科广东佛山528315

目的分析肺炎应用左氧氟沙星联合痰热清注射液治疗效果。方法选取2021年12月—2022年12月本院收治的60例肺炎患者为研究对象,采用双色球分组法,红色为对照组,接受左氧氟沙星治疗,蓝色为研究组,接受左氧氟沙星联合痰热清注射液治疗,每... 详细信息

目的分析肺炎应用左氧氟沙星联合痰热清注射液治疗效果。方法选取2021年12月—2022年12月本院收治的60例肺炎患者为研究对象,采用双色球分组法,红色为对照组,接受左氧氟沙星治疗,蓝色为研究组,接受左氧氟沙星联合痰热清注射液治疗,每组30例,比较治疗效果。结果研究组治疗有效率及阴影吸收率高于对照组(P0.05);治疗后研究组CRP、PTC、IL-8均低于对照组(P0.05);治疗后研究组FEV1、MVV、FVC指标均高于对照组(P星治疗,会提高肺炎治疗效果,改善炎症因子水平,加快症状消失时间,有临床运用价值。

关键词：痰热清注射液左氧氟沙星联合应用治疗肺炎疗效

在线全文

学校读者我要写书评

暂无评论

古今中外智星之光

古今中外智星之光

基于改进EWT和强化学习的投资组合管理研究

1989年

作者：《古今中外智星之光》编写组编写

献给企业家,政治、经济、军事及社会活动家:本书介绍了古今中外有名的“智囊团”及其一代风流人物,同时介绍了九洲大地崛起的智星及若干科学决策实例。

关键词：领导学思想史学科:研究地点:中国决策科学

来源：汇雅图书（南通市图书馆... 评论

在线全文

汇雅图书（南通市图书馆）

学校读者我要写书评

暂无评论

基于改进EWT和强化学习的投资组合管理研究

作者：胥智星贵州大学

学位级别：硕士

现目前,已经有越来越多的将深度强化学习算法应用到投资组合管理领域的工作,一部分是从算法本身出发,通过采用不同的强化学习算法或改进强化学习算法来提升投资组合管理任务的表现,另一部分是通过对于提取股票之间的特征的网络进行创新... 详细信息

现目前,已经有越来越多的将深度强化学习算法应用到投资组合管理领域的工作,一部分是从算法本身出发,通过采用不同的强化学习算法或改进强化学习算法来提升投资组合管理任务的表现,另一部分是通过对于提取股票之间的特征的网络进行创新来提升投资组合管理任务的表现。尽管目前已经有非常多的工作,但是仍然存在以下两个问题,第一,原始股价信息中含有大量的噪音,将获取的股票数据集输入到模型之中时,往往并没有考虑噪音的影响,从而限制了深度强化学习模型的表达;第二,现目前对于股票之间的特征的提取,特别是股票的时间关系和空间关系的提取可能并不充分,同时都是针对含有噪音的原始金融序列进行提取,从而导致模型在面对某些市场情况时表现较差,基于此,本文的主要工作如下:第一,针对原始股票序列数据中存在着大量噪声的问题,本文将使用信号处理一类的算法,经验小波变换(Empirical Wavelet Transform,EWT)来对股票序列数据去噪。但是传统的EWT算法有着频谱划分方式较为简单,不能够很好地分解噪声数据的问题,因此对EWT算法进行了改进,提出了改进的经验小波变换(Improved Empirical Wavelet Transform,IEWT)算法。针对股票时间序列数据,在频谱划分时将进行自适应频谱划分并保证较少的本征模态分量数,同时,借鉴集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法的思想,对IEWT算法分解进行了优化。第二,利用IEWT算法对金融序列进行去噪,按照一定的相关系数阈值将噪音进行分离,然后使用去噪后的序列构建表征股票不同方面的科技指标,并且和分离出来的噪音一起输入到模型之中,使用不同的网络结构分别进行特征提取,让模型能够同时学习到有关特征和噪音数据的高阶抽象表示。第三,构建基于改进经验小波变换的策略梯度(Improved Empirical Wavelet Transform-Policy Gradient,IEWT-PG)模型,对于经过去噪之后的构建的科技指标使用时间卷积网络(Temporal Convolution Network,TCN)来提取股票之间的时序关系,多头注意力(Multi-Head Attention)网络来提取股票之间的空间关系;对于分离出来的噪声数据,使用长短期记忆网络(Long-Short Term Memory,LSTM)网络来提取时序特征,并且使用时间注意力网络来加强特征表达,最后将获得的抽象表示输入到全连接层,经过函数之后采用BWSL策略获得最后的投资组合的权重。使用策略梯度的方法对网络参数进行更新,并采用不同的奖励函数、输入数据与模型结构来探究本文提出的IEWT-PG模型的表现。在实证分析阶段,实验分别在代表三个不同发展程度的市场上进行,分别选取属于道琼斯工业平均指数(Dow Jones Industrial Average,DJIA)成分股、香港恒生指数(Hang Seng Index,HSI)成分股和德国工业指数(Deutscher Aktieninde X,DAX)成分股来作为投资组合数据集,并且与传统的策略和经典的深度强化学习模型进行了比较。实验证实,本文提出的IEWT-PG模型在收益、风险和收益-风险这三个方面都要优于传统的策略和经典的深度强化学习模型,证明了本文提出的模型在控制风险获取收益方面的能力。

关键词：投资组合管理经验小波变换强化学习注意力机制深度学习

基于宏观周期下的神经网络模型股指ETF定价研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于宏观周期下的神经网络模型股指ETF定价研究

作者：智星瑞上海财经大学

学位级别：硕士

随着计算机算力不断提升,机器学习作为人工智能技术,通过数据和算法来让计算机学习和改进自身的行为。资产价格的预测也是量化策略中较为核心的内容。本文尝试利用机器学习对资产价格进行预测,同时为了提高模型的解释力度,尝试利用Stack... 详细信息

随着计算机算力不断提升,机器学习作为人工智能技术,通过数据和算法来让计算机学习和改进自身的行为。资产价格的预测也是量化策略中较为核心的内容。本文尝试利用机器学习对资产价格进行预测,同时为了提高模型的解释力度,尝试利用Stacking算法,首先对宏观经济周期进行划分,分别对股指每天的价格表现标记为不同市场状态下的结果并分别建模训练。最终将模型的训练结果与传统神经网络模型进行对比。ETF型指数基金作为一揽子股票的组合,相对于部分主动管理型基金仓位更加稳定,能够较为准确得反映出某个板块或者行业的整体情况,相对于单只股票短期内可能出现的高幅波动,ETF型指数基金的净值曲线也更为稳定,本文主要选择大盘指数相关ETF进行建模训练与预测。在特征数据的选择与处理方面,本文从两个角度出发,一是价值投资中较为看重的企业基本面数据,二是量化投资中常用的一些技术指标以及因子模型。在基本面方面,本文主要考虑了基金成分股中仓位较高的标的的披露财务数据,合成综合财务指标模型;在量化投资方面,本文选择了Fama-French五因子模型中的五类因子,以及技术分析中常用的KDJ指标、BOLL带等,同时利用爬虫程序爬取了财经网站中相关股评数据利用自然语言分析模型生成情绪指标。在获取了与基金定价相关的数据后,对数据进行进一步的清洗与处理。在宏观周期的划分方面,本文从金融环境与实体经济两个角度进行挖掘,充分选取宏观经济指标后,利用功率谱分析提取指标中的主周期,按照各项指标的上升下行状态定义综合的宏观周期状态,并根据宏观周期数据对上述基金相关数据进行分类,分别建立宏观上升周期模型与宏观周期下降模型,由于在周期提取的过程中采用离散傅里叶变换的方法,因此利用历史数据得出的周期函数依然可以延拓到未来,对未来市场状态依然有一定的预测作用。在模型的选择方面,基于已有学者对于资产价格预测模型,从模型角度以及模型数据处理角度对已有方法进行梳理总结,在模型方面,常用的预测模型有ARIMA模型、VAR模型以及神经网络模型(BP、LSTM、GAU)等,为了进一步提高对数据的拟合程度,一些提高模型复杂度的方法也不断产生,例如Boosting、Bagging、Stacking等;本文选用改进后的LSTM神经网络模型——集成式LSTM模型,该模型可以将不同维度的指标分别输入LSTM模型中进行训练预测,在节省算力的同时也能更好寻找序列在基本面与量化面的长短期特征,为了解决模型参数特征较多无法确定的缺陷,本文使用遗传算法对模型的网络层数与节点数进行优化,最终结果表明遗传算法的迭代进化能够有效提升模型在训练集中的表现,将最优子代参数传递给集成式LSTM神经网络模型后,模型在测试集中获得了较为突出的表现,相较于传统LSTM、BP神经网络模型与Lasso模型有了较高的提升,尤其对未来资产方向性判断上获得了可观的进步。为了进一步验证模型的稳定性,本文利用其他指数型ETF基金量价数据进行稳定性验证,最终结果与传统神经网络模型相比同样表明模型有了较为良好的提升。

关键词：功率谱分析遗传算法 LSTM神经网络模型 Stacking算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

煤层气储层水力裂缝扩展特征与控因研究进展

煤炭学报 2023年第12期48卷 4443-4460页

作者：李倩李童蔡益栋刘大锰李凌菲汝智星殷婷婷中国石化石油勘探开发研究院北京102206 北京大学地球与空间科学学院北京100871 中国地质大学(北京)能源学院北京100083 非常规天然气地质评价与开发北京市重点实验室北京100083 山东科技大学地球科学与工程学院山东青岛266590

煤层气储层水力压裂后的裂缝展布规律和内部控因在很大程度上决定了储层改造效果,了解水力裂缝特征及扩展机制对煤层气的高效开发具有重要意义,也是水力压裂工艺参数优化的关键理论基础。基于国内外煤层气储层水力压裂开发现状,综合压... 详细信息

煤层气储层水力压裂后的裂缝展布规律和内部控因在很大程度上决定了储层改造效果,了解水力裂缝特征及扩展机制对煤层气的高效开发具有重要意义,也是水力压裂工艺参数优化的关键理论基础。基于国内外煤层气储层水力压裂开发现状,综合压裂实验设计、理论计算模型和数值模拟等,梳理了不同方法的特征及其差异,并系统论述了煤层气储层内在地质因素和外部工程因素对水力裂缝扩展行为的影响机制,总结了现阶段煤层气储层水力裂缝研究中面临的问题及发展趋势。结果表明:在真三轴物理实验中配置声发射监测和光学成像组件等改进措施可以极大促进水力裂缝扩展的力学行为和延伸路径研究;理论计算模型可以有效量化水力裂缝扩展行为,但预设的裂缝形态和延伸路径会使计算结果偏离实际生产;数值模拟有助于探究储层原位条件下多地质因素控制的水力裂缝网络动态形成过程和多条裂缝之间的相互影响;总体而言,煤层气储层水力裂缝的扩展行为是由天然弱面、地应力、宏观煤岩类型、煤体结构和支撑剂等因素约束下的综合过程。未来研究应聚焦在:(1)完善实现水力压裂物理实验中原位温压条件下的裂缝行为实时监控,并形成大尺寸样品制样标准;(2)深入研究基本理论计算模型中天然裂缝几何形态及注水速率、压裂液黏度等水力压裂工程参数对水力裂缝交互模式产生的叠加效应;(3)结合现场压裂中的微地震监测数据,优化数值模拟方法中天然裂缝及水力裂缝的几何形态和扩展路径设置;(4)量化多场-多地质因素对水力裂缝网络的耦合作用。

关键词：煤层气储层水力压裂裂缝扩展地质因素优化设计