多种观测数据驱动的三维行星际太阳风MHD模拟

三维磁流体力学（MHD）数值模拟是行星际太阳风研究的重要手段.本文发展了一种由多种观测数据驱动的三维行星际太阳风MHD数值模型.模型的计算区域为0.1AU到1AU附近,使用Lax-Friedrich差分格式在六片网格系统中进行数值求解.边界条件中磁场使用GONG台站观测的光球磁图外推获得,密度通过LASCO观测的白光偏振亮度反演得到,速度根据以上两种观测数据并利用一种基于人工神经网络技术（ANN）的方法得到,温度通过自洽方法根据磁场和密度导出.利用该模型模拟了第2062卡灵顿周（CR2062）时期的行星际太阳风,模拟结果显示出丰富的观测特征,并与OMNI以及Ulysses的实际观测值符合得较好.该模型可用于提供接近真实的行星际太阳风,有助于提高空间天气预报的精度.     

嫦娥二号再传佳音 成功从172万千米外深空传回科学探测数据

9月中旬,我国第二颗月球探测卫星嫦娥二号成功从172万千米外深空,传回第一批科学探测数据。这些数据是嫦娥二号从月球飞往日地拉格朗日L2点过程中,太阳风离子探测器、太阳高能粒子探测器、γ射线谱仪等三种有效载荷开机,所获取的空间环境探测数据。根据工程总体安排,将于近日择机再次开启     

改进BA优化的MKSVDD航空发动机工作状态识别

为了提高航空发动机工作状态识别准确率和效率,避免人工识别中存在的误判和耗时耗力问题,提出了基于混沌脉冲蝙蝠算法（CRBA）优化的多核支持向量数据描述（CRBA-MKSVDD）智能识别方法。研究了多核支持向量数据描述（MKSVDD）改进策略,引入混沌脉冲发射率提高了蝙蝠算法（BA）的收敛速度和收敛精度,得到了CRBA;通过CRBA优化MKSVDD的惩罚因子和核参数,同时对飞参数据进行了特征提取;基于特征飞参数据训练了CRBA-MKSVDD分类器,并对某型发动机一个飞行架次的工作状态进行了识别。结果表明,该方法识别准确率达到97.547 9%,可用于与发动机工作状态的相关研究和应用。      

TIMED/SABER与AURA/MLS临近空间探测温度数据比较

利用AURA/MLS数据（V4.2）和TIMED/SABER数据（V2.0）对20~92km高度的大气温度进行比较分析,计算AURA/MLS数据与TIMED/SABER数据的温度绝对偏差,并分析平均温度偏差在不同季节中随经度、纬度和高度的变化特征.结果表明：20~80km高度的平均温度偏差在±6K以内,相对偏差在3%以内;80~90km高度平均温度偏差减小至-10K以下,相对偏差在9%以内.中低纬度地区平均温度偏差廓线的变化趋势一致,从20km高度的-3K左右的负偏差逐渐增加,在45~50km高度的平流层顶处有较明显的3K左右的正偏差峰值.平均温度偏差随纬度变化明显,随经度变化很小.研究结果可为卫星数据的应用提供参考依据.     

基于过程质量数据的制造系统可靠性建模分析

针对传统制造系统可靠性评价不考虑加工过程产品质量数据,无法对制造系统可靠性进行及时准确的建模分析,提出了基于过程质量数据的制造系统可靠性建模分析方法.首先,在给出了包含制造产品质量的制造系统可靠性新内涵的基础上,分析了制造过程中关键质量特性检验数据和制造系统组件的退化故障数据等过程质量数据对制造系统可靠性建模的影响,从而明确建模需求.然后,首次提出了基于产品合格概率和制造系统组件退化失效率的制造系统可靠性分析模型.最后,通过某盖板的加工系统的可靠性建模分析验证了模型的有效性.结果表明该模型能够方便地利用制造阶段的质量数据更准确地估计出制造系统可靠性.     

GOCE:精准称量地球

在度过了几乎致命的危机之后,太空中最灵敏的重力探测器终于恢复了元气,继续为科学家提供可靠的数据。2010年夏天,地球物理学家赖纳·鲁梅尔(Reiner Rummel)接到了一个让     

城市道路交通流检测数据精度评价

目前各种检测方法采集到的路段速度数据普遍存在一定的误差,其准确性直接影响各种交通分析模型结果的精度.针对浮动车检测器、微波检测器以及线圈检测器的路段速度数据进行研究,利用GPS(Global Positioning System)设备实时记录试验车位置,分别在快速路和主干路进行了12次实验,对不同采集方式获取的速度信息进行了精度验证和评价.实验结果分析表明,浮动车数据获取的城市快速路和主干路的路段行程速度平均误差分别为13.6%和27.8%,且采集值与实际速度具有相同的分布.快速路微波检测器和主干路线圈检测器的速度数据与真实行程速度数据的误差分别为30%和56%.表明了微波检测器的断面速度值,用来表征所处路段的行程速度时虽然具有一定的误差,但是基本能表征路段的行驶状况.该研究结论为不同精度需求的交通模型选择合适的数据源提供支持,并为利用多源数据的冗余信息提高数据精度和完备性提供了理论依据.      

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

一种面向工业互联网的云存储方法

工业互联网是工业信息化进程中最受关注的热点,海量异构数据管理是其中的重点之一。传统的关系数据库（RDB）对海量多源异构数据的读写和检索都存在性能瓶颈,而近年来兴起的云数据管理方法主要是针对“键-值”（K-V）模式,无法依靠主键以外的数据属性对数据进行快速查找。提出了一种面向工业互联网的云存储方法——StoreCDB,在异构采样数据统一表达数据模型基础上,实现非结构化存储管理,同时,利用两级索引实现海量数据的快速检索。通过实验,在分布式集群实验平台上,采用海量高铁列车运行模拟数据,验证了StoreCDB具有良好的异构数据存储和检索性能,为工业互联网提供了一种新的数据管理方法。      

基于函数型数据的广义线性回归模型

函数型数据的回归分析研究主要集中在函数型线性模型。不要求因变量为连续型随机变量,可以为离散型或属性数据(对应于泊松或Logistic回归),对同时含有数值型多元变量和函数型变量的广义线性模型的估计问题进行分析,采用非参数方法得到了参数部分和非参数部分的估计量,并给出了一种重加权算法进行参数求解,解决了含数值型和函数型混合数据类型自变量的回归问题,同时扩展了函数型线性模型的应用范围。估计过程中,分别采用了函数型主成分和B样条基函数,并给出了基函数个数选择的准则。数值模拟结果表明,所提出方法具有良好的可行性与正确性。