关键词： 大数据技术   大用户电力   负荷预测   精准营销  

摘要： 电力体制变革推进期间,数字转变时段的大用户(年耗电≥100万千瓦时),成了电力市场里重要消耗目标,准确预估其负荷特性,执行个性营销服务,成为电力公司加强自身竞争实力的关键部分。从大数据技术用于大用户电力负荷预测这种逻辑开始,把多种数据资源整合,预测模型形成并修正等内容包含进去以后再讲,那么接下来就好好谈谈那些依据负荷预测得出的精确营销措施,像个性化电价套餐的提供,配合需求响应作出相关安排之类的设计,综合能源服务方案拟定这类的操作也包含在里面。通过某省级电力公司的实际案例来看:依靠大数据驱动的负荷预测精准程度要比以前高出 15%-20%(工业大用户每月预测偏差减小到 8% 之下),依靠预测做到准确营销,令工业大用户的电费省下 12%-18%,而电力企业的售电收入增加了 9%。有人发现大数据技术打开“负荷预测 - 营销决定”链条,电力企业和大用户共享价值,给电力营销数字化转型带来也许。

关键词： 目标检测   跨光谱   特征筛选   跨模态特征对齐  

摘要： 随着多光谱感知与智能视觉技术的发展,如何在复杂环境中实现稳定而精确的目标检测已成为自动化视觉检测领域的重要研究方向.针对传统单模态可见光目标检测在夜间、大雾及低照度等复杂环境中性能下降的问题,提出一种基于频域特征细化导向的多光谱稀疏融合目标检测方法.该方法利用共享权重的双分支编码器分别提取可见光与红外光特征,并通过组稀疏自注意力模块实现跨模态长距离特征筛选,以抑制冗余信息、增强显著特征表达.同时,设计频域自适应加权模块,在频域空间中进行多光谱特征解耦与自适应融合,实现不同光谱模态间的高效语义交互与动态权重分配.该方法可在端到端框架下实现跨模态特征的高精度对齐与融合,有效提升模型的检测精度与鲁棒性.在M3FD、KAIST和FLIR三个公开数据集上分别取得83.5%, 76.2%和81.6%的mAP50结果,显著优于现有多光谱目标检测算法,验证了所提方法在复杂场景下的优越性能和泛化能力.

关键词： Python编程   弹性膜约束力   仪器综合变形   优化算法   旁压试验  

摘要： 旁压试验是岩土工程勘察中重要的原位测试方法，其中弹性膜约束力和仪器综合变形两个率定试验十分重要。然而，传统的率定方法依赖人工操作，并借助一些猜测模型，存在诸多局限性。基于Python语言对旁压试验两个率定算法优化，构建了仪器综合变形率定的最小二乘法线性模型和弹性膜约束力率定的三次多项式最小二乘法非线性模型。通过分析认为，仪器综合变形率定模型斜率计算合理，残差分布良好；三次多项式模型对弹性膜约束力率定拟合效果好，且引入正则化避免过拟合。研究表明，Python语言在旁压试验数据处理中优势明显，能通过优化算法来提高旁压试验结果的准确性。

关键词： 机器人调度   任务分配   多目标优化   进化算法   约束处理  

摘要： 在汽车工业中，大批量零部件生产流程的高效组织是提升整线生产效率的核心关键，多工位多机器人装配焊接线（Multi-Station Multi-Robot Assembly Welding Line， MSMR-ASL）更是实现自动化批量生产的重要载体。然而现有研究多聚焦于单一子问题求解或对产线场景做简化处理，难以适配多工位协同作业、双功能机器人调度及复杂工业约束下的综合优化需求。本文以MSMR-ASL为研究对象，在满足产线构成、零部件装配及机器人作业等多重约束的基础上，对任务分配、双功能机器人调度与焊接序列规划等耦合关键问题开展集成优化研究。研究中构建以最小化工件完工时间和工位空闲时间为双目标的多目标优化模型，设计分层染色体编码机制对复杂决策变量进行统一表达，并提出约束多目标进化算法（CMOEA-DD）完成模型求解。以汽车后地板焊接任务为实验实例的验证结果表明，所提算法在解的收敛性与多样性方面均显著优于多种主流多目标进化算法。

关键词： 大数据   智慧校园   跨学科学习  

摘要： 本文以初中教学实践为核心研究场景，立足大数据技术应用视角，探讨初中跨学科个性化学习模式的构建问题。研究分析了智慧校园的核心内涵、技术支撑及建设发展现状，阐述了基于大数据的智慧校园跨学科个性化学习模式构建价值，结合初中语文与历史、数学与物理等多学科教学实证案例，系统提出依托大数据开展跨学科个性化学习的具体实施过程，包括教学数据的多源采集与整合、学生学习行为分析与学情建模、个性化学习画像构建、跨学科教学任务设计以及学习资源动态推送与反馈优化的全过程闭环机制，明确该模式在打破学科壁垒、精准匹配学情、提升教学质量、培育学生核心素养方面的核心优势，旨在为推进教育个性化发展、提高初中教学质量提供切实的理论支撑与实践参照。

关键词： 深度学习   YOLOv11   差分融合   MSCA   DFF  

摘要： 针对运动小目标群因图像占据图像面积小且特征少，在相似特征背景下易出现误检，导致检测精度不足的问题，提出一种一种差分融合与改进YOLOv11的目标检测方法，提升复杂场景下运动小目标群的检测准确性，为相关领域应用提供技术支撑。以塑料弹丸为检测对象，采用高速相机采集图像构建数据集，设计差分融合与改进YOLOv11的检测方案。首先通过帧差法与背景差分法提取运动小目标群的运动特征图；其次利用RGB三通道融合技术，将帧差图像、背景差分图像与原始图的灰度图进行融合，强化特征表达能力；最后基于改进YOLOv11模型完成检测，通过新增小目标检测层、嵌入MSCA注意力机制及DFF模块，优化模型对小目标的捕捉与识别性能。实验验证显示，差分融合前模型mAP50-95为0.456，融合后提升至0.552；在融合基础上添加MSCA注意力机制和DFF模块后，mAP50-95进一步提升至0.58，检测精度显著改善。该差分融合与改进YOLOv11相结合的方法，能有效弥补运动小目标群特征不足的缺陷，大幅降低误检率，显著提升检测准确率，对运动小目标群检测领域具有重要研究价值。

关键词： 联邦学习   图像分类   异构性   医学影像   强化学习  

摘要： 本文针对联邦学习在医学影像分类任务中面临的系统异构性与数据异构性双重挑战，提出一种基于强化学习的自适应联邦优化算法SEFedProX。该算法在异构环境下采用Soft Actor-Critic算法，基于客户端数据分布、性能反馈等关键状态特征，在连续动作空间中动态调整近端项系数，有效克服离散动作空间引发的量化误差与模型振荡问题，实现了对本地训练强度的精准平滑控制。同时，引入在ImageNet上预训练的EfficientNetV2B2作为特征提取网络，在提升模型表征效率与判别能力的同时，显著降低对资源受限医疗边缘设备的部署要求，缓解了小规模医学数据下的过拟合风险。在四种不同系统异构性设置下，基于四个医学影像数据集和一个通用数据集的系统性实验结果表明，SEFedProX在分类精度、收敛速度、稳定性与鲁棒性方面均显著优于现有基线方法。消融实验进一步验证了SAC连续调控机制与EfficientNetV2B2网络各自的有效性及其在算法中的协同增强作用。本研究为异构医疗环境下分布式智能诊断系统的构建提供了一种稳定、高效且具备强自适应能力的技术方案。

关键词： 大数据分析   住宅建筑工程   造价动态管理   应用策略  

摘要： 为了提高住宅建筑工程造价动态管理的准确性、及时性,本文从大数据技术赋能的角度出发,从基础支撑、全流程应用、技术融合、保障机制四个方面构建起应用策略体系。通过创建标准化数据体系、改进全生命周期动态管控流程、融合多技术工具、完善实施保障机制,使大数据同造价动态管理深度耦合,给住宅建筑项目在决策、设计、施工、结算各个阶段的成本动态优化赋予实操途径,推动造价管理由经验驱动转向数据驱动,助力建筑行业高质量发展。

关键词： 萤火虫算法   INS/GNSS/视觉融合   参数优化   卡尔曼滤波   Lévy飞行  

摘要： 在惯性导航系统、全球导航卫星系统和视觉传感器的组合导航系统中，基准卡尔曼滤波器存在参数选择依赖经验、收敛性能差以及对噪声统计特性变化敏感等缺点，为解决这些问题，提出一种基于改进萤火虫算法的自优化方法；为攻克多传感器融合导航系统中参数优化的难题，在萤火虫算法中引入Lévy飞行原理，利用其重尾分布特性，增强种群多样性，增强整体搜寻能力；通过制定自适应参数调整策略，实现算法探索与开发之间的动态平衡；实施精英存储机制，有效防止高质量解的退化；基于新息序列的统计特性构建适应度函数，联合在线优化过程噪声协方差矩阵Q和观测噪声协方差矩阵R，使整体搜索效率和算法收敛性能得到显著提升；仿真结果表明，优化后的算法在位置和姿态估计精度上优于基准卡尔曼滤波算法，收敛速度更快，系统稳定性更高，鲁棒性更强，为参数自适应优化多传感器融合导航系统提供了有效方法。

关键词： MADDPG   无人机   协同围捕  

摘要： 使用无人机拦截无人机是效费比合理、对等消耗型反无手段,为了提高拦截成功率,采取多无人机协同围捕目标无人机是一种实用的反无策略。在高精度的目标探测信息基础上,针对如何提升多无人机分布式协同决策能力解决多机协同围捕能否工程应用的关键问题,以MADDPG算法为基础,借鉴群体狩猎行为特征,提出一种多无人机协同围捕决策方法,构建多无人机协同围捕问题的运动学模型和马尔科夫决策模型,应用MADDPG算法并引入随机探索策略和优先级经验回放机制,优化算法的探索能力和学习效率。仿真结果表明,所提算法能够有效学习多无人机协同围捕策略,且围捕时间和成功率等指标优于2种基线算法。