针对网络结构单一和消防语义信息贫乏导致的室内消防救援路径难以满足消防救援多样性任务需求的问题,基于建筑信息模型(building information modeling,BIM),集成地理信息系统(geographic information system,GIS)提出了一种1(基础路径...针对网络结构单一和消防语义信息贫乏导致的室内消防救援路径难以满足消防救援多样性任务需求的问题,基于建筑信息模型(building information modeling,BIM),集成地理信息系统(geographic information system,GIS)提出了一种1(基础路径网络)+N(专题路径网络)的室内消防救援多层路径网络模型,通过对案例区BIM数据进行解析,提取2230条路径网络要素信息(包括718个节点和1512条边),构建了室内基础路径网络模型,并在此基础上生成人员疏散、灭火和人员逃生3种专题路径网络.实验结果表明:该模型能够有效支持不同消防救援任务的路径规划需求,利用Dijkstra等算法成功计算出最短路径,验证了模型的可行性和实用性.展开更多
为探索民机驾驶舱人机交互典型场景中人为差错发生的认知层面原因,运用人的排队网络信息加工模型(Queuing Network-Model Human Processor, QN-MHP)和人因可靠性方法对空速不可靠场景下的飞行员行为进行仿真研究。首先,通过设计任务及...为探索民机驾驶舱人机交互典型场景中人为差错发生的认知层面原因,运用人的排队网络信息加工模型(Queuing Network-Model Human Processor, QN-MHP)和人因可靠性方法对空速不可靠场景下的飞行员行为进行仿真研究。首先,通过设计任务及场景进行任务建模;然后,对模型中表示各脑区功能服务器的处理时间、处理容量及实体处理路径与差错概率赋值,进行24次仿真模拟;最后,通过设计模拟飞行试验,验证QN-MHP模型在民机驾驶舱人机交互研究中的可行性。结果表明,在空客A320机型空速不可靠处置任务中,飞行员在处置路径上易发生人为差错,在故障的识别、判断等关键节点也有少数差错发生,且任务过程中飞行员眼部利用率较高。研究表明,飞行员过高的用眼负荷是导致驾驶舱人机交互失效的原因之一,在未来驾驶舱人机交互流程设计及飞行训练中应予以重点关注。展开更多
在茶园水资源管理中,蒸散量(Evapotranspiration,ET)是评估作物水分需求的关键指标,由于茶园蒸散量预测具有时序性、不稳定性以及非线性耦合等特点,目前的茶园蒸散量预测模型存在预测精度较低的问题,针对此问题本文提出了一种新型的茶...在茶园水资源管理中,蒸散量(Evapotranspiration,ET)是评估作物水分需求的关键指标,由于茶园蒸散量预测具有时序性、不稳定性以及非线性耦合等特点,目前的茶园蒸散量预测模型存在预测精度较低的问题,针对此问题本文提出了一种新型的茶园蒸散量预测模型。首先使用互信息算法(Mutual information,MI)与主成分分析算法(Principal component analysis,PCA)相融合的数据处理算法(MIPCA),筛选强相关的特征并提取主成分;其次将时域卷积网络(Temporal convolutional network,TCN)与Transformer融合,利用灰狼算法(Grey wolf optimization,GWO)优化超参数,捕捉茶园数据的全局依赖关系;最后整合2个网络构建了MIPCA-TCN-GWO-Transformer模型,通过消融试验和对比试验验证了模型性能,并对模型在不同时间步长下的性能进行测试。结果表明,该模型平均绝对百分比误差(Mean absolute percentage error,MAPE)、均方根误差(Root mean square error,RMSE)和决定系数(Coefficient of determination,R^(2))3个评价指标分别为0.015 mm/d、0.312 mm/d和0.962,优于长短期记忆模型(Long short term memory,LSTM)等传统预测模型。在小时尺度、日尺度和月尺度下的R^(2)分别为0.986、0.978和0.946,在不同时间步长下展现了良好的适应性和准确性。本文构建的MIPCA-TCN-GWO-Transformer模型具有较高的预测精度和稳定性,可为茶园水资源优化管理和灌溉制度制定提供科学参考。展开更多
文摘针对网络结构单一和消防语义信息贫乏导致的室内消防救援路径难以满足消防救援多样性任务需求的问题,基于建筑信息模型(building information modeling,BIM),集成地理信息系统(geographic information system,GIS)提出了一种1(基础路径网络)+N(专题路径网络)的室内消防救援多层路径网络模型,通过对案例区BIM数据进行解析,提取2230条路径网络要素信息(包括718个节点和1512条边),构建了室内基础路径网络模型,并在此基础上生成人员疏散、灭火和人员逃生3种专题路径网络.实验结果表明:该模型能够有效支持不同消防救援任务的路径规划需求,利用Dijkstra等算法成功计算出最短路径,验证了模型的可行性和实用性.
文摘为探索民机驾驶舱人机交互典型场景中人为差错发生的认知层面原因,运用人的排队网络信息加工模型(Queuing Network-Model Human Processor, QN-MHP)和人因可靠性方法对空速不可靠场景下的飞行员行为进行仿真研究。首先,通过设计任务及场景进行任务建模;然后,对模型中表示各脑区功能服务器的处理时间、处理容量及实体处理路径与差错概率赋值,进行24次仿真模拟;最后,通过设计模拟飞行试验,验证QN-MHP模型在民机驾驶舱人机交互研究中的可行性。结果表明,在空客A320机型空速不可靠处置任务中,飞行员在处置路径上易发生人为差错,在故障的识别、判断等关键节点也有少数差错发生,且任务过程中飞行员眼部利用率较高。研究表明,飞行员过高的用眼负荷是导致驾驶舱人机交互失效的原因之一,在未来驾驶舱人机交互流程设计及飞行训练中应予以重点关注。
文摘在茶园水资源管理中,蒸散量(Evapotranspiration,ET)是评估作物水分需求的关键指标,由于茶园蒸散量预测具有时序性、不稳定性以及非线性耦合等特点,目前的茶园蒸散量预测模型存在预测精度较低的问题,针对此问题本文提出了一种新型的茶园蒸散量预测模型。首先使用互信息算法(Mutual information,MI)与主成分分析算法(Principal component analysis,PCA)相融合的数据处理算法(MIPCA),筛选强相关的特征并提取主成分;其次将时域卷积网络(Temporal convolutional network,TCN)与Transformer融合,利用灰狼算法(Grey wolf optimization,GWO)优化超参数,捕捉茶园数据的全局依赖关系;最后整合2个网络构建了MIPCA-TCN-GWO-Transformer模型,通过消融试验和对比试验验证了模型性能,并对模型在不同时间步长下的性能进行测试。结果表明,该模型平均绝对百分比误差(Mean absolute percentage error,MAPE)、均方根误差(Root mean square error,RMSE)和决定系数(Coefficient of determination,R^(2))3个评价指标分别为0.015 mm/d、0.312 mm/d和0.962,优于长短期记忆模型(Long short term memory,LSTM)等传统预测模型。在小时尺度、日尺度和月尺度下的R^(2)分别为0.986、0.978和0.946,在不同时间步长下展现了良好的适应性和准确性。本文构建的MIPCA-TCN-GWO-Transformer模型具有较高的预测精度和稳定性,可为茶园水资源优化管理和灌溉制度制定提供科学参考。
