XiaoMi-AI文件搜索系统
World File Search System输入参数
贝叶斯逆不确定性量化驼鹿...
添加剂制造（AM）技术由于能够快速生产，原型和自定义设计而越来越多地在各种应用领域中采用。AM技术在核材料方面有明显的机会，包括加速制造过程和成本降低。在爱达荷州国家实验室（INL）的多个物理学面向对象的模拟环境（MOOSE）中，正在开发AM过程的高层建模和模拟（M＆S），以支持AM过程优化并提供对所涉及的各种物理相互作用的基本了解。在本文中，我们采用贝叶斯逆不确定性定量（UQ）来量化AM基于驼鹿的熔体模型中的输入不确定性。逆UQ是成型量化输入不确定性的过程，同时保持模型预测与测量数据一致。逆UQ过程考虑了模型，代码和数据的不可能，而同时表征输入参数中不确定的分布，而不是仅提供最佳位点估计值。我们使用熔体池几何形状（长度和深度）的测量数据来量化多个熔体池模型参数中的不确定性。模拟结果与实验数据的一致性提高了。可以使用所得参数不确定性来代替未来的不确定性，敏感性和验证研究中的专家意见。
评估随机森林，决策树，支持向量回归的性能和流量预测的梯度提升
这项研究利用一系列机器学习算法来预测Ikpoba河的小时流量。数据收集依赖于沿河沿线安装的水透度系统，收集每小时测量量高度，环境温度和大气压。将量规高度转换为流量数据，从Ikpoba河等级曲线中提取了涵盖2015年至2020年期间的历史量规和流量数据，并使用曲线拟合技术对水流和量规高度之间的精确关系进行了分析。使用各种拟合度措施，例如调整后的R平方值，估计标准误差和确定系数，用于识别最佳拟合关系。随后使用土壤和水评估工具对估计的流量数据进行了验证，并结合了研究区域的数字高程模型，以及其他输入参数，例如土壤，坡度，每日最大降水量和每日最高温度。使用Microsoft Excel中生成的回归图进行了验证结果。从机器学习结果中，随机森林算法在预测流量方面的其他方法优于其他方法，均为0.02的均值误差和确定系数为0.98。相反，决策树在预测单个数据点方面表现出了较高的准确性，最低的根平方误差为0.02。
远程应用氢能存储系统的生命周期环境分析
需要储能系统来应对可变可再生能源的波动行为。应仔细评估储能技术的环境可持续性及其技术经济可行性。在这项工作中，利用欧洲 REMOTE 项目框架内提供的输入参数，对可再生氢能储能系统进行了环境分析。该分析应用于 Froan 群岛（挪威）的案例研究，该群岛是北欧许多其他岛屿微电网站点的代表。REMOTE 解决方案与基于化石燃料和海底连接到大陆电网的其他方案进行了比较。柴油配置对气候的影响最大（1,090.9 kgCO 2 eq/MWh），其次是 REMOTE 系统（148.2 kgCO 2 eq/MWh）和海底电缆方案（113.7 kgCO 2 eq/MWh）。然而，后者受到挪威电力碳强度极低的影响。然后对海底电缆的长度和电力的二氧化碳排放强度进行敏感性分析，结果表明当地条件对结果有很大影响。还发现 REMOTE 系统是向岛屿社区提供电力最具成本效益的解决方案。对可再生氢能系统的深入和比较（参考可能的替代方案）评估旨在全面概述这些创新解决方案作为离网偏远地区支持的有效性和可持续性。© 2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
基于现代机器学习算法的电动汽车锂离子电池降解建模的一种新颖的智能功能选择策略
锂离子电池是电动汽车和可再生能源应用的关键存储技术。但是，电池的复杂降解行为会影响其容量和寿命。因此，电池容量损失预测对于确保电池的寿命，安全性和可靠操作至关重要。本研究提出了一个基于策略的智能功能选择（SFS），用于电池日历和循环损耗预测。提出的方法论从当前时间步的电池数据以及上一个时间步骤中选择输入参数，然后将其用于模型训练和测试。的结果表明，提出的SFS方法与ML算法结合使用，提高了预测准确性，并减少了本研究中应用的所有机器学习算法的平均绝对误差。提出的SFS方法能够挖掘有用的特征，因此在实际EV使用条件下提供了良好的概括能力和准确的预测结果，以造成锂离子电池的容量损失。此外，结果还描述了与SFS方法结合使用时，电池日历和周期损耗预测的ML方法的性能准确性会改善。与所提出的SF结合使用时，观察到高斯工艺回归（GPR），随机森林（RF）和XGBoost方法的电池容量损失的预测准确性更大。这是首个基于特征选择的ML应用程序，用于独立执行电池日历和环状损失预后。
座谈会：贝尔定理和量子力学的局部介导重构
贝尔定理排除了许多可能的量子力学改写，但在广义框架内，它并不排除所有局部介导模型。此类模型将纠缠粒子之间的相关性描述为由中间参数介导的，这些中间参数跟踪粒子世界线并遵守洛伦兹协方差。这些局部介导模型需要放宽通常被视为理所当然的时间箭头假设。具体而言，这些模型中的一些介导参数必须在功能上依赖于其未来的测量设置，即与后续时间相关的输入参数。这种通常称为逆因果的选项已在文献中反复指出，但对能够描述特定纠缠现象的明确局部介导玩具模型的探索仅在过去十年才开始。本文简要介绍了此类模型。这些模型提供了与时空位置相关的事件的连续和一致描述，其中的各个方面是“一次性”解决的，而不是从过去到未来展开的。通常与贝尔定理相关的量子力学和相对论之间的矛盾在这里并没有出现。与传统的量子模型不同，指定系统状态所需的参数数量不会随着纠缠粒子的数量呈指数增长。推广此类模型以解释所有量子现象的承诺被认为是一项巨大的挑战。
超高效轫致辐射产生...
高性能激光驱动辐射源是研究高能量密度物质、利用 kJ PW 激光系统进行对产生和中子产生的研究的重点。在这项工作中，我们提出了一种高效方法，在直接激光加速 (DLA) 电子与几毫米厚的高 Z 转换器相互作用时产生超高通量、高能轫致辐射。在中等相对论强度的亚皮秒激光脉冲与用纳秒激光脉冲辐照低密度聚合物泡沫获得的近临界密度长尺度等离子体相互作用时，产生了能量高达 100 MeV 的直接激光加速电子定向束。在实验中，观察到了通过光核反应产生的钽同位素，阈值能量高于 40 MeV。使用 Geant4 Monte Carlo 程序，以测量的电子能量和角分布作为输入参数，对 180 Ta 至 175 Ta 同位素记录产量的轫致辐射谱进行了表征。结果表明，当直接激光加速电子与钽转换器相互作用时，会产生平均光子能量为 18 MeV 的定向轫致辐射，在巨偶极共振（GDR）及以上（≥ 7.5 MeV）的能量范围内每次激光发射会产生 ~2 · 10 11 个光子。这会产生 ~6 × 10 22 sr − 1 · s − 1 的超高光子通量，并将聚焦激光能量转换为高能轫致辐射，转换效率达到创纪录的 2%。
瓦莱坎垃圾运输车加氢站电转氢系统规模及调度优化
摘要 . 本研究旨在实施一个优化模型，该模型用于连接重型车辆加油站的制氢设施，用于废物管理和运输领域。该模型由两个连续的混合整数线性规划问题组成。第一个问题解决车辆加油计划问题，第二个问题解决工厂设计和运营问题。该模型的输出是工厂的设计和运行参数以及车辆加油计划，以实现氢气的最低平准成本。研究了电力供应的不同可能性：电网电力、太阳能光伏和水力发电。最有利可图的选择是安装 10 MW 太阳能光伏场，连接 3.3 MW 电解器和 3700 kg 储存器。由此产生的氢气平准成本为 10.24 欧元/千克。如果不考虑售电收入，从电网购买电力成为最具成本效益的选择。这种情况下，电解器和储氢器的大小分别为 760 kW 和 405 kg，氢气的平准化成本为 13.75 欧元/kg。对后一种情况进行的敏感性分析表明，最合理的输入参数是电解器单位消耗和电力成本。还进行了统计分析，考虑了随机故障分布，获得了电解器容量为 700-800 kW 和氢气储氢器大小为 1300-1400 kg 的最佳值。考虑到目前的电价和没有补贴，氢气在能源市场的渗透成本仍然很高。
为什么电力市场模型产生不同的结果
欧洲电力行业是世界上最大的上限和贸易计划的主要部门，是碳定价最受研究的例子之一。特别是，数值模型通常用于研究碳价格和排放的未来不确定的未来发展。通常通过灵敏度分析来解决参数不确定性，但从现有的单模研究中尚不清楚模型本身的潜在不确定性。在这里，我们通过运行一个结构化模型比较实验来研究这种与模型相关的不确定性，在该实验中，我们将五个数值功率部门模型暴露于对齐的输入参数中，从而结合了Stark模型差异。以2030年的碳价格为27欧元，这些模型估计，与2016年相比，欧洲电力部门的排放量将减少36-57％。大多数这种变化可以通过模型考虑煤炭和褐煤发电厂的退役的程度来解释。更高的碳价格为57欧元和87欧元的碳价格分别降低了45-75％和52-80％。这些范围的下端可以归因于仅分配模型捕获的短期燃油开关。较高的减少量对应于其他考虑对可再生能源的基于市场投资的模型。通过进一步研究以高碳价格的剩余排放中的跨模型变化，我们将联合热量和功率的表示形式确定为模型结果之间差异的另一个至关重要的驱动力。
基于机器学习和计算机视觉的牛品种识别和活重评估
本研究的目的是使用几种神经网络模型来估算奶牛的长重：卷积人工神经网络用于通过图片识别奶牛并确定其品种，随后通过立体视觉法确定其身体尺寸，随后利用多层感知器根据有关奶牛的品种和尺寸信息估算奶牛的长重。为了更准确地估计动物的身体参数，还使用了 3D 摄像头（Intel RealSense D435i）。应当注意，由于 3D 摄像头的分辨率低，单独使用不会产生良好的效果。因此，使用摄影测量法从不同角度拍摄的奶牛图像来确定奶牛身体参数。通过摄影测量获得了奶牛的肩高（WH）、臀高（HH）、体长（BL）和臀宽（HW）等参数。使用这些参数（输入参数 WH、HH、BL、HW 和输出参数 - LW），开发了基于 ANN 的模型估计。通过分析从不同角度同步摄像机拍摄的动物图像，可以确定奶牛的身体尺寸。首先，在图像中识别奶牛，并使用 Mask-rcnn 卷积神经网络确定其品种。然后通过立体视觉方法确定奶牛的肩高、臀高、身长和身宽，该方法可以获得数字图像中物体的几何参数并进行测量。数字成像和摄影测量处理包括几个完全确定的步骤，可以生成动物身体的三维或二维数字模型。然后将获得的有关物种及其大小的数据输入到预测模型，该模型确定动物的估计体重。
PoS(ECRS)014 - SISSA
太阳高能粒子 (SEP) 是空间天气中最危险的事件之一。在过去的几十年中，已经开发出多种技术来预测 SEP 的发生，主要基于 > 10 MeV 质子通量与某些前兆（例如太阳耀斑、日冕物质抛射等）之间的统计关联。在本文中，我们重点关注太阳质子事件实时警报 (ESPERTA) 的经验模型，该模型通过考虑三个输入参数来预测≥ M2 太阳耀斑发生后的 SEP 事件：耀斑源区经度、软 X 射线通量和 ∼ 1 MHz 的射电通量。在这里，我们在监督学习框架中重塑了 ESPERTA 模型，并对预测模型进行了交叉验证，同时应用了罕见事件校正（即数据过采样和损失函数加权），因为 SEP 发生的高度不平衡性。使用合成少数过采样技术可获得最佳性能，检测概率为 0.83，误报率 (FAR) 为 0.39。尽管如此，与不平衡情况相比，验证分数的改善很小。SEP 预测的相关 FAR 是样本基准率的自然结果。综上所述，我们给出的证据表明，预测 SEP 事件的统计方法应考虑以下因素：1) 需要根据 SEP 事件的预期发生情况校准模型，2) 决策阈值对模型性能有很强的影响，3) 模型中使用的特征，如果单独考虑，无法完全区分参数空间中的事件类别，因此使用处理不平衡问题的技术并不能保证更好的性能。