本技术公开一种具有可解释性的水文时间序列预测模型构建方法，涉及智能预测及可解释机器学习技术领域。首先获取进行水文预测相关的监测数据；再对监测数据进行数据预处理；通过不同的特征选择方法对所述目标数据集进行特征选择寻优，得到多组最佳特征子集；再对所得到的几组最佳特征子集分别训练并进行综合评分得到目标预测模型；最后利用SHAP解释工具对所述目标预测模型进行全局解释和局部解释。本发明在关注模型预测准确度的基础上，同时关注模型的解释性能问题，在保证模型预测快速准确的同时还能掌握每个特征对模型预测结果的重要性，以及不同特征之间的相互作用关系。

 本技术提供了一种超临界二氧化碳反应堆能群结构优化方法，涉及核反应堆技术领域，该方法采用粒子群优化算法(PSO)对超临界二氧化碳反应堆的中子能群结构进行优化，以提高计算效率并确保计算精度。本方法首先构建了一维超组件模型，利用Serpent蒙特卡洛程序和VI TAS确定论中子输运程序计算得到参考解。然后，通过PSO算法对能群结构进行优化，迭代更新粒子的位置和速度，寻找最优能群结构。优化过程中，粒子群中的每个粒子代表一组可能的能群边界，通过比较keff、截面、通量、功率等参数，验证优化结果的有效性。本发明的方法能够提高超临界二氧化碳反应堆中子输运计算的精度，并保持全堆功率分布的合理性，为该类型反应堆的优化提供了一种有效的技术手段。

 本技术公开了一种基于级联神经网络的多源DOA高分辨估计方法及系统，涉及阵列信号处理技术领域，方法中，首先基于单层FNN设计了一个可解释空域滤波网络，从而将目标空域划分为多个子空域，再利用多个二维CNN对每个子空域的输出数据进行处理，得到信源数未知条件下的多信源DOA估计结果。为提高DOA估计精度，还采用预训练和联合微调的网络训练方法，先对可解释SF‑Net和各个二维CNN进行独立预训练，以此为基础对级联神经网络进行端到端的联合训练，从而获得最终的网络参数，进行多源DOA估计。本发明可提高网络可解释性、减少训练数据集规模、降低网络训练难度，且在多信源条件下能够获得更优的DOA估计性能。

 本技术公开了用于降低F式离心通风机入流畸变的集流器设计方法，具体为:建立原型集流器：原型集流器型线包括收缩段和扩散段，集流器收缩段的截面为直线，直线绕中心轴线旋转一周形成锥筒形；集流器收缩段后端与集流器扩散段采用曲线平滑连接；在原型集流器的基础上进行优化设计，根据三个参数建立改进后集流器的几何结构，其设计参数分别为：导流板进口位置，导流板出口角度，集流器喉部高度改变量。通过对集流器内流动的有效控制，降低了集流器出口截面的总压畸变指数，减少了集流器和蜗壳内的高强度旋涡结构，大幅度降低了集流器与蜗壳内的流动损失，实现了设计流量工况下离心通风机运行效率和全压的大幅度提升。

 本技术公开了一种基于动态多准则决策分析的制造业价值链协同优化方法和设备，价值链协同优化决策问题定义；获取决策者偏好信息；通过将决策者的情境依赖偏好与动态决策环境联系起来，并使用概率价值驱动的排序程序来描述偏好信息，从而构建偏好学习模型；基于最大似然估计推断决策者动态情境偏好模型的参数，用于预测价值链协同方案推荐结果；根据连续新背景输入预测决策者未来的偏好模型和备选价值链协同方案的相应排序；根据备选价值链协同方案的排序结果来选择最佳的协同方案，进行制造业价值链协同优化。本发明通过模拟平稳、静止的偏好演变来减轻认知偏差，进而使预测的协同方案推荐结果更加准确。

 本技术公开了一种基于可解释性机器学习的保护渣开始结晶温度预测方法，涉及钢铁连铸技术领域。包括获取已知成分的保护渣在不同冷速下的开始结晶温度数据；选择可靠数据构建保护渣开始结晶温度数据库；将数据集划分为训练集与测试集；使用训练集用于构建XGBoost集成模型；将训练好的XGBoost对测试集进行预测；采用SHAP对训练后的XGBoost模型进行特征重要性分析。根据每个特征的SHAP值判断不同成分对于保护渣开始结晶温度的影响以及进行重要性排序。所构建模型可以准确预测不同冷速下、不同成分的连铸保护渣开始结晶温度，具有一定的鲁棒性和泛化能力。本发明预测方法科学合理，预测结构可靠便于工业化应用。

 本技术公开了基于区块链的铁路施工质量数据安全管理方法，具体包括如下步骤:步骤1，获取施工的掌子面图像，并对掌子面图像进行预处理，识别并剔除相似的图像；步骤2，对结构化数据、文件数据和预处理后的施工图像进行存储；步骤3，对步骤2存储施工质量数据产生的日志信息进行日志安全加密；步骤4，生成与步骤2存储施工质量数据对应的文件哈希和MySQL数据记录哈希；步骤5，对步骤2存储的施工质量数据进行完整性校验，判断施工质量数据是否被篡改；步骤6，对被篡改的施工质量数据进行定位；步骤7，对未被篡改的施工质量数据进行交易溯源。本发明解决了现有数据管理系统中数据溯源困难和安全性不足的问题。

 本技术属于定价决策技术领域，具体涉及一种多影响因子下的制造商定价决策方法和系统，该方法综合考虑了消费者的社会学习行为、电商平台退货运费险政策以及制造商与电商平台间的合作模式。通过收集消费者社会学习行为数据、电商平台退货运费险政策数据以及制造商产品销售数据，构建了一个包含制造商、电商平台和消费者的定价决策模型。该模型能够推导出制造商的最优定价策略组合和销售策略组合，从而帮助制造商在代理销售模式下精准定位目标客户群体，最大化其潜在利润。本发明为制造商提供了科学的定价决策依据，有助于提升市场竞争力。

 本技术提供一种风力机低噪声叶片设计方法，属于风力机技术领域，包括:在风力机叶片上安装锯齿结构，使两侧空气的振幅相互抵消，实现降噪效果。同时，利用神经网络模型替代CFD软件，输入锯齿结构的结构参数，即可对风力机的气动性能数据进行预测。进而在设计叶片过程中，使用麻雀算法对结构参数进行寻优，每次迭代寻优都将所得的结构参数均输入神经网络模型，这样可以更加快速地得到对应的气动性能数据。麻雀算法可根据气动性能数据构建的适应度函数对结构参数寻优，所得的最优结构参数，即为当前情况下能够设计出的噪声最小的方案。这种方式在保证最终设计方案能够明显降低叶片噪声的情况下，大大减少了设计过程中的时间消耗。

 本技术公开了一种基于直接分析法的单层网壳结构损伤识别方法及系统，方法包括:S1、根据网壳结构数值构建数值模型，将网壳关键构件作为单元分析确定分布位置，并对每个单元初步布置监测传感器测点；S2、根据监测数据更新数值模型，对每个单元进行施工分析，确定变形和残余施工应力并重新对网壳关键构件进行重要性排序，优化测点布置方案；S3、利用监测传感器采集网壳结构每个单元的响应数据；S4、根据响应数据计算当前网壳构型下的单元不平衡力，并计算结构刚度矩阵及其变化矩阵；S5、利用损伤指标和结构刚度矩阵，分析损伤区域的变化情况，获取网壳关键构件的损伤情况。本发明通过刚度损伤指标，准确识别结构构件损伤和损伤程度。