- 信息公告 更多+
-
- 本刊2022年度优秀审稿人名单
- 喜报：《南京信息工程大学学报》获评中国高校优秀科技期刊！
- 关于南京信息工程大学学报投稿网站系统维护的通知
- 2022年度生态系统减排增汇论坛成功举办
- 《南京信息工程大学学报（自然科学版）》入选《科技期刊世界影响力指数（WJCI）报告（2021）》
- 我校三期刊入选省高校精品•优秀•特色期刊
- 《南京信息工程大学学报》持续位列知网Q1区
- 南京航空航天大学学报编辑部来我校调研交流
- 2021年人工智能专题研讨会举行
- 期刊部召开一流期刊建设座谈会
- 我校2份期刊分别获评中国高校“百佳”“优秀”科技期刊
- 我校学术期刊获省期刊协会“明珠奖”优秀栏目等多个奖项
- 我校两刊入编2020年版《中文核心期刊要目总览》
- 期刊部专题学习习近平总书记给《文史哲》编辑部全体编辑人员的回信
- 本刊荣获2020中国高校优秀科技期刊
- 本刊再次入选“中国科技核心期刊”
- 关于知网优先出版的说明
主办单位：南京信息工程大学
主 编：金双根
- 当期目录
- 优先出版
- 过刊浏览
- 下载排行
- 专刊
- 专栏
全选反选导出17
显示模式：
2023,15(4):379-392, DOI: 10.13878/j.cnki.jnuist.20220426002
摘要：
为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产,基于S Zorb装置运行积累的数据,首先利用Lasso算法初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型;其次对比分析4种模型,得出BP神经网络预测精度更优,更适合作为辛烷值损失预测模型,并经过10折交叉验证得到均方误差(MSE)均值为0.027 193,R2均值为0.904 87,验证了该模型的可靠性;最后在控制油品硫质量分数不大于5 μg/g的前提下,结合多元线性回归对主要变量进行优化调控.结果表明,需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好,能按照一定比例对主要变量进行正反向调控.本文还可视化展示了优化过程中辛烷值和硫含量的变化轨迹.
为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产,基于S Zorb装置运行积累的数据,首先利用Lasso算法初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型;其次对比分析4种模型,得出BP神经网络预测精度更优,更适合作为辛烷值损失预测模型,并经过10折交叉验证得到均方误差(MSE)均值为0.027 193,R2均值为0.904 87,验证了该模型的可靠性;最后在控制油品硫质量分数不大于5 μg/g的前提下,结合多元线性回归对主要变量进行优化调控.结果表明,需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好,能按照一定比例对主要变量进行正反向调控.本文还可视化展示了优化过程中辛烷值和硫含量的变化轨迹.
2023,15(4):393-402, DOI: 10.13878/j.cnki.jnuist.20220505003
摘要：
为了提高高光谱图像在有限训练样本下的分类性能,提出了一种基于双池化注意力机制的高光谱图像分类网络(DPAMN).首先,采用三维卷积提取高光谱图像的空间和光谱浅层信息.其次,为了增强网络的特征提取能力,在DPAMN中引入了一种双池化注意力机制.最后,在网络的深层引入三维卷积密集连接模块,该模块不仅能够充分提取高光谱图像的空间和光谱特征,同时还能提高特征的判别能力.实验结果表明,在Indian Pines、University of Pavia、Salinas以及Houston 2013数据集上分别取得95.45％、97.11％、95.30％以及93.71％的整体平均精度,与目前主流的已有先进方法相比,所提出的方法在4个数据集上均有较大提升,表明所提方法具有较强的泛化能力.
为了提高高光谱图像在有限训练样本下的分类性能,提出了一种基于双池化注意力机制的高光谱图像分类网络(DPAMN).首先,采用三维卷积提取高光谱图像的空间和光谱浅层信息.其次,为了增强网络的特征提取能力,在DPAMN中引入了一种双池化注意力机制.最后,在网络的深层引入三维卷积密集连接模块,该模块不仅能够充分提取高光谱图像的空间和光谱特征,同时还能提高特征的判别能力.实验结果表明,在Indian Pines、University of Pavia、Salinas以及Houston 2013数据集上分别取得95.45％、97.11％、95.30％以及93.71％的整体平均精度,与目前主流的已有先进方法相比,所提出的方法在4个数据集上均有较大提升,表明所提方法具有较强的泛化能力.
2023,15(4):403-411, DOI: 10.13878/j.cnki.jnuist.20220617003
摘要：
为避免正射影像图在镶嵌时镶嵌线穿过视觉显著地物,损害影像中地物的完整性,本文提出一种结合边缘信息优化LSC(线性谱聚类)和改进A*算法的正射影像图镶嵌线提取方法.首先,将经典LSC的超像素分割理论引入正射影像图镶嵌线提取算法中,并提出边缘强度因子用以优化经典线性谱聚类,有效利用正射影像图中的光谱信息和边缘信息;然后,将优化后的LSC分别应用于两幅正射影像的重叠数据集,得到各类地物的边界特征图,并通过数学形态学法去除边界特征图中的边缘不整齐现象和孤立噪点;最后,改进传统A*算法,由曼哈顿距离函数替代原有基于欧式距离测度的启发函数,提升A*算法进行最短路径搜索的效率,在边界特征图中快速搜索出最短路径得到最优镶嵌线.利用真实无人机航拍正射影像图将本文方法与相关方法进行对比分析,实验结果表明本文所提方法可高效、高质量地提取到影像镶嵌线,有效绕过视觉显著地物,减少镶嵌线穿过地物的像元点数,满足实际正射影像图制作的应用需求.
为避免正射影像图在镶嵌时镶嵌线穿过视觉显著地物,损害影像中地物的完整性,本文提出一种结合边缘信息优化LSC(线性谱聚类)和改进A*算法的正射影像图镶嵌线提取方法.首先,将经典LSC的超像素分割理论引入正射影像图镶嵌线提取算法中,并提出边缘强度因子用以优化经典线性谱聚类,有效利用正射影像图中的光谱信息和边缘信息;然后,将优化后的LSC分别应用于两幅正射影像的重叠数据集,得到各类地物的边界特征图,并通过数学形态学法去除边界特征图中的边缘不整齐现象和孤立噪点;最后,改进传统A*算法,由曼哈顿距离函数替代原有基于欧式距离测度的启发函数,提升A*算法进行最短路径搜索的效率,在边界特征图中快速搜索出最短路径得到最优镶嵌线.利用真实无人机航拍正射影像图将本文方法与相关方法进行对比分析,实验结果表明本文所提方法可高效、高质量地提取到影像镶嵌线,有效绕过视觉显著地物,减少镶嵌线穿过地物的像元点数,满足实际正射影像图制作的应用需求.
2023,15(4):412-418, DOI: 10.13878/j.cnki.jnuist.20220623001
摘要：
脑电信号容易记录且不易伪装,基于脑电信号的情感识别越来越受到人们的关注.然而,人类情感具有多样性和个体可变性,基于脑电信号的情感识别仍是情感计算领域的难题.本文提出一种多源域领域适应字典学习和稀疏表示方法.为减少源领域和目标领域数据分布的差异,将所有领域的数据投影到共享子空间,并在共享子空间中学习一个共有字典.根据稀疏重建的最小化类内误差和最大化类间误差准则,稀疏表示具有类别的分辨能力.另外,每个源域自适应学习领域权重,可以避免负迁移的发生.模型参数的求解通过参数交替优化方法,所有参数可同时达到最优解.DEAP数据集的实验结果显示本文方法在所有对比方法中是最优的.
脑电信号容易记录且不易伪装,基于脑电信号的情感识别越来越受到人们的关注.然而,人类情感具有多样性和个体可变性,基于脑电信号的情感识别仍是情感计算领域的难题.本文提出一种多源域领域适应字典学习和稀疏表示方法.为减少源领域和目标领域数据分布的差异,将所有领域的数据投影到共享子空间,并在共享子空间中学习一个共有字典.根据稀疏重建的最小化类内误差和最大化类间误差准则,稀疏表示具有类别的分辨能力.另外,每个源域自适应学习领域权重,可以避免负迁移的发生.模型参数的求解通过参数交替优化方法,所有参数可同时达到最优解.DEAP数据集的实验结果显示本文方法在所有对比方法中是最优的.
2023,15(4):419-428, DOI: 10.13878/j.cnki.jnuist.20220919001
摘要：
针对DDoS网络流量攻击检测效率低及误报率高的问题,本文提出一种基于离散小波变换(Discrete Wavelet Transform,DWT)和自适应知识蒸馏(Adaptive Knowledge Distillation,AKD)自动编码器神经网络的DDoS攻击检测方法.该方法利用离散小波变换提取频率特征,由自动编码器神经网络进行特征编码并实现分类,通过自适应知识蒸馏压缩模型,以实现高效检测DDoS攻击流量.研究结果表明,该方法对代理服务器攻击、数据库漏洞和TCP洪水攻击、UDP洪水攻击具有较高的检测效率,并且具有较低的误报率.
针对DDoS网络流量攻击检测效率低及误报率高的问题,本文提出一种基于离散小波变换(Discrete Wavelet Transform,DWT)和自适应知识蒸馏(Adaptive Knowledge Distillation,AKD)自动编码器神经网络的DDoS攻击检测方法.该方法利用离散小波变换提取频率特征,由自动编码器神经网络进行特征编码并实现分类,通过自适应知识蒸馏压缩模型,以实现高效检测DDoS攻击流量.研究结果表明,该方法对代理服务器攻击、数据库漏洞和TCP洪水攻击、UDP洪水攻击具有较高的检测效率,并且具有较低的误报率.
2023,15(4):429-438, DOI: 10.13878/j.cnki.jnuist.20220302002
摘要：
海面小目标是海洋雷达探测的重难点对象.针对传统检测器检测概率低的问题,本文提出一种基于相对样本熵的特征检测器(Feature Detector via Relative Sample Entropy,FD-RSE).首先,定义白化频谱,实现对主杂波带的抑制,从而增大了海杂波序列的不规则性.其次,通过引入样本熵描述序列的复杂度,提取白化频谱的相对样本熵,并将之作为特征.在检测时,该特征能够充分利用海杂波和含目标回波在频谱上的几何差异性.最后,IPIX实测数据验证表明:与传统检测器相比,FD-RSE检测器能有效改善检测性能.
海面小目标是海洋雷达探测的重难点对象.针对传统检测器检测概率低的问题,本文提出一种基于相对样本熵的特征检测器(Feature Detector via Relative Sample Entropy,FD-RSE).首先,定义白化频谱,实现对主杂波带的抑制,从而增大了海杂波序列的不规则性.其次,通过引入样本熵描述序列的复杂度,提取白化频谱的相对样本熵,并将之作为特征.在检测时,该特征能够充分利用海杂波和含目标回波在频谱上的几何差异性.最后,IPIX实测数据验证表明:与传统检测器相比,FD-RSE检测器能有效改善检测性能.
2023,15(4):439-447, DOI: 10.13878/j.cnki.jnuist.20220501001
摘要：
地面温度变化速度为每10年升高0.1 ℃,然而受太阳辐射的影响,在实际测量时传统防辐射罩会产生约1 K量级的太阳辐射误差.为提升地表温度测量精度,降低工作能耗,本文设计了一种基于压电振片振动加速传感器探头辐射热量扩散的温度传感器.首先利用计算流体动力学(Computational Fluid Dynamics,CFD)方法计算温度传感器在多物理因素下的辐射误差,然后使用神经网络算法对数据进行拟合分析,最后搭建外场实验平台,将传感器放置在真实环境中来验证方案的可行性.实验结果表明,本文提出的地表温度传感器具有较高的温度测量精度,其修正值与基准值的绝对误差和均方根误差分别为0.041 ℃和0.055 ℃,也验证了神经网络算法修正效果的优越性.
地面温度变化速度为每10年升高0.1 ℃,然而受太阳辐射的影响,在实际测量时传统防辐射罩会产生约1 K量级的太阳辐射误差.为提升地表温度测量精度,降低工作能耗,本文设计了一种基于压电振片振动加速传感器探头辐射热量扩散的温度传感器.首先利用计算流体动力学(Computational Fluid Dynamics,CFD)方法计算温度传感器在多物理因素下的辐射误差,然后使用神经网络算法对数据进行拟合分析,最后搭建外场实验平台,将传感器放置在真实环境中来验证方案的可行性.实验结果表明,本文提出的地表温度传感器具有较高的温度测量精度,其修正值与基准值的绝对误差和均方根误差分别为0.041 ℃和0.055 ℃,也验证了神经网络算法修正效果的优越性.
全选反选导出
显示模式：
摘要：
计算卸载是移动边缘计算（Mobile Edge Computing, MEC）中的关键技术，针对多用户多MEC服务器场景中计算卸载策略的不足，本文提出了一种混合人工蜂群算法（artificial reverse sine-cosine, ARSC）。ARSC算法首先使用反向学习策略初始化种群，优化种群的初始解；然后在雇佣蜂阶段通过利用正余弦算法的全局最优引导信息，提升算法的局部搜索能力，最后为了平衡算法的全局搜索能力和局部搜索能力，引入动态感知因子对算法的步长因子进行改进。通过仿真实验，将ARSC方法与基于粒子群算法的卸载策略、基于人工蜂群算法的卸载策略进行比较。实验结果表明，ARSC策略在系统时延、系统能耗、收敛性均有所改善。
计算卸载是移动边缘计算（Mobile Edge Computing, MEC）中的关键技术，针对多用户多MEC服务器场景中计算卸载策略的不足，本文提出了一种混合人工蜂群算法（artificial reverse sine-cosine, ARSC）。ARSC算法首先使用反向学习策略初始化种群，优化种群的初始解；然后在雇佣蜂阶段通过利用正余弦算法的全局最优引导信息，提升算法的局部搜索能力，最后为了平衡算法的全局搜索能力和局部搜索能力，引入动态感知因子对算法的步长因子进行改进。通过仿真实验，将ARSC方法与基于粒子群算法的卸载策略、基于人工蜂群算法的卸载策略进行比较。实验结果表明，ARSC策略在系统时延、系统能耗、收敛性均有所改善。
摘要：
针对我国农作物发育期人工观测效率低、识别准确率低等问题，提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法。该方法以密集连接卷积网络（DenseNet）为主干提取网络，融入卷积注意力模块CBAM。先将CBAM中的空间注意力模块（SAM）与通道注意力模块（CAM）由传统的串联连接改为并行连接，并将改进的CBAM（I_CBAM）插入到DenseNet最后一个密集网络中，构建一种I_CBAM-DenseNet模型，再选取小麦7个重要发育时期进行自动识别。为最大化提取小麦的特征信息，将超绿特征（ExG）因子和最大类间方差法（Otsu）相结合对采集到的小麦图像进行分割处理。对比分析了I_CBAM-DenseNet、AlexNet、ResNet 、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化。结果表明，采取基于I_CBAM-DenseNet的卷积神经网络建立的模型，准确率达到99.64%，高于对比模型。
针对我国农作物发育期人工观测效率低、识别准确率低等问题，提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法。该方法以密集连接卷积网络（DenseNet）为主干提取网络，融入卷积注意力模块CBAM。先将CBAM中的空间注意力模块（SAM）与通道注意力模块（CAM）由传统的串联连接改为并行连接，并将改进的CBAM（I_CBAM）插入到DenseNet最后一个密集网络中，构建一种I_CBAM-DenseNet模型，再选取小麦7个重要发育时期进行自动识别。为最大化提取小麦的特征信息，将超绿特征（ExG）因子和最大类间方差法（Otsu）相结合对采集到的小麦图像进行分割处理。对比分析了I_CBAM-DenseNet、AlexNet、ResNet 、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化。结果表明，采取基于I_CBAM-DenseNet的卷积神经网络建立的模型，准确率达到99.64%，高于对比模型。
摘要：
浮游植物作为湖泊生态系统物质循环、能量循环的主要参与者，获取其群落结构信息在应对和调节湖泊生态系统具有重要意义。本研究通过高通量测序检测巢湖西半湖冬季和夏季真核浮游植物的群落特征，调查期间共检测出真核浮游植物7门71属，夏季7门59属，冬季5门27属，以绿藻门、硅藻门为主，冬季较夏季优势属变化较大。Shannon-Wiener指数夏季、冬季均值为1.83、1.88，Pielou指数夏季、冬季均值0.75、0.83。两种多样性指数均值均为夏季小于冬季。水质分析结果表明，研究期间巢湖西半湖水体TN、TP偏高，夏季、冬季水体理化指标具有显著性差异（p≤0.05）。冗余分析表明，PO4--P浓度、TN浓度、TP浓度和NH4+-N浓度对真核浮游植物群落解释率最大，其中PO4--P浓度的影响达到显著水平（p≤0.05）。Mantel相关性分析表明，真核浮游植物丰度与WT、DO、pH、NH4+-N、TN和Chl.a有着良好的相关性。通过变差分解分析得到，季节因素对真核浮游植物群落解释度最高。
浮游植物作为湖泊生态系统物质循环、能量循环的主要参与者，获取其群落结构信息在应对和调节湖泊生态系统具有重要意义。本研究通过高通量测序检测巢湖西半湖冬季和夏季真核浮游植物的群落特征，调查期间共检测出真核浮游植物7门71属，夏季7门59属，冬季5门27属，以绿藻门、硅藻门为主，冬季较夏季优势属变化较大。Shannon-Wiener指数夏季、冬季均值为1.83、1.88，Pielou指数夏季、冬季均值0.75、0.83。两种多样性指数均值均为夏季小于冬季。水质分析结果表明，研究期间巢湖西半湖水体TN、TP偏高，夏季、冬季水体理化指标具有显著性差异（p≤0.05）。冗余分析表明，PO4--P浓度、TN浓度、TP浓度和NH4+-N浓度对真核浮游植物群落解释率最大，其中PO4--P浓度的影响达到显著水平（p≤0.05）。Mantel相关性分析表明，真核浮游植物丰度与WT、DO、pH、NH4+-N、TN和Chl.a有着良好的相关性。通过变差分解分析得到，季节因素对真核浮游植物群落解释度最高。
摘要：
光伏阵列的电功率输出在局部遮荫工况下具有多峰特性,且随外界环境的变化而变化。为实现高效电能输出,利用多元宇宙优化(MVO)算法在解决低维度、小规模优化问题中的突出优势进行最大功率点跟踪(MPPT),并融合多种策略对其存在的缺陷进行改进。其采用拉丁超立方抽样策略初始化宇宙种群,并对按照轮盘赌策略随机交换的宇宙实施柯西变异,提高宇宙种群的多样性。同时引入莱维飞行式量子粒子群优化(QPSO)算法,且对虫洞存在概率及旅行距离率进行自适应调整,以增强算法的全局勘探及局部开发能力。Matlab仿真结果表明,相比其他算法,采用该算法的MPPT时间减少了45%以上,精度亦有所提高,从而具有更优的MPPT性能,可有效提高光伏发电效率。
光伏阵列的电功率输出在局部遮荫工况下具有多峰特性,且随外界环境的变化而变化。为实现高效电能输出,利用多元宇宙优化(MVO)算法在解决低维度、小规模优化问题中的突出优势进行最大功率点跟踪(MPPT),并融合多种策略对其存在的缺陷进行改进。其采用拉丁超立方抽样策略初始化宇宙种群,并对按照轮盘赌策略随机交换的宇宙实施柯西变异,提高宇宙种群的多样性。同时引入莱维飞行式量子粒子群优化(QPSO)算法,且对虫洞存在概率及旅行距离率进行自适应调整,以增强算法的全局勘探及局部开发能力。Matlab仿真结果表明,相比其他算法,采用该算法的MPPT时间减少了45%以上,精度亦有所提高,从而具有更优的MPPT性能,可有效提高光伏发电效率。
摘要：
为探明麦田氧化亚氮(N2O)排放对二氧化碳(CO2)浓度缓增与氮肥减施的响应,选用扬麦22为试验材料,基于开顶式气室(OTC)构成的CO2浓度自动控制平台开展田间试验。在环境大气CO2浓度(AC,对照)的基础上设置CO2浓度缓增处理(EC,自2016-2017年冬小麦生长季起在AC基础上逐年增加40 μmol.mol-1,至2018-2019年生长季CO2浓度比AC高120 μmol.mol-1)；在常规施氮量(N1,25 g.m-2)基础上设置氮肥减施处理(N2,15 g.m-2)。使用静态暗箱-气相色谱法进行冬小麦田N2O的气样采集与通量测定。结果表明：冬小麦生育期内,不同CO2浓度与氮肥水平下冬小麦田N2O通量生长季变化较为一致,整体均呈现为波动下降特征。AC处理下,与N1处理相比,N2处理使得N2O累积排放量显著降低45.2%(P=0.004)；EC处理下不同氮肥水平对冬小麦田N2O排放无显著影响。在冬小麦孕穗至乳熟期时,氮肥减施处理对麦田N2O排放的影响较为明显。CO2浓度缓增与氮肥减施共同作用时,施氮量是影响麦田N2O排放量的主要因素。
为探明麦田氧化亚氮(N2O)排放对二氧化碳(CO2)浓度缓增与氮肥减施的响应,选用扬麦22为试验材料,基于开顶式气室(OTC)构成的CO2浓度自动控制平台开展田间试验。在环境大气CO2浓度(AC,对照)的基础上设置CO2浓度缓增处理(EC,自2016-2017年冬小麦生长季起在AC基础上逐年增加40 μmol.mol-1,至2018-2019年生长季CO2浓度比AC高120 μmol.mol-1)；在常规施氮量(N1,25 g.m-2)基础上设置氮肥减施处理(N2,15 g.m-2)。使用静态暗箱-气相色谱法进行冬小麦田N2O的气样采集与通量测定。结果表明：冬小麦生育期内,不同CO2浓度与氮肥水平下冬小麦田N2O通量生长季变化较为一致,整体均呈现为波动下降特征。AC处理下,与N1处理相比,N2处理使得N2O累积排放量显著降低45.2%(P=0.004)；EC处理下不同氮肥水平对冬小麦田N2O排放无显著影响。在冬小麦孕穗至乳熟期时,氮肥减施处理对麦田N2O排放的影响较为明显。CO2浓度缓增与氮肥减施共同作用时,施氮量是影响麦田N2O排放量的主要因素。
摘要：
随着交通运输基础设施建设发展模式由追求速度规模向更加注重质量效益转变，精细化、因地制宜地设定隧道照明环境需求增多，隧道照明系统设计应以保证驾驶员行车的安全性与舒适性为前提，因此需要对隧道照明对驾驶员隧道行车的安全性与舒适性影响进行量化评估。基于隧道照明基础理论和驾驶员行车研究选取影响驾驶员安全性与舒适性的8项指标，建立驾驶员安全性与舒适性评价体系，并通过隧道驾驶仿真环境与硬件设施实现室内仿真研究：基于UC-win/Road软件建立隧道虚拟仿真模型，通过驾驶模拟器和生理仪器获取8项指标对应的数据，对数据进行处理后通过熵权法确定指标权重，评估不同照明亮度与色温环境下的隧道安全性与舒适度。以驾驶员的安全及舒适评价值最优为目的，得出隧道内亮度和色温的最佳设定值。实验结果验证了驾驶员安全性与舒适性评价体系的有效性，提出了改进的照明方案，为隧道运营方提供参考。
随着交通运输基础设施建设发展模式由追求速度规模向更加注重质量效益转变，精细化、因地制宜地设定隧道照明环境需求增多，隧道照明系统设计应以保证驾驶员行车的安全性与舒适性为前提，因此需要对隧道照明对驾驶员隧道行车的安全性与舒适性影响进行量化评估。基于隧道照明基础理论和驾驶员行车研究选取影响驾驶员安全性与舒适性的8项指标，建立驾驶员安全性与舒适性评价体系，并通过隧道驾驶仿真环境与硬件设施实现室内仿真研究：基于UC-win/Road软件建立隧道虚拟仿真模型，通过驾驶模拟器和生理仪器获取8项指标对应的数据，对数据进行处理后通过熵权法确定指标权重，评估不同照明亮度与色温环境下的隧道安全性与舒适度。以驾驶员的安全及舒适评价值最优为目的，得出隧道内亮度和色温的最佳设定值。实验结果验证了驾驶员安全性与舒适性评价体系的有效性，提出了改进的照明方案，为隧道运营方提供参考。
摘要：
在孤岛微电网中，由于线路阻抗的不匹配，导致了传统的下垂控制无法完成分布式电源(DG, distributed generation)之间无功功率的均分。为了消除DG之间的无功不均分并且提高控制器的灵活性和可靠性，文中首先分析了传统下垂无法完成无功均分的原因，设计了可自适应调节的无功下垂系数，使无功下垂系数可以满足无功均分的条件，从而解决了无功功率无法均分的问题。其次为了使无功均分控制器具有更高的灵活性和可靠性，设计了动态分布式观测器，并证明了其的收敛性。动态分布式观测器可以使DG以分布式的方式更加灵活可靠的获取所需的信息。最后在4个不同的算例下对所提的控制策略进行了验证，仿真结果表明了所提控制策略的优越性和有效性。
在孤岛微电网中，由于线路阻抗的不匹配，导致了传统的下垂控制无法完成分布式电源(DG, distributed generation)之间无功功率的均分。为了消除DG之间的无功不均分并且提高控制器的灵活性和可靠性，文中首先分析了传统下垂无法完成无功均分的原因，设计了可自适应调节的无功下垂系数，使无功下垂系数可以满足无功均分的条件，从而解决了无功功率无法均分的问题。其次为了使无功均分控制器具有更高的灵活性和可靠性，设计了动态分布式观测器，并证明了其的收敛性。动态分布式观测器可以使DG以分布式的方式更加灵活可靠的获取所需的信息。最后在4个不同的算例下对所提的控制策略进行了验证，仿真结果表明了所提控制策略的优越性和有效性。
摘要：
针对国省干道缺少路缘石导致在点云场景中不易确定公路边缘，从而造成国省干道点云难以精确提取的问题，提出形状特征向量筛选与局部粗糙度结合的国省干道点云提取方法。首先对原始点云数据构建网格索引，以网格为基本单元，设计基于协方差矩阵的形状特征向量分析方法，据此方法计算单元内点云形状特征向量，构建正交基求解特征值，筛选获取地面点云；其次采用KD树索引重构地面点云，计算分析点云局部粗糙度，以先验阈值为参考，引入欧式聚类算法实现对路面及路面周边点云的有效提取，实现路面点与非路面点有效划分。对10 km移动激光扫描国省干道点云数据进行测试，平均精度和召回率分别99.64%与99.59%。与欧式聚类分割算法相比，所提算法的平均精度及F1-score分别提高8.95%、4.56%，对原始点云处理速度为32.4 km/h，计算效率明显提升，具有良好的路面提取精度和鲁棒性。
针对国省干道缺少路缘石导致在点云场景中不易确定公路边缘，从而造成国省干道点云难以精确提取的问题，提出形状特征向量筛选与局部粗糙度结合的国省干道点云提取方法。首先对原始点云数据构建网格索引，以网格为基本单元，设计基于协方差矩阵的形状特征向量分析方法，据此方法计算单元内点云形状特征向量，构建正交基求解特征值，筛选获取地面点云；其次采用KD树索引重构地面点云，计算分析点云局部粗糙度，以先验阈值为参考，引入欧式聚类算法实现对路面及路面周边点云的有效提取，实现路面点与非路面点有效划分。对10 km移动激光扫描国省干道点云数据进行测试，平均精度和召回率分别99.64%与99.59%。与欧式聚类分割算法相比，所提算法的平均精度及F1-score分别提高8.95%、4.56%，对原始点云处理速度为32.4 km/h，计算效率明显提升，具有良好的路面提取精度和鲁棒性。
摘要：
针对雨天环境下获取图像质量差，导致后续机器视觉任务效率低下的问题，提出一种基于多特征交互和密集残差的图像去雨算法。首先，提出多重特征交互卷积模块提取不同空间下雨线的语义特征，增强信息利用程度；其次，构建多维空间权重注意模块，将不同空间信息权重初步融合并增强雨线特征；然后，结合密集连接和残差网络的优点，设计一种密集残差融合模块，在提高网络学习能力的同时实现对信息的重复利用，进一步校正雨纹信息；最后，通过将多种损失函数的线性组合，并结合雨天成像模型提高输出图像质量。在多个公开数据集上的实验结果表明，所提算法的主客观评价指标均优于所对比的经典及新颖算法，在去除雨纹的同时更有效地保留图像背景细节信息，为后续基于机器视觉任务的有效开展打下基础。
针对雨天环境下获取图像质量差，导致后续机器视觉任务效率低下的问题，提出一种基于多特征交互和密集残差的图像去雨算法。首先，提出多重特征交互卷积模块提取不同空间下雨线的语义特征，增强信息利用程度；其次，构建多维空间权重注意模块，将不同空间信息权重初步融合并增强雨线特征；然后，结合密集连接和残差网络的优点，设计一种密集残差融合模块，在提高网络学习能力的同时实现对信息的重复利用，进一步校正雨纹信息；最后，通过将多种损失函数的线性组合，并结合雨天成像模型提高输出图像质量。在多个公开数据集上的实验结果表明，所提算法的主客观评价指标均优于所对比的经典及新颖算法，在去除雨纹的同时更有效地保留图像背景细节信息，为后续基于机器视觉任务的有效开展打下基础。
摘要：
快速准确地进行换道路径规划、有效跟踪期望路径以及换道过程中保持车辆的操纵稳定性，是保障智能汽车主动安全的核心技术。针对智能汽车主动换道过程中的路径规划问题，引入中转位置，提出基于双五次多项式的路径规划策略，以提高换道路径的平滑性，保证车辆换道安全性，满足换道实时性要求。对主动换道场景进行分析，确定换道初始及目标位置；基于车辆换道过程中的临界碰撞点，提出双五次多项式换道路径规划策略；建立联合仿真模型，针对不同道路状态进行主动换道仿真试验。结果表明：由于引入了中转点，利用双五次多项式规划方法得到的换道路径在临界碰撞状态前有更明显的侧向位移，能避开前方障碍车保证了换道安全性；换道中转位置处车辆最大侧向加速度不超过2 m/s2，保证了换道过程中车辆操纵稳定性；在干燥路面与湿润路面工况下，换道所需纵向安全距离减小20 m左右，保障了换道过程的纵向碰撞的安全性。研究结果可以为智能汽车主动换道路径规划提供理论及实践依据。
快速准确地进行换道路径规划、有效跟踪期望路径以及换道过程中保持车辆的操纵稳定性，是保障智能汽车主动安全的核心技术。针对智能汽车主动换道过程中的路径规划问题，引入中转位置，提出基于双五次多项式的路径规划策略，以提高换道路径的平滑性，保证车辆换道安全性，满足换道实时性要求。对主动换道场景进行分析，确定换道初始及目标位置；基于车辆换道过程中的临界碰撞点，提出双五次多项式换道路径规划策略；建立联合仿真模型，针对不同道路状态进行主动换道仿真试验。结果表明：由于引入了中转点，利用双五次多项式规划方法得到的换道路径在临界碰撞状态前有更明显的侧向位移，能避开前方障碍车保证了换道安全性；换道中转位置处车辆最大侧向加速度不超过2 m/s2，保证了换道过程中车辆操纵稳定性；在干燥路面与湿润路面工况下，换道所需纵向安全距离减小20 m左右，保障了换道过程的纵向碰撞的安全性。研究结果可以为智能汽车主动换道路径规划提供理论及实践依据。
摘要：
本文提出了一种具有超宽输入功率范围的三路整流电路。该电路包含三个整流支路，通过在整流支路中采用不同阈值电压的二极管，使每个支路对不同输入功率进行高效整流，三条整流支路协同作用，使所提出的整流电路能够在超宽输入功率范围内保持高效率工作。设计并实现了一个工作在2.4 GHz的三支路整流电路，三条整流支路分别实现在-10~11 dBm、11~24 dBm和24~35 dBm的功率范围内，效率保持在30%以上。测试结果表明在-6~25 dBm的输入功率范围内，电路的转换效率均可保持在40%以上，最高效率可以达到71.2%。所提出的整流电路对输入功率的灵敏度较低，能够在超宽输入功率范围内实现高效率能量转换，可用于能量收集或动态无线能量传输系统中。
本文提出了一种具有超宽输入功率范围的三路整流电路。该电路包含三个整流支路，通过在整流支路中采用不同阈值电压的二极管，使每个支路对不同输入功率进行高效整流，三条整流支路协同作用，使所提出的整流电路能够在超宽输入功率范围内保持高效率工作。设计并实现了一个工作在2.4 GHz的三支路整流电路，三条整流支路分别实现在-10~11 dBm、11~24 dBm和24~35 dBm的功率范围内，效率保持在30%以上。测试结果表明在-6~25 dBm的输入功率范围内，电路的转换效率均可保持在40%以上，最高效率可以达到71.2%。所提出的整流电路对输入功率的灵敏度较低，能够在超宽输入功率范围内实现高效率能量转换，可用于能量收集或动态无线能量传输系统中。
摘要：
针对现有智能优化算法在求解配电网无功优化时存在的收敛速度慢、易陷入局部最优解等问题，提出一种基于多目标沙猫群算法(Multi-Objective Sand Cat swarm optimization, MOSCSO)的含风光储配电网无功优化方法。MOSCSO融合了多目标算法中外部储存集的更新和选择机制，具有较好的全局寻优能力，同时沙猫群算法特有的搜索和攻击的种群更新方式保证了其较快收敛速度和较好寻优能力。建立储能设施(Energy Storage System, ESS)作为控制变量的IEEE 33节点系统数学模型，应用MOSCSO进行仿真验证。结果证明本文所提方法在平衡风光发电系统的同时能够做到降低网损和提高电网稳定性，与传统算法进行比较，结果验证了MOSCSO在本文无功优化模型上的有效性和稳定性。
针对现有智能优化算法在求解配电网无功优化时存在的收敛速度慢、易陷入局部最优解等问题，提出一种基于多目标沙猫群算法(Multi-Objective Sand Cat swarm optimization, MOSCSO)的含风光储配电网无功优化方法。MOSCSO融合了多目标算法中外部储存集的更新和选择机制，具有较好的全局寻优能力，同时沙猫群算法特有的搜索和攻击的种群更新方式保证了其较快收敛速度和较好寻优能力。建立储能设施(Energy Storage System, ESS)作为控制变量的IEEE 33节点系统数学模型，应用MOSCSO进行仿真验证。结果证明本文所提方法在平衡风光发电系统的同时能够做到降低网损和提高电网稳定性，与传统算法进行比较，结果验证了MOSCSO在本文无功优化模型上的有效性和稳定性。
摘要：
本文针对背靠背Ω定子横向磁通永磁直线电机（BBΩ-TFPMLM）独特的拓扑结构，运用“磁-热耦合法”对其温度场进行深入研究。首先采用三维有限元法(3D-FEM)对BBΩ-TFPMLM进行建模分析以得到稳态电磁参数。然后利用Workbench将电磁场耦合至温度场，采用磁-热耦合法分析电机各部分的温升，得出电机运行不同时间的温度云图并总结损耗模型的实时温升规律。最后，搭建实验平台进行实验验证，实测额定电流下定子铁心稳态温升为29.21℃、动子铁心稳态温升为11.12℃，温升在合理范围内且样机运行750s后温度分布的热成像仪测量结果与仿真一致，验证了所提理论的正确性。
本文针对背靠背Ω定子横向磁通永磁直线电机（BBΩ-TFPMLM）独特的拓扑结构，运用“磁-热耦合法”对其温度场进行深入研究。首先采用三维有限元法(3D-FEM)对BBΩ-TFPMLM进行建模分析以得到稳态电磁参数。然后利用Workbench将电磁场耦合至温度场，采用磁-热耦合法分析电机各部分的温升，得出电机运行不同时间的温度云图并总结损耗模型的实时温升规律。最后，搭建实验平台进行实验验证，实测额定电流下定子铁心稳态温升为29.21℃、动子铁心稳态温升为11.12℃，温升在合理范围内且样机运行750s后温度分布的热成像仪测量结果与仿真一致，验证了所提理论的正确性。
摘要：
“双碳”背景下，综合能源系统(integrated energy system，IES)对提高能源利用效率、减少碳排放具有重要意义，为了更好地实现这一目标，提出一种考虑氢能利用与需求响应的IES低碳优化调度方法。在源侧，构建以氢能利用为核心的IES模型来优化设备运行灵活性；在负荷侧，考虑到用户用能特征，建立基于Logistic函数的需求响应模型来优化负荷曲线、协助降碳；同时为进一步挖掘系统的碳减排潜力，在优化模型中引入阶梯式碳交易机制；最后，综合考虑系统购能成本、运维成本、碳交易成本以及弃风成本，以IES日运行总成本最小为目标函数进行优化调度。通过算例验证表明，所构建模型不仅达到负荷削峰填谷的效果，同时有效降低IES的运行总成本和碳排放，具有较好的低碳经济性。
“双碳”背景下，综合能源系统(integrated energy system，IES)对提高能源利用效率、减少碳排放具有重要意义，为了更好地实现这一目标，提出一种考虑氢能利用与需求响应的IES低碳优化调度方法。在源侧，构建以氢能利用为核心的IES模型来优化设备运行灵活性；在负荷侧，考虑到用户用能特征，建立基于Logistic函数的需求响应模型来优化负荷曲线、协助降碳；同时为进一步挖掘系统的碳减排潜力，在优化模型中引入阶梯式碳交易机制；最后，综合考虑系统购能成本、运维成本、碳交易成本以及弃风成本，以IES日运行总成本最小为目标函数进行优化调度。通过算例验证表明，所构建模型不仅达到负荷削峰填谷的效果，同时有效降低IES的运行总成本和碳排放，具有较好的低碳经济性。
摘要：
针对光伏功率随机性及波动性大，单一预测模型往往难以准确分析历史数据波动规律，从而导致预测精度不高的问题，提出一种基于卷积神经网络-门控循环单元(Convolutional Neural Network- Gated Recurrent Unit，CNN-GRU)和改进麻雀搜索算法(improved sparrow search algorithm，ISSA)优化的极限梯度提升（Xtreme Gradient Boosting，XGBoost）模型的短期光伏功率预测组合模型。首先去除历史数据中的异常值并对其进行归一化处理，利用主成分分析法（Principal Component Analysis，PCA）进行特征选取，以便更好地识别影响光伏功率的关键因素。然后采用CNN网络提取数据的空间特征,再经过GRU网络提取时间特征，针对XGBoost模型手动配置参数困难、随机性大的问题，利用ISSA对模型超参数寻优。最后对两种方法预测的结果用误差倒数法减小误差同时对权重进行更新，得到新的预测值完成对光伏功率的预测。实验结果表明，所提出的CNN-GRU-ISSA-XGBoost组合模型具有更强的适应性和更高的精度。
针对光伏功率随机性及波动性大，单一预测模型往往难以准确分析历史数据波动规律，从而导致预测精度不高的问题，提出一种基于卷积神经网络-门控循环单元(Convolutional Neural Network- Gated Recurrent Unit，CNN-GRU)和改进麻雀搜索算法(improved sparrow search algorithm，ISSA)优化的极限梯度提升（Xtreme Gradient Boosting，XGBoost）模型的短期光伏功率预测组合模型。首先去除历史数据中的异常值并对其进行归一化处理，利用主成分分析法（Principal Component Analysis，PCA）进行特征选取，以便更好地识别影响光伏功率的关键因素。然后采用CNN网络提取数据的空间特征,再经过GRU网络提取时间特征，针对XGBoost模型手动配置参数困难、随机性大的问题，利用ISSA对模型超参数寻优。最后对两种方法预测的结果用误差倒数法减小误差同时对权重进行更新，得到新的预测值完成对光伏功率的预测。实验结果表明，所提出的CNN-GRU-ISSA-XGBoost组合模型具有更强的适应性和更高的精度。
摘要：
为了保证永磁无刷直流空心轴电机的输出性能和抑制电磁振动，提出了一种基于非线性多元回归的修正代理模型优化方法。首先利用（Audze-Eglajs，AE）算法确定了最优空间填充抽样，并采用（Kernel Principal Components Analysis, KPCA）算法筛选出了4个主要变量用于构建代理模型；其次采用非线性多元回归构建了代理模型，决定系数R2值均大于0.9，验证了代理模型的精度；最后，采用鲁棒多目标遗传算法求解代理模型，获得了最优定子槽参数。结果表明，通过优化定子槽参数，电机平均转矩降低了1.3%，不影响输出性能，电机空载、额定负载时最大振动加速度分别降低了19%和34.5%，有效的降低了电磁振动，证明了优化方法的有效性和可靠性。为电机减振设计优化提供了一种替代手段，具有突出的现实意义。
为了保证永磁无刷直流空心轴电机的输出性能和抑制电磁振动，提出了一种基于非线性多元回归的修正代理模型优化方法。首先利用（Audze-Eglajs，AE）算法确定了最优空间填充抽样，并采用（Kernel Principal Components Analysis, KPCA）算法筛选出了4个主要变量用于构建代理模型；其次采用非线性多元回归构建了代理模型，决定系数R2值均大于0.9，验证了代理模型的精度；最后，采用鲁棒多目标遗传算法求解代理模型，获得了最优定子槽参数。结果表明，通过优化定子槽参数，电机平均转矩降低了1.3%，不影响输出性能，电机空载、额定负载时最大振动加速度分别降低了19%和34.5%，有效的降低了电磁振动，证明了优化方法的有效性和可靠性。为电机减振设计优化提供了一种替代手段，具有突出的现实意义。
摘要：
针对滑坡区输电塔线体系在边坡变形和风荷载作用下易发生杆件失效的问题,提出一种基于IHPO-BP神经网络的滑坡区塔线体系应力预测模型。首先利用改进的Circle混沌映射、平衡因子非线性策略以及Levy飞行对猎人猎物优化算法进行优化,进而利用改进的猎人猎物优化算法对BP神经网络的权值和阈值进行参数寻优,得到滑坡区塔线体系应力预测模型,将风向角、风速和塔腿支座位移作为模型输入,塔线体系杆件最大应力作为输出。预测结果表明:文中提出的IHPO-BP模型具有较高的收敛速度与预测精度,与HPO-BP模型相比,平均绝对误差下降了71.7%,均方根误差下降了76.6%,平均相对误差下降了71.8%。
针对滑坡区输电塔线体系在边坡变形和风荷载作用下易发生杆件失效的问题,提出一种基于IHPO-BP神经网络的滑坡区塔线体系应力预测模型。首先利用改进的Circle混沌映射、平衡因子非线性策略以及Levy飞行对猎人猎物优化算法进行优化,进而利用改进的猎人猎物优化算法对BP神经网络的权值和阈值进行参数寻优,得到滑坡区塔线体系应力预测模型,将风向角、风速和塔腿支座位移作为模型输入,塔线体系杆件最大应力作为输出。预测结果表明:文中提出的IHPO-BP模型具有较高的收敛速度与预测精度,与HPO-BP模型相比,平均绝对误差下降了71.7%,均方根误差下降了76.6%,平均相对误差下降了71.8%。
摘要：
目前利用遥感技术及时准确的进行水质监测全面的了解水质分布情况对水环境保护具有重要意义。然而水质参数与地表反射率并非简单的线性关系，BP神经网络和SVM因其非线性模拟的特点，被广泛用于水质反演。但是传统BP神经网络存在收敛缓慢、容易陷入局部最优的问题；SVM虽然具有很好的拟合能力，但受惩罚系数及核函数参数影响较大。因此以云龙湖为研究区域，利用Sentinel-2影像和实测数据，针对重要水质参数电导率和浊度，提出了一种基于麻雀搜索算法(SSA)优化BP神经网络及SVM的水质反演耦合模型,利用SSA对BP神经网络及SVM进行参数寻优，基于验证集MAE计算模型权重，对SSA-BP、SSA-SVM模型测试组输出层加权计算后获得最终反演结果。并与BPNN、SVM、SSA-BP、SSA-SVM模型进行了对比实验。结果表明：（1）Sentinel-2影像对电导率及浊度的敏感波段均为可见光及短波红外波段。（2）SSA-BP-SVM水质反演耦合模型精度更高，电导率及浊度反演模型R2分别为0.92、0.89。（3）云龙湖具有典型的城市水体特征，电导率受上游南望净水厂排水影响较大，浊度受社会生产活动带来的颗粒污染物影响较大。基于Sentinel-2影像利用SSA-BP-SVM模型进行水质反演具有较好的应用潜力，能够为云龙湖水质监测以及制定保护措施提供一定的技术支撑。
目前利用遥感技术及时准确的进行水质监测全面的了解水质分布情况对水环境保护具有重要意义。然而水质参数与地表反射率并非简单的线性关系，BP神经网络和SVM因其非线性模拟的特点，被广泛用于水质反演。但是传统BP神经网络存在收敛缓慢、容易陷入局部最优的问题；SVM虽然具有很好的拟合能力，但受惩罚系数及核函数参数影响较大。因此以云龙湖为研究区域，利用Sentinel-2影像和实测数据，针对重要水质参数电导率和浊度，提出了一种基于麻雀搜索算法(SSA)优化BP神经网络及SVM的水质反演耦合模型,利用SSA对BP神经网络及SVM进行参数寻优，基于验证集MAE计算模型权重，对SSA-BP、SSA-SVM模型测试组输出层加权计算后获得最终反演结果。并与BPNN、SVM、SSA-BP、SSA-SVM模型进行了对比实验。结果表明：（1）Sentinel-2影像对电导率及浊度的敏感波段均为可见光及短波红外波段。（2）SSA-BP-SVM水质反演耦合模型精度更高，电导率及浊度反演模型R2分别为0.92、0.89。（3）云龙湖具有典型的城市水体特征，电导率受上游南望净水厂排水影响较大，浊度受社会生产活动带来的颗粒污染物影响较大。基于Sentinel-2影像利用SSA-BP-SVM模型进行水质反演具有较好的应用潜力，能够为云龙湖水质监测以及制定保护措施提供一定的技术支撑。
摘要：
举办大型活动会导致周边受影响区域在短时间内集中大量人群和车辆，场馆周边路网与常规交通具有差异化特征。为探究大型活动对场馆周边路网运行状态的影响机理，解析活动规模、路段与活动场馆的空间距离等因素的影响特征，构建融合XGBoost算法与部分依赖图的可解释机器学习模型，以捕捉不同因素的非线性效应与协同影响。研究以北京市为例开展了实证研究，其中单因素的异质性影响表明：路段与活动场馆的空间距离及活动规模对场馆周边路网运行状态的影响较大，其相对重要度分别达到27.1%和25.4%，距离活动开始/结束的时间对场馆周边路网运行状态存在明显非线性特征，在活动开始前30-60分钟，以及活动结束后30分钟内，场馆周边3km以内的路段将受到显著影响；二维因素的协同影响表明：当活动规模大于3万人时，节假日和不利天气对场馆周边路网运行状态呈负面影响，而在降雨和雾霾天气下，场馆周边路网运行状态受时空影响较大，影响范围为活动开始前60分钟与结束后40分钟内距离活动场馆2.5km内的路段。相关研究结论可为大型活动期间道路拥堵致因辨别及制定科学有效的路网管控策略提供定量化的决策依据。
举办大型活动会导致周边受影响区域在短时间内集中大量人群和车辆，场馆周边路网与常规交通具有差异化特征。为探究大型活动对场馆周边路网运行状态的影响机理，解析活动规模、路段与活动场馆的空间距离等因素的影响特征，构建融合XGBoost算法与部分依赖图的可解释机器学习模型，以捕捉不同因素的非线性效应与协同影响。研究以北京市为例开展了实证研究，其中单因素的异质性影响表明：路段与活动场馆的空间距离及活动规模对场馆周边路网运行状态的影响较大，其相对重要度分别达到27.1%和25.4%，距离活动开始/结束的时间对场馆周边路网运行状态存在明显非线性特征，在活动开始前30-60分钟，以及活动结束后30分钟内，场馆周边3km以内的路段将受到显著影响；二维因素的协同影响表明：当活动规模大于3万人时，节假日和不利天气对场馆周边路网运行状态呈负面影响，而在降雨和雾霾天气下，场馆周边路网运行状态受时空影响较大，影响范围为活动开始前60分钟与结束后40分钟内距离活动场馆2.5km内的路段。相关研究结论可为大型活动期间道路拥堵致因辨别及制定科学有效的路网管控策略提供定量化的决策依据。
摘要：
未佩戴或未正确佩戴头盔将对骑行人员生命安全造成重大威胁，人工督查不但工作量大效率低下，而且难以做到全区域全时段覆盖。本文提出一种基于改进YOLOv5的骑行者头盔佩戴检测方法，通过监控摄像头对骑行人员的头盔佩戴情况进行智能检测和自动识别。首先，构建了包括不同地点、不同视角、不同天气、不同时段的骑行者头盔佩戴数据集，为研究奠定基础；随后提出了基于改进YOLOv5的头盔佩戴检测模型，通过改进YOLOv5的多尺度特征融合模块，提升小目标检测效果；引入ECA注意力机制，强化特征图融合效果，显著提升模型检测精度；基于GSConv对Neck部分进行轻量化处理，有效降低模型的检测耗时。实验结果表明，本文算法对骑行者头盔佩戴情况具有良好的检测性能，mAP达到93.2%，相较于原算法提升了1.9%，单张图片检测耗时15.23ms，在保证较高检测速率的同时检测精度更高，具有一定的应用价值。
未佩戴或未正确佩戴头盔将对骑行人员生命安全造成重大威胁，人工督查不但工作量大效率低下，而且难以做到全区域全时段覆盖。本文提出一种基于改进YOLOv5的骑行者头盔佩戴检测方法，通过监控摄像头对骑行人员的头盔佩戴情况进行智能检测和自动识别。首先，构建了包括不同地点、不同视角、不同天气、不同时段的骑行者头盔佩戴数据集，为研究奠定基础；随后提出了基于改进YOLOv5的头盔佩戴检测模型，通过改进YOLOv5的多尺度特征融合模块，提升小目标检测效果；引入ECA注意力机制，强化特征图融合效果，显著提升模型检测精度；基于GSConv对Neck部分进行轻量化处理，有效降低模型的检测耗时。实验结果表明，本文算法对骑行者头盔佩戴情况具有良好的检测性能，mAP达到93.2%，相较于原算法提升了1.9%，单张图片检测耗时15.23ms，在保证较高检测速率的同时检测精度更高，具有一定的应用价值。
摘要：
东南亚地区是中国“一带一路”战略的必经通道，也是我国发展对外经贸的重要节点区域，具有重要的战略地位。研究基于NPP/VIIRS夜间灯光数据，运用重心、标准差椭圆以及莫兰指数等空间分析方法，分析2012年—2021年东南亚国家社会经济发展的时空特征。结果表明:东南亚国家GDP与夜间灯光数据之间存在显著相关性；从东南亚经济发展方向特征来看，东南亚经济重心整体向北迁移，总体经济体量增大，经济发展向区域内聚集，东南亚经济发展方向性愈发明显；从东南亚经济发展空间聚集性特征来看，高高聚集和低低聚集是东南亚经济发展最显著的两种空间聚集特征。高高聚集地区起到了很好的辐射作用，带动周边地区的经济发展，低高聚集区的发展潜力较大。研究时间段内，东南亚北部低低聚集区大幅度减少。
东南亚地区是中国“一带一路”战略的必经通道，也是我国发展对外经贸的重要节点区域，具有重要的战略地位。研究基于NPP/VIIRS夜间灯光数据，运用重心、标准差椭圆以及莫兰指数等空间分析方法，分析2012年—2021年东南亚国家社会经济发展的时空特征。结果表明:东南亚国家GDP与夜间灯光数据之间存在显著相关性；从东南亚经济发展方向特征来看，东南亚经济重心整体向北迁移，总体经济体量增大，经济发展向区域内聚集，东南亚经济发展方向性愈发明显；从东南亚经济发展空间聚集性特征来看，高高聚集和低低聚集是东南亚经济发展最显著的两种空间聚集特征。高高聚集地区起到了很好的辐射作用，带动周边地区的经济发展，低高聚集区的发展潜力较大。研究时间段内，东南亚北部低低聚集区大幅度减少。
摘要：
针对长短期记忆网络(LSTM)在粮食产能预测上存在超参数众多、长时序列信息丢失以及难以区分主次特征的问题,提出一种数据驱动的粮食产能组合预测模型。在超参数部分,通过引入动态权重和拉普拉斯变异的秃鹰算法(WLBES)对LSTM进行超参数寻优,避免了手动调参的过程。在预测部分,利用岭回归(RR)对预测结果进行残差修正,弥补LSTM数据丢失的缺陷；同时加入注意力机制,以权重大小区分主次特征,提升粮食产能相关性较大特征的重要性。研究结果表明,WLBES-LSTM-RR组合模型与LSTM模型和WLBES-LSTM模型相比,均方根误差(RMSE)分别下降了75%、19%,相较于其他优化LSTM的组合模型,RMSE大幅下降,该组合模型在粮食产能预测上具有更高的预测精度。
针对长短期记忆网络(LSTM)在粮食产能预测上存在超参数众多、长时序列信息丢失以及难以区分主次特征的问题,提出一种数据驱动的粮食产能组合预测模型。在超参数部分,通过引入动态权重和拉普拉斯变异的秃鹰算法(WLBES)对LSTM进行超参数寻优,避免了手动调参的过程。在预测部分,利用岭回归(RR)对预测结果进行残差修正,弥补LSTM数据丢失的缺陷；同时加入注意力机制,以权重大小区分主次特征,提升粮食产能相关性较大特征的重要性。研究结果表明,WLBES-LSTM-RR组合模型与LSTM模型和WLBES-LSTM模型相比,均方根误差(RMSE)分别下降了75%、19%,相较于其他优化LSTM的组合模型,RMSE大幅下降,该组合模型在粮食产能预测上具有更高的预测精度。
摘要：
大气污染严重危害居民的出行安全和身体健康，空气质量指数（AQI）是一种用于测量空气质量状况的综合指标，对AQI的预测可以提醒公众空气质量信息，使人们做出更明智的出行决策。通过提前预测空气质量的变化，政府和环保部门可以采取应急措施以减轻空气污染。本文提出基于卷积神经网络和门控循环单元的集成深度学习模型（CNN-GRU）对AQI进行预测。其中，卷积神经网络（CNN）提取污染气体浓度和AQI的时空特征并完成特征映射，门控循环单元（GRU）建模时序关系并高效完成计算。选取2014—2022年北京市和广州市的6种主要污染气体（PM2.5、PM10、SO2、CO、NO2、O3）日平均质量浓度和AQI进行实例研究，使用CNN-GRU模型对AQI进行预测，与多元宇宙优化的广义回归神经网络模型（MVO-GRNN）、遗传算法优化的BP神经网络模型（GA-BP）对AQI的预测进行对比分析。实验结果表明，本文提出的CNN-GRU模型对AQI的预测误差最小。
大气污染严重危害居民的出行安全和身体健康，空气质量指数（AQI）是一种用于测量空气质量状况的综合指标，对AQI的预测可以提醒公众空气质量信息，使人们做出更明智的出行决策。通过提前预测空气质量的变化，政府和环保部门可以采取应急措施以减轻空气污染。本文提出基于卷积神经网络和门控循环单元的集成深度学习模型（CNN-GRU）对AQI进行预测。其中，卷积神经网络（CNN）提取污染气体浓度和AQI的时空特征并完成特征映射，门控循环单元（GRU）建模时序关系并高效完成计算。选取2014—2022年北京市和广州市的6种主要污染气体（PM2.5、PM10、SO2、CO、NO2、O3）日平均质量浓度和AQI进行实例研究，使用CNN-GRU模型对AQI进行预测，与多元宇宙优化的广义回归神经网络模型（MVO-GRNN）、遗传算法优化的BP神经网络模型（GA-BP）对AQI的预测进行对比分析。实验结果表明，本文提出的CNN-GRU模型对AQI的预测误差最小。
摘要：
精准的风速预测是将风能大规模应用到电力系统中的关键，而风速序列的随机性和波动性等特点使得风速预测难度增加。为增强风速序列的可预测性，采用Logistic混沌映射策略、自适应参数调整策略以及引入变异策略对食肉植物算法(CPA)进行改进，并提出了基于误差修正和VMD-ICPA-LSSVM的短期风速预测模型。首先将气象因子作为最小二乘支持向量机(LSSVM)的输入对风速进行预测，获得误差序列。再利用K-L散度自适应地确定变分模态分解(VMD)的参数，并对误差序列进行分解。结合改进食肉植物算法(ICPA)优化LSSVM可调参数的方法来预测分解的子序列。叠加各子序列预测结果后对原始预测序列进行误差修正，进而得到最终风速预测值。实验结果表明，与其他模型相比，该模型有着更好的预测精度和泛化性能。
精准的风速预测是将风能大规模应用到电力系统中的关键，而风速序列的随机性和波动性等特点使得风速预测难度增加。为增强风速序列的可预测性，采用Logistic混沌映射策略、自适应参数调整策略以及引入变异策略对食肉植物算法(CPA)进行改进，并提出了基于误差修正和VMD-ICPA-LSSVM的短期风速预测模型。首先将气象因子作为最小二乘支持向量机(LSSVM)的输入对风速进行预测，获得误差序列。再利用K-L散度自适应地确定变分模态分解(VMD)的参数，并对误差序列进行分解。结合改进食肉植物算法(ICPA)优化LSSVM可调参数的方法来预测分解的子序列。叠加各子序列预测结果后对原始预测序列进行误差修正，进而得到最终风速预测值。实验结果表明，与其他模型相比，该模型有着更好的预测精度和泛化性能。
摘要：
针对传统腕部康复训练方法训练内容枯燥、用户参与训练的积极性低导致训练效率低的问题，设计了一种肌电控制虚拟现实游戏的训练系统。采集腕部运动时的表面肌电信号，并通过肌肉协同原理解码出腕关节运动意图，用于虚拟现实游戏的控制；在虚拟现实游戏中引入随机干扰力，通过阻抗控制的方式实现与虚拟现实环境的交互，使得用户探索不同的运动控制方式。通过模型标定实验，验证了系统的可行性，并且开展了训练实验，通过评估任务的完成时间以及路径效率评估训练效果。实验结果表明，任务的完成时间减少了58%；路径效率提升了49%，所设计的训练系统可以使得用户以更高效方法进行运动控制，提高了训练的效率。
针对传统腕部康复训练方法训练内容枯燥、用户参与训练的积极性低导致训练效率低的问题，设计了一种肌电控制虚拟现实游戏的训练系统。采集腕部运动时的表面肌电信号，并通过肌肉协同原理解码出腕关节运动意图，用于虚拟现实游戏的控制；在虚拟现实游戏中引入随机干扰力，通过阻抗控制的方式实现与虚拟现实环境的交互，使得用户探索不同的运动控制方式。通过模型标定实验，验证了系统的可行性，并且开展了训练实验，通过评估任务的完成时间以及路径效率评估训练效果。实验结果表明，任务的完成时间减少了58%；路径效率提升了49%，所设计的训练系统可以使得用户以更高效方法进行运动控制，提高了训练的效率。
摘要：
面对大规模环境建图要求时，通过使用轻便的机器人群去感知环境，采用多机器人协同SLAM（同步定位与地图构建）方案可以解决在单个机器人SLAM方案下面临的个体成本高昂、全局误差累积、计算量和风险过于集中的问题，有着极强的鲁棒性与稳定性。本文回顾了多机器人协同SLAM的发展历史，介绍了相关的融合算法与融合架构，并从机器学习分类的角度梳理了现有的协同SLAM算法；同时还介绍了未来多机器人SLAM发展的重要方向：深度学习、语义地图与多机器人VSLAM的结合问题，并对未来发展做出了展望。
面对大规模环境建图要求时，通过使用轻便的机器人群去感知环境，采用多机器人协同SLAM（同步定位与地图构建）方案可以解决在单个机器人SLAM方案下面临的个体成本高昂、全局误差累积、计算量和风险过于集中的问题，有着极强的鲁棒性与稳定性。本文回顾了多机器人协同SLAM的发展历史，介绍了相关的融合算法与融合架构，并从机器学习分类的角度梳理了现有的协同SLAM算法；同时还介绍了未来多机器人SLAM发展的重要方向：深度学习、语义地图与多机器人VSLAM的结合问题，并对未来发展做出了展望。
摘要：
针对目前电气化铁路沿线复杂背景下铁路安全区域划分均需采用实际固定标准件为参照物且区域划分范围小等问题，提出一种无需参照物的高速铁路安全区域划分算法。首先基于无人机所采集图像中的相关参数计算出相应的GSD（地面采样间距）参数，然后利用加入ECA-Net模块的DeepLabv3+模型对图像中的轨道进行精确分割。通过边缘检测、开运算、概率霍夫变换等一系列图像处理操作，提取出构成轨道的关键像素点，并运用最小二乘法进行轨道拟合，得出轨道数学表达式。最后，结合数学算法和GSD参数以及轨道数学表达式，完成安全区域的划分。实验结果表明，所提算法测量精度高达90%以上，无需选取固定参照物，适应性强、鲁棒性高，具有较高的实用性和可靠性，为电气化铁路沿线安全管理提供了有效技术支持。
针对目前电气化铁路沿线复杂背景下铁路安全区域划分均需采用实际固定标准件为参照物且区域划分范围小等问题，提出一种无需参照物的高速铁路安全区域划分算法。首先基于无人机所采集图像中的相关参数计算出相应的GSD（地面采样间距）参数，然后利用加入ECA-Net模块的DeepLabv3+模型对图像中的轨道进行精确分割。通过边缘检测、开运算、概率霍夫变换等一系列图像处理操作，提取出构成轨道的关键像素点，并运用最小二乘法进行轨道拟合，得出轨道数学表达式。最后，结合数学算法和GSD参数以及轨道数学表达式，完成安全区域的划分。实验结果表明，所提算法测量精度高达90%以上，无需选取固定参照物，适应性强、鲁棒性高，具有较高的实用性和可靠性，为电气化铁路沿线安全管理提供了有效技术支持。
摘要：
车辆违法停车将会降低道路通行效率,引发交通拥堵和交通事故。传统的车辆违停检测方法参数量大且准确度低。为此,本文提出了一种使用改进的YOLOv5模型和射线法的车辆违停检测方法。首先设计了轻量化的特征提取模块,减少模型参数量；其次在模型中加入注意力机制,从通道维度和空间维度增强模型的特征提取能力,保证模型精度；接着使用混合数据增强丰富数据集样本,提升复杂背景下的检测效果；然后选用EIoU作为损失函数提高模型定位能力。实验表明,改进后的模型均值平均精度达到91.35%,比原始YOLOv5s提升1.01%,并且参数量减少35.79%。最后将改进后模型与射线法结合,在Jetson Xavier NX嵌入式平台的检测速度可以达到约28帧/秒,能够实现实时检测。
车辆违法停车将会降低道路通行效率,引发交通拥堵和交通事故。传统的车辆违停检测方法参数量大且准确度低。为此,本文提出了一种使用改进的YOLOv5模型和射线法的车辆违停检测方法。首先设计了轻量化的特征提取模块,减少模型参数量；其次在模型中加入注意力机制,从通道维度和空间维度增强模型的特征提取能力,保证模型精度；接着使用混合数据增强丰富数据集样本,提升复杂背景下的检测效果；然后选用EIoU作为损失函数提高模型定位能力。实验表明,改进后的模型均值平均精度达到91.35%,比原始YOLOv5s提升1.01%,并且参数量减少35.79%。最后将改进后模型与射线法结合,在Jetson Xavier NX嵌入式平台的检测速度可以达到约28帧/秒,能够实现实时检测。
摘要：
二维材料具有低损耗、超快载流子响应以及宽波段的非线性吸收等特性，并且其层状结构更适合与光电器件结合，在超快光子学和光电器件领域产生了一系列的创新应用。类石墨烯材料已成功在可见、近红外和中远红外波段产生超短脉冲激光。本文综述了基于二维材料的可饱和吸收体在固态激光器中实现调Q以及锁模操作的最新研究进展。首先，介绍了基于二维材料的可饱和吸收体制备方法、可饱和吸收体的吸收机理及非线性吸收特性的测量手段，并总结了基于二维可饱和吸收体的固态激光器在工作波长、输出功率、脉冲宽度等方面的性能，最后对二维材料在先进激光器领域的发展趋势进行了展望。
二维材料具有低损耗、超快载流子响应以及宽波段的非线性吸收等特性，并且其层状结构更适合与光电器件结合，在超快光子学和光电器件领域产生了一系列的创新应用。类石墨烯材料已成功在可见、近红外和中远红外波段产生超短脉冲激光。本文综述了基于二维材料的可饱和吸收体在固态激光器中实现调Q以及锁模操作的最新研究进展。首先，介绍了基于二维材料的可饱和吸收体制备方法、可饱和吸收体的吸收机理及非线性吸收特性的测量手段，并总结了基于二维可饱和吸收体的固态激光器在工作波长、输出功率、脉冲宽度等方面的性能，最后对二维材料在先进激光器领域的发展趋势进行了展望。
摘要：
声呐图像易产生对比度低、分辨率低、边缘失真等问题，所以在去除声呐图像噪声时难以将有效信号与噪声准确分离，从而导致去噪后图像对比度降低，边缘轮廓不清晰，细节丢失严重等问题，对此本文提出一种基于自适应维纳滤波和2D-VMD的声呐图像去噪算法。首先通过二维变分模态分解对含噪图像进行分解，得到一系列不同中心频率的模态分量，利用相关系数和结构相似度筛选出有效的模态分量，并使用自适应维纳滤波处理有效的模态分量，最后将滤波后的模态分量进行重构，从而去除图像中的噪声。实验结果表明: 所提图像去噪算法在相关系数、结构相似度这两项客观数据上为最优结果，峰值信噪比略低于NSST域去噪，综合客观数据与视觉效果，本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳。
声呐图像易产生对比度低、分辨率低、边缘失真等问题，所以在去除声呐图像噪声时难以将有效信号与噪声准确分离，从而导致去噪后图像对比度降低，边缘轮廓不清晰，细节丢失严重等问题，对此本文提出一种基于自适应维纳滤波和2D-VMD的声呐图像去噪算法。首先通过二维变分模态分解对含噪图像进行分解，得到一系列不同中心频率的模态分量，利用相关系数和结构相似度筛选出有效的模态分量，并使用自适应维纳滤波处理有效的模态分量，最后将滤波后的模态分量进行重构，从而去除图像中的噪声。实验结果表明: 所提图像去噪算法在相关系数、结构相似度这两项客观数据上为最优结果，峰值信噪比略低于NSST域去噪，综合客观数据与视觉效果，本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳。
摘要：
针对交通标识在图像中占比小、检测精度低且周围环境复杂等问题，提出一种基于改进YOLOv5s的算法。首先，在主干网络部分添加注意力机制ECA（Efficient Channel Attention，高效通道注意力），增强网络的特征提取能力，有效解决了周围环境复杂的问题；其次，提出HASPP（Hybrid Atrous Spatial Pyramid Pooling,混合空洞空间金字塔池化），增强了网络结合上下文的能力；最后，修改网络中的Neck结构，使高层特征与底层特征有效融合，同时避免了跨卷积层造成的信息丢失。实验结果表明，改进后的算法在交通标识数据集上取得了94.4%的平均检测精度、74.1%的召回率以及94.0%的精确率，较原始算法分别提升了3.6、2.8、3.4个百分点 。
针对交通标识在图像中占比小、检测精度低且周围环境复杂等问题，提出一种基于改进YOLOv5s的算法。首先，在主干网络部分添加注意力机制ECA（Efficient Channel Attention，高效通道注意力），增强网络的特征提取能力，有效解决了周围环境复杂的问题；其次，提出HASPP（Hybrid Atrous Spatial Pyramid Pooling,混合空洞空间金字塔池化），增强了网络结合上下文的能力；最后，修改网络中的Neck结构，使高层特征与底层特征有效融合，同时避免了跨卷积层造成的信息丢失。实验结果表明，改进后的算法在交通标识数据集上取得了94.4%的平均检测精度、74.1%的召回率以及94.0%的精确率，较原始算法分别提升了3.6、2.8、3.4个百分点 。
摘要：
从外卖配送员的角度出发，为解决外卖配送员合理且高效规划外卖配送路径的问题，提出了一种改进蚁群算法。首先通过蚁群算法求解得到初始规划路径，然后通过大规模领域搜索算法优化初始规划路径，将蚁群算法和大规模领域搜索算法结合，提高求解质量。为了验证方法的有效性，对外卖配送过程进行仿真，并且选用不同订单数量场景进行对照分析。根据最优配送方案路线图和目标罚函数的最优值可以得出，改进蚁群算法是有效的，从而证明所提出的改进蚁群算法可以提高外卖配送员外卖配送的效率。本文所提出的方法，不但能够提升配送的智能化水平，还从外卖骑手的角度提出一种更为人性化的配送方法，支持了网络互联外卖平台派送系统的可持续化发展。
从外卖配送员的角度出发，为解决外卖配送员合理且高效规划外卖配送路径的问题，提出了一种改进蚁群算法。首先通过蚁群算法求解得到初始规划路径，然后通过大规模领域搜索算法优化初始规划路径，将蚁群算法和大规模领域搜索算法结合，提高求解质量。为了验证方法的有效性，对外卖配送过程进行仿真，并且选用不同订单数量场景进行对照分析。根据最优配送方案路线图和目标罚函数的最优值可以得出，改进蚁群算法是有效的，从而证明所提出的改进蚁群算法可以提高外卖配送员外卖配送的效率。本文所提出的方法，不但能够提升配送的智能化水平，还从外卖骑手的角度提出一种更为人性化的配送方法，支持了网络互联外卖平台派送系统的可持续化发展。
摘要：
采用GNSS定位的轨道几何状态测量仪在隧道、地铁等GNSS拒止环境中无法工作。由于即使铁路轨道发生变形，其仍然接近设计线形，实际轨道位置与其设计值的差异始终保持在一定范围内。为此，本文结合铁路设计参数与惯导/里程计信息，提出了一种考虑设计姿态辅助IMU/ODO的轨道不平顺检测算法，该方法将设计姿态与惯导解算姿态相结合进行卡尔曼滤波，并使用里程计速度进行航位推算。通过计算实验，分析了轨道设计姿态信息对轨道不平顺检测精度的提升作用。实验结果表明：铁路设计姿态信息能够显著提高轨道不平顺检测精度，所提方法较基于全站仪辅助的动态检测方法，在30m弦轨道不平顺检测精度相当，且整体检测效率较高，满足日常轨道检测的需要。
采用GNSS定位的轨道几何状态测量仪在隧道、地铁等GNSS拒止环境中无法工作。由于即使铁路轨道发生变形，其仍然接近设计线形，实际轨道位置与其设计值的差异始终保持在一定范围内。为此，本文结合铁路设计参数与惯导/里程计信息，提出了一种考虑设计姿态辅助IMU/ODO的轨道不平顺检测算法，该方法将设计姿态与惯导解算姿态相结合进行卡尔曼滤波，并使用里程计速度进行航位推算。通过计算实验，分析了轨道设计姿态信息对轨道不平顺检测精度的提升作用。实验结果表明：铁路设计姿态信息能够显著提高轨道不平顺检测精度，所提方法较基于全站仪辅助的动态检测方法，在30m弦轨道不平顺检测精度相当，且整体检测效率较高，满足日常轨道检测的需要。
摘要：
全球导航卫星系统(Global Navigation Satellite System, GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System, SINS)和视觉传感器优势互补,三者信息融合可获得高精度、无漂移的导航定位信息。针对GNSS/SINS/视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响。进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性。实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法、以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好。能够较大程度提升GNSS/SINS/视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿误差最大值1.71m。绝对位姿误差标准差0.336m,定位精度较高。
全球导航卫星系统(Global Navigation Satellite System, GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System, SINS)和视觉传感器优势互补,三者信息融合可获得高精度、无漂移的导航定位信息。针对GNSS/SINS/视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响。进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性。实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法、以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好。能够较大程度提升GNSS/SINS/视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿误差最大值1.71m。绝对位姿误差标准差0.336m,定位精度较高。
摘要：
随着全球气候变化的不断加剧和城市化的快速发展，极端降雨过程导致的城市积涝灾害愈演愈烈，已成为世界各地许多城市面临的严重挑战. 基于2021年5-8月浙江省诸暨市75个国家自动气象观测站的降雨量数据和典型积水点的积水深度数据，使用深度学习模型长短时记忆网络LSTM（Long Short Term Memory，LSTM）构建降雨量与积水深度的关系模型，提供未来间隔15min的2h内城市积涝水位预报，并与随机森林RF（Random Forest，RF）和人工神经网络ANN（Artificial Neural Network，ANN）模型预报结果进行对比. 预报结果表明，LSTM使用前4h的积水与降雨量资料进行未来2h积水预报的结果最优，均方根误差（RMSE）小于5.6cm，相关系数（CC）在 0.93以上，纳什效率系数（NSE）值在0.86以上，预报效果优于RF和ANN，表明所构建的积水预报人工智能模型具有较好的预报效果.
随着全球气候变化的不断加剧和城市化的快速发展，极端降雨过程导致的城市积涝灾害愈演愈烈，已成为世界各地许多城市面临的严重挑战. 基于2021年5-8月浙江省诸暨市75个国家自动气象观测站的降雨量数据和典型积水点的积水深度数据，使用深度学习模型长短时记忆网络LSTM（Long Short Term Memory，LSTM）构建降雨量与积水深度的关系模型，提供未来间隔15min的2h内城市积涝水位预报，并与随机森林RF（Random Forest，RF）和人工神经网络ANN（Artificial Neural Network，ANN）模型预报结果进行对比. 预报结果表明，LSTM使用前4h的积水与降雨量资料进行未来2h积水预报的结果最优，均方根误差（RMSE）小于5.6cm，相关系数（CC）在 0.93以上，纳什效率系数（NSE）值在0.86以上，预报效果优于RF和ANN，表明所构建的积水预报人工智能模型具有较好的预报效果.
摘要：
复垦土地是重要的后备土地资源,但通常土壤结构差、有机质和养分含量低；增施有机肥是快速提升地力的关键途径,但会造成温室气体如氧化亚氮(N2O)的大量排放。接种具有N2O还原功能的植物根际促生菌(PGPR)不仅能够减少温室气体排放,还能促进作物生长。本研究以一株具有N2O还原功能的PGPR反硝化无色杆菌(Achromobacter denitrificans YSQ030)为供试菌株,明确接种YSQ030对施用有机肥的复垦土壤N2O排放和氮循环关键功能基因的影响。通过设置施用商品有机肥和羊粪有机肥的土壤微宇宙试验,利用气相色谱仪分析接种YSQ030后土壤N2O排放通量,进一步计算累积排放量；在试验结束后分析土壤pH、EC、硝态氮和铵态氮含量,并利用实时荧光定量PRC分析土壤硝化功能基因(AOA amoA和AOB amoA)和反硝化功能基因(nirS、nirK、nosZ I和nosZ II)的丰度。结果显示,施用商品有机肥和羊粪有机肥的土壤中接种YSQ030明显减少复垦土壤N2O排放,减少N2O排放量最大分别达90％和30％。施用商品有机肥处理的N2O排放量远高于施用羊粪有机肥处理,这可能是由于施用商品有机肥的土壤中编码反硝化细菌N2O还原酶基因nosZ I 和非典型反硝化细菌N2O还原酶基因nosZ II基因丰度,相对于施用羊粪有机肥的土壤明显较低。施用商品有机肥均显著降低土壤硝化和反硝化功能基因丰度,而施用羊粪有机肥对土壤硝化和反硝化功能基因丰度大多没有明显影响。本研究表明,接种YSQ030能够减少施用有机肥土壤的N2O排放,将为复垦土壤地力提升和N2O减排提供科学依据,也将为研发新型微生物肥料或生物有机肥提供核心菌种资源。
复垦土地是重要的后备土地资源,但通常土壤结构差、有机质和养分含量低；增施有机肥是快速提升地力的关键途径,但会造成温室气体如氧化亚氮(N2O)的大量排放。接种具有N2O还原功能的植物根际促生菌(PGPR)不仅能够减少温室气体排放,还能促进作物生长。本研究以一株具有N2O还原功能的PGPR反硝化无色杆菌(Achromobacter denitrificans YSQ030)为供试菌株,明确接种YSQ030对施用有机肥的复垦土壤N2O排放和氮循环关键功能基因的影响。通过设置施用商品有机肥和羊粪有机肥的土壤微宇宙试验,利用气相色谱仪分析接种YSQ030后土壤N2O排放通量,进一步计算累积排放量；在试验结束后分析土壤pH、EC、硝态氮和铵态氮含量,并利用实时荧光定量PRC分析土壤硝化功能基因(AOA amoA和AOB amoA)和反硝化功能基因(nirS、nirK、nosZ I和nosZ II)的丰度。结果显示,施用商品有机肥和羊粪有机肥的土壤中接种YSQ030明显减少复垦土壤N2O排放,减少N2O排放量最大分别达90％和30％。施用商品有机肥处理的N2O排放量远高于施用羊粪有机肥处理,这可能是由于施用商品有机肥的土壤中编码反硝化细菌N2O还原酶基因nosZ I 和非典型反硝化细菌N2O还原酶基因nosZ II基因丰度,相对于施用羊粪有机肥的土壤明显较低。施用商品有机肥均显著降低土壤硝化和反硝化功能基因丰度,而施用羊粪有机肥对土壤硝化和反硝化功能基因丰度大多没有明显影响。本研究表明,接种YSQ030能够减少施用有机肥土壤的N2O排放,将为复垦土壤地力提升和N2O减排提供科学依据,也将为研发新型微生物肥料或生物有机肥提供核心菌种资源。
摘要：
跳闸是输电和配电电力系统中普遍存在的故障。近年来为了应对这种故障学术界提出了基于继电保护动作和电气元件动作的保护方法。然而，这些面向电气保护的方法在在跳闸故障处理方面存在滞后性。因此，提前预测跳闸故障对处理隐藏问题和电力恢复起着至关重要的作用。本文提出一种基于多源时序数据的电力系统跳闸故障预测方法，使用LSTM提取多元数据的时间特征，缓解了RNN在长时间序列上的梯度消失问题。模型在三层栅极上添加窥孔连接结构使得单个单元能够查看上一阶段的LSTM单元状态以此强化了网络时序记忆能力。其次，我们使用参数归一化等L2正则措施缓解故障预测中的过拟合问题对结果的影响。最后本文引入支持向量机分类器提高总体模型的泛化能力和鲁棒性。实验数据从中国国家电网的相关机构获得。实验证明与现有的数据挖掘方法相比，本文提出的方法具有分类准确性高的优点。本文在最后部分对实际应用进行了讨论，以证明其在实际场景中的可行性。
跳闸是输电和配电电力系统中普遍存在的故障。近年来为了应对这种故障学术界提出了基于继电保护动作和电气元件动作的保护方法。然而，这些面向电气保护的方法在在跳闸故障处理方面存在滞后性。因此，提前预测跳闸故障对处理隐藏问题和电力恢复起着至关重要的作用。本文提出一种基于多源时序数据的电力系统跳闸故障预测方法，使用LSTM提取多元数据的时间特征，缓解了RNN在长时间序列上的梯度消失问题。模型在三层栅极上添加窥孔连接结构使得单个单元能够查看上一阶段的LSTM单元状态以此强化了网络时序记忆能力。其次，我们使用参数归一化等L2正则措施缓解故障预测中的过拟合问题对结果的影响。最后本文引入支持向量机分类器提高总体模型的泛化能力和鲁棒性。实验数据从中国国家电网的相关机构获得。实验证明与现有的数据挖掘方法相比，本文提出的方法具有分类准确性高的优点。本文在最后部分对实际应用进行了讨论，以证明其在实际场景中的可行性。
摘要：
摘要：传统的干旱监测指数主要考虑单一影响因子，往往无法全面综合反映干旱状况。基于MODIS数据和CLDAS数据，选取多个影响因子和能够直接反映干旱程度的干旱指数作为自变量，以综合气象干旱指数(CI)为因变量，通过梯度提升机(GBM)机器学习算法建立日尺度综合干旱监测模型，并以2015—2018年华北地区干旱为例进行了研究。结果表明模型监测结果与站点CI计算值具有显著的相关性，训练集和测试集决定系数分别达到0.945和0.655，均方根误差(RMSE)分别为0.033和0.082，综合干旱监测模型具有较高的精度。且模型监测与CI监测各月等级一致率均在65%以上，并与标准化降水蒸散指数(SPEI)和土壤相对湿度(RSM)相关系数分别为0.68和0.60，能较好地反映气象干旱和农业干旱状况。典型干旱情况监测表明，综合干旱监测模型综合考虑多种干旱影响因素，能较准确地识别出干旱的发生，表征综合干旱发生状况。
摘要：传统的干旱监测指数主要考虑单一影响因子，往往无法全面综合反映干旱状况。基于MODIS数据和CLDAS数据，选取多个影响因子和能够直接反映干旱程度的干旱指数作为自变量，以综合气象干旱指数(CI)为因变量，通过梯度提升机(GBM)机器学习算法建立日尺度综合干旱监测模型，并以2015—2018年华北地区干旱为例进行了研究。结果表明模型监测结果与站点CI计算值具有显著的相关性，训练集和测试集决定系数分别达到0.945和0.655，均方根误差(RMSE)分别为0.033和0.082，综合干旱监测模型具有较高的精度。且模型监测与CI监测各月等级一致率均在65%以上，并与标准化降水蒸散指数(SPEI)和土壤相对湿度(RSM)相关系数分别为0.68和0.60，能较好地反映气象干旱和农业干旱状况。典型干旱情况监测表明，综合干旱监测模型综合考虑多种干旱影响因素，能较准确地识别出干旱的发生，表征综合干旱发生状况。
摘要：
针对A*算法求解路径轨迹耗时长、内存占用大等问题，本文提出了一种基于自适应步长策略改进A*算法。首先，根据当前点与终点的位置关系，设定寻路方向的优先级顺序，减少不合理方向上的冗余规划计算量。其次，修改到达终点的判断条件，可在轨迹规划时实现路径的跳跃。再次，针对A*算法轨迹规划效率低的问题，提出自适应步长策略。最后，针对内存占用大，以及面对大地图时可能出现的内存溢出问题，提出了八方向搜索法。实验结果表明，相较于原始的A*算法，改进的A*算法在轨迹规划效率上获得了极大的提升，同时内存占用大的问题也得到了很好的解决。
针对A*算法求解路径轨迹耗时长、内存占用大等问题，本文提出了一种基于自适应步长策略改进A*算法。首先，根据当前点与终点的位置关系，设定寻路方向的优先级顺序，减少不合理方向上的冗余规划计算量。其次，修改到达终点的判断条件，可在轨迹规划时实现路径的跳跃。再次，针对A*算法轨迹规划效率低的问题，提出自适应步长策略。最后，针对内存占用大，以及面对大地图时可能出现的内存溢出问题，提出了八方向搜索法。实验结果表明，相较于原始的A*算法，改进的A*算法在轨迹规划效率上获得了极大的提升，同时内存占用大的问题也得到了很好的解决。
摘要：
针对股票预测模型存在时效性和预测功能单一化的问题，本文在长短期记忆网络（Long Short Term Memory，LSTM）的基础上，提出了融合自注意力机制(Self-Attention, SA)和时间卷积网络(Temporal Convolution Network, TCN)的双向长短期记忆(Bi-directional LSTM, BiLSTM)神经网络（BiLSTM-SA-TCN）股票预测模型。BiLSTM-SA-TCN模型中的学习单元和预测单元可以有效学习重要的股票数据，同时能够抓取长时间的依赖信息，输出次日股票收盘价预测值。实验结果表明，BiLSTM-SA-TCN模型在多个股票数据集上均方根误差最小，平均绝对误差最小，拟合度最优，在不同模型的对比实验中BiLSTM-SA-TCN模型泛化能力更高，模型训练效率较高。
针对股票预测模型存在时效性和预测功能单一化的问题，本文在长短期记忆网络（Long Short Term Memory，LSTM）的基础上，提出了融合自注意力机制(Self-Attention, SA)和时间卷积网络(Temporal Convolution Network, TCN)的双向长短期记忆(Bi-directional LSTM, BiLSTM)神经网络（BiLSTM-SA-TCN）股票预测模型。BiLSTM-SA-TCN模型中的学习单元和预测单元可以有效学习重要的股票数据，同时能够抓取长时间的依赖信息，输出次日股票收盘价预测值。实验结果表明，BiLSTM-SA-TCN模型在多个股票数据集上均方根误差最小，平均绝对误差最小，拟合度最优，在不同模型的对比实验中BiLSTM-SA-TCN模型泛化能力更高，模型训练效率较高。
摘要：
风景区是中国最具特色的自然保护地之一,也是旅游资源的主要载体。研究基于全国风景区POI(point of interest)数据和城市建设统计年鉴,综合运用ArcGIS空间分析和 SPSS多元回归统计分析等方法,深度挖掘中国地级以上城市风景旅游资源空间分布特征及其主要影响因素,以期为将来国家公园体系构建、新型城镇化建设和旅游资源优化配置提供参考依据。研究发现：①中国旅游资源呈现出东南强、西北弱的宏观格局,表现出了以主要城市群为核心集中连片分布、A级以上景区带状分布、国家级景区点状分布的空间结构；②旅游资源形成了“山西-湖北-广东”、“内蒙-青海-西藏”和东南沿海三条低质率分布带,而“内蒙-青海-西藏”和东南沿海两条低质率聚集带也表现出了较强的建设优势地位,也从侧面反映出这两条带状集聚区具有较大的风景质量提升潜力。③城市建设规模、城市人口规模、地方政府财政支出、三产发展状况和城市经济发展水平等因素都是城市旅游资源空间差异分布的主要影响因素。
风景区是中国最具特色的自然保护地之一,也是旅游资源的主要载体。研究基于全国风景区POI(point of interest)数据和城市建设统计年鉴,综合运用ArcGIS空间分析和 SPSS多元回归统计分析等方法,深度挖掘中国地级以上城市风景旅游资源空间分布特征及其主要影响因素,以期为将来国家公园体系构建、新型城镇化建设和旅游资源优化配置提供参考依据。研究发现：①中国旅游资源呈现出东南强、西北弱的宏观格局,表现出了以主要城市群为核心集中连片分布、A级以上景区带状分布、国家级景区点状分布的空间结构；②旅游资源形成了“山西-湖北-广东”、“内蒙-青海-西藏”和东南沿海三条低质率分布带,而“内蒙-青海-西藏”和东南沿海两条低质率聚集带也表现出了较强的建设优势地位,也从侧面反映出这两条带状集聚区具有较大的风景质量提升潜力。③城市建设规模、城市人口规模、地方政府财政支出、三产发展状况和城市经济发展水平等因素都是城市旅游资源空间差异分布的主要影响因素。
摘要：
为提高光伏电站辐照度预测的准确性和可靠性，该文提出一种基于改进Stacking集成学习与误差修正的短期辐照度预测模型。首先，利用梯度提升决策树（gradient boosting decision tree，GBDT）对原始数据集进行特征筛选，清除冗余特征，提高预测精度和运算效率；然后建立改进Stacking辐照度预测模型，根据K折交叉验证下初级层不同预测模型所表现出预测准确度的差异性，对预测结果进行赋权，并对Stacking第一层输入第二层的训练集数据采用Box-Cox变换处理，以提高预测的正态性和同方差性。最后提取历史预测误差数据，采用随机森林（random forest，RF）构造误差模型，进一步提高预测精度。实验结果表明，该模型相比传统模型和经典Stacking模型其预测性能有了较大的提升。
为提高光伏电站辐照度预测的准确性和可靠性，该文提出一种基于改进Stacking集成学习与误差修正的短期辐照度预测模型。首先，利用梯度提升决策树（gradient boosting decision tree，GBDT）对原始数据集进行特征筛选，清除冗余特征，提高预测精度和运算效率；然后建立改进Stacking辐照度预测模型，根据K折交叉验证下初级层不同预测模型所表现出预测准确度的差异性，对预测结果进行赋权，并对Stacking第一层输入第二层的训练集数据采用Box-Cox变换处理，以提高预测的正态性和同方差性。最后提取历史预测误差数据，采用随机森林（random forest，RF）构造误差模型，进一步提高预测精度。实验结果表明，该模型相比传统模型和经典Stacking模型其预测性能有了较大的提升。
摘要：
普适边缘计算允许对等设备之间建立独立通信连接，能帮助用户以较低的时延处理海量的计算任务。然而，分散的设备中不能实时获取到网络的全局系统状态，无法保证设备资源利用的公平性。针对该问题，提出了一种基于生成对抗网络（Generative Adversarial Network，GAN）的普适边缘计算资源分配方案。该方案首先基于最小化时延与能耗建立多目标优化问题，然后根据随机博弈理论将优化问题转化为最大奖励问题，接着提出一种基于多代理模仿学习的计算卸载算法，该算法将多代理生成对抗模仿学习（GAIL）和马尔可夫策略（Markov Cecision Process，MDP）相结合以逼近专家性能，实现了算法的在线执行，最后结合非支配排序遗传算法II（Non-dominated Sorting Genetic Algorithm II, NSGA-II）多目标优化算法，对时延和能耗进行了联合优化。仿真结果表明，所提出解决方案与其他边缘计算资源分配方案相比，时延缩短了30.8%，能耗降低了34.3%。
普适边缘计算允许对等设备之间建立独立通信连接，能帮助用户以较低的时延处理海量的计算任务。然而，分散的设备中不能实时获取到网络的全局系统状态，无法保证设备资源利用的公平性。针对该问题，提出了一种基于生成对抗网络（Generative Adversarial Network，GAN）的普适边缘计算资源分配方案。该方案首先基于最小化时延与能耗建立多目标优化问题，然后根据随机博弈理论将优化问题转化为最大奖励问题，接着提出一种基于多代理模仿学习的计算卸载算法，该算法将多代理生成对抗模仿学习（GAIL）和马尔可夫策略（Markov Cecision Process，MDP）相结合以逼近专家性能，实现了算法的在线执行，最后结合非支配排序遗传算法II（Non-dominated Sorting Genetic Algorithm II, NSGA-II）多目标优化算法，对时延和能耗进行了联合优化。仿真结果表明，所提出解决方案与其他边缘计算资源分配方案相比，时延缩短了30.8%，能耗降低了34.3%。
摘要：
本文通过水热法合成Ni2P/g-C3N4/ZnIn2S4三元复合材料(CNZ)，并通过光还原CO2性能测试来评价其催化性能。采用XRD、SEM、TEM、XPS、UV-vis、EIS、PL等表征手段对所有复合比例样品的形貌、晶体结构、表面元素化学态、能带结构和光电性能进行分析，结果表明通过晶面工程成功构建了界面紧密接触的异质结结构，同时Ni2P和g-C3N4的引入可有效改善复合材料的能带结构，缩短电荷传输距离并有效抑制光生载流子的复合率。因此，相较于g-C3N4和g-C3N4/ZnIn2S4复合材料（CZ），三元CNZ复合材料呈现出更高的催化性能，其中CNZ5（Ni2P:g-C3N4:ZnIn2S4=1:5:7）具有最佳的光催化还原CO2活性，其甲烷、甲醇和甲酸的产率分别达到114.72 μmol·h?1·g?1、17.38 μmol·h?1·g?1和20.15 μmol·h?1·g?1。此外，采用in-situ DRIFTS测试推导出光还原CO2机理，反应过程中的还原中间体为HCO3-与HCOOH。
本文通过水热法合成Ni2P/g-C3N4/ZnIn2S4三元复合材料(CNZ)，并通过光还原CO2性能测试来评价其催化性能。采用XRD、SEM、TEM、XPS、UV-vis、EIS、PL等表征手段对所有复合比例样品的形貌、晶体结构、表面元素化学态、能带结构和光电性能进行分析，结果表明通过晶面工程成功构建了界面紧密接触的异质结结构，同时Ni2P和g-C3N4的引入可有效改善复合材料的能带结构，缩短电荷传输距离并有效抑制光生载流子的复合率。因此，相较于g-C3N4和g-C3N4/ZnIn2S4复合材料（CZ），三元CNZ复合材料呈现出更高的催化性能，其中CNZ5（Ni2P:g-C3N4:ZnIn2S4=1:5:7）具有最佳的光催化还原CO2活性，其甲烷、甲醇和甲酸的产率分别达到114.72 μmol·h?1·g?1、17.38 μmol·h?1·g?1和20.15 μmol·h?1·g?1。此外，采用in-situ DRIFTS测试推导出光还原CO2机理，反应过程中的还原中间体为HCO3-与HCOOH。
摘要：
本文采用简单的水热法制备m-Bi2O4.采用XRD、XPS、SEM、TEM、UV-vis DRS、PFM等表征手段对样品结构、形貌、表面价态以及压电光催化性能进行分析.以磺胺甲基嘧啶(SM)为模拟污染物,测试了材料的压电光催化活性.结果表明,与BaTiO3和BiOCl相比,m-Bi2O4表现出了较高的催化性能.在压电光协同作用60 min后,对SM的降解效率高达96.46%.通过改变光的波长条件,证实m-Bi2O4在光能减弱条件下仍具有较高的催化活性.此外通过活性自由基捕获实验证实反应体系中产生了高氧化活性的超氧自由基以及少量羟基自由基和单线态氧,并提出了一种可能的压电光催化机理.
本文采用简单的水热法制备m-Bi2O4.采用XRD、XPS、SEM、TEM、UV-vis DRS、PFM等表征手段对样品结构、形貌、表面价态以及压电光催化性能进行分析.以磺胺甲基嘧啶(SM)为模拟污染物,测试了材料的压电光催化活性.结果表明,与BaTiO3和BiOCl相比,m-Bi2O4表现出了较高的催化性能.在压电光协同作用60 min后,对SM的降解效率高达96.46%.通过改变光的波长条件,证实m-Bi2O4在光能减弱条件下仍具有较高的催化活性.此外通过活性自由基捕获实验证实反应体系中产生了高氧化活性的超氧自由基以及少量羟基自由基和单线态氧,并提出了一种可能的压电光催化机理.
摘要：
为改善樽海鞘群算法（SSA）收敛性能差，容易陷入局部最优的问题，提出了多策略融合的黄金正弦樽海鞘群算法（MGSSA）。首先，采用选择反向学习策略对种群中完全偏离最优个体寻优方向的个体计算选择反向解，改善种群质量。之后在跟随者位置更新阶段加入最优个体和精英均值个体引导，以加快算法收敛速度。最后根据概率选择黄金正弦算法变异策略，进一步改善解的质量，同时便于算法后期跳出局部最优。本研究在14个基准测试函数上进行实验，与其他群智能优化算法和新进改进樽海鞘群算法对比，将其应用于拉压弹簧设计问题测试解决工程优化问题的性能。结果表明：MGSSA具有较高的收敛精度和稳定性，在求解工程问题时性能良好。
为改善樽海鞘群算法（SSA）收敛性能差，容易陷入局部最优的问题，提出了多策略融合的黄金正弦樽海鞘群算法（MGSSA）。首先，采用选择反向学习策略对种群中完全偏离最优个体寻优方向的个体计算选择反向解，改善种群质量。之后在跟随者位置更新阶段加入最优个体和精英均值个体引导，以加快算法收敛速度。最后根据概率选择黄金正弦算法变异策略，进一步改善解的质量，同时便于算法后期跳出局部最优。本研究在14个基准测试函数上进行实验，与其他群智能优化算法和新进改进樽海鞘群算法对比，将其应用于拉压弹簧设计问题测试解决工程优化问题的性能。结果表明：MGSSA具有较高的收敛精度和稳定性，在求解工程问题时性能良好。
摘要：
针对智能制造工程专业多学科交叉融合特点,开展了基于3D视觉的工业机器人分拣实验系统研究与设计。采用Kinect相机、工业机器人、PC机、末端执行器搭建了系统硬件实验平台,研究了采用支持向量机算法识别目标物体,针对待识别物体是否重叠相互遮挡设计了基于霍夫变换计算物体中心点位置及基于点云配准的位姿估计定位策略,在上位机交互界面引导下完成机器人分拣系列实验。实验结果表明：该系统能够准确识别快速稳定分拣出特定形状和颜色的目标物体,实验内容涉及机器人、机器学习、图像处理、软硬件设计等多门课程知识与技术,综合性强、开放性好,为智能制造工程专业实验室建设提供了一种综合性创新型实践平台。
针对智能制造工程专业多学科交叉融合特点,开展了基于3D视觉的工业机器人分拣实验系统研究与设计。采用Kinect相机、工业机器人、PC机、末端执行器搭建了系统硬件实验平台,研究了采用支持向量机算法识别目标物体,针对待识别物体是否重叠相互遮挡设计了基于霍夫变换计算物体中心点位置及基于点云配准的位姿估计定位策略,在上位机交互界面引导下完成机器人分拣系列实验。实验结果表明：该系统能够准确识别快速稳定分拣出特定形状和颜色的目标物体,实验内容涉及机器人、机器学习、图像处理、软硬件设计等多门课程知识与技术,综合性强、开放性好,为智能制造工程专业实验室建设提供了一种综合性创新型实践平台。
摘要：
车辆高速转向时，车身向弯道外侧倾斜，严重时会导致侧翻事故。针对此问题，开展了提高车辆转向稳定性的车身主动侧倾控制研究。建立了考虑横摆和侧倾运动的六自由度车辆动力学模型；确定了车辆在转向运动时的期望侧倾角，并以此为控制目标设计主动侧倾控制器，使车身实际侧倾角逼近期望侧倾角；在不同行驶工况下，仿真研究了车身侧倾角、乘员感知加速度和横向载荷转移率，并考察了实现主动侧倾控制所需的主动悬架功耗和由主动侧倾引起的悬架动挠度变化。研究表明，主动侧倾控制能实现车辆转向时实际侧倾角迅速逼近期望侧倾角，且在复杂行驶工况下依然能使车辆具有良好的行驶稳定性；主动侧倾控制减小了悬架的动挠度峰值，使乘员感知侧向加速度和横向载荷转移率都能快速接近零值，且实现主动侧倾的主动悬架功耗较小，保证了车辆的经济性能。
车辆高速转向时，车身向弯道外侧倾斜，严重时会导致侧翻事故。针对此问题，开展了提高车辆转向稳定性的车身主动侧倾控制研究。建立了考虑横摆和侧倾运动的六自由度车辆动力学模型；确定了车辆在转向运动时的期望侧倾角，并以此为控制目标设计主动侧倾控制器，使车身实际侧倾角逼近期望侧倾角；在不同行驶工况下，仿真研究了车身侧倾角、乘员感知加速度和横向载荷转移率，并考察了实现主动侧倾控制所需的主动悬架功耗和由主动侧倾引起的悬架动挠度变化。研究表明，主动侧倾控制能实现车辆转向时实际侧倾角迅速逼近期望侧倾角，且在复杂行驶工况下依然能使车辆具有良好的行驶稳定性；主动侧倾控制减小了悬架的动挠度峰值，使乘员感知侧向加速度和横向载荷转移率都能快速接近零值，且实现主动侧倾的主动悬架功耗较小，保证了车辆的经济性能。
摘要：
为了准确分析云计算集群日常监控中KPI数据的动态和变化趋势,并预测后续发展,达到提高云计算集群高可用性的目标,本文提出三分频的基于组合注意力模型的EAAT云KPI数据预测方法。首先基于经验小波变换(简称EWT)得到云KPI数据低中高频的内在模态变量(简称IMFs)降低数据预测的复杂程度。其次,根据分解得到的低中高频IMFs信息特征,分别运用ARIMA、Autoformer,、TPA-BiLSTM模型对每类IMFs进行预测。最后,将分类预测后结果,经过逆变换IEWT加以合并得出预测结果。本文预测方法在谷歌和亚马逊的4个数据集上得到了验证,无论数据是否具有周期性或者稳定性,本文预测方法都有较好的结果,综合效果比单个模型有较大提升,比已有的EWT-IF-LSTM模型在谷歌数据集上的均方根误差最大降低了11.26%。
为了准确分析云计算集群日常监控中KPI数据的动态和变化趋势,并预测后续发展,达到提高云计算集群高可用性的目标,本文提出三分频的基于组合注意力模型的EAAT云KPI数据预测方法。首先基于经验小波变换(简称EWT)得到云KPI数据低中高频的内在模态变量(简称IMFs)降低数据预测的复杂程度。其次,根据分解得到的低中高频IMFs信息特征,分别运用ARIMA、Autoformer,、TPA-BiLSTM模型对每类IMFs进行预测。最后,将分类预测后结果,经过逆变换IEWT加以合并得出预测结果。本文预测方法在谷歌和亚马逊的4个数据集上得到了验证,无论数据是否具有周期性或者稳定性,本文预测方法都有较好的结果,综合效果比单个模型有较大提升,比已有的EWT-IF-LSTM模型在谷歌数据集上的均方根误差最大降低了11.26%。
摘要：
过氧化氢（H2O2）是一种环境友好的高效氧化剂，被广泛应用于医疗、半导体芯片等行业。利用氧还原法（ORR）电化学合成过氧化氢替代传统蒽醌法极具潜力。为了实现这一工艺的商业化，开发具有高活性、高选择性和长期稳定性的2e- ORR电催化剂迫在眉睫。本文系统的介绍了目前已有金属与非金属类催化剂的研究历程，特别强调表面基团调控策略，并解析了其对还原过程中间体键位结合强度及电子转移路径的影响。重点阐述电子和几何效应、配位杂原子掺杂和非金属基材料活性位点等关键问题，突出了适当的介观结构工程和动力学策略可进一步优化现有催化剂的催化活性和H2O2选择性。最后，指出了非金属催化剂活性中心的探索、电解质环境对催化剂的影响及较大输出功率工业设备的设计等方面的挑战，并对电催化合成过氧化氢领域的发展方向提出了展望。
过氧化氢（H2O2）是一种环境友好的高效氧化剂，被广泛应用于医疗、半导体芯片等行业。利用氧还原法（ORR）电化学合成过氧化氢替代传统蒽醌法极具潜力。为了实现这一工艺的商业化，开发具有高活性、高选择性和长期稳定性的2e- ORR电催化剂迫在眉睫。本文系统的介绍了目前已有金属与非金属类催化剂的研究历程，特别强调表面基团调控策略，并解析了其对还原过程中间体键位结合强度及电子转移路径的影响。重点阐述电子和几何效应、配位杂原子掺杂和非金属基材料活性位点等关键问题，突出了适当的介观结构工程和动力学策略可进一步优化现有催化剂的催化活性和H2O2选择性。最后，指出了非金属催化剂活性中心的探索、电解质环境对催化剂的影响及较大输出功率工业设备的设计等方面的挑战，并对电催化合成过氧化氢领域的发展方向提出了展望。
摘要：
针对多智能体系统中的分布式凸优化问题，本文提出了一种基于自适应事件触发机制的零梯度和优化算法。基于虚拟时钟设计了一种自适应事件触发条件，当每个智能体的虚拟时钟满足该条件时才触发条件，有效的降低了控制器的更新次数和系统的通信负担。通过构造李雅普诺夫函数证明了在该算法下，所有智能体的状态能渐进收敛到全局最优解。此外，所设计的事件触发条件使得最小事件触发间隔时间可设计，有效的排除Zeno行为。最后，通过仿真结果验证了该算法的有效性。
针对多智能体系统中的分布式凸优化问题，本文提出了一种基于自适应事件触发机制的零梯度和优化算法。基于虚拟时钟设计了一种自适应事件触发条件，当每个智能体的虚拟时钟满足该条件时才触发条件，有效的降低了控制器的更新次数和系统的通信负担。通过构造李雅普诺夫函数证明了在该算法下，所有智能体的状态能渐进收敛到全局最优解。此外，所设计的事件触发条件使得最小事件触发间隔时间可设计，有效的排除Zeno行为。最后，通过仿真结果验证了该算法的有效性。
摘要：
为有效指导农业温室气体减排政策的制定，本研究分别采用CH4MOD模型和排放因子法估算了2018年长三角地区农作物甲烷（CH4）和氧化亚氮（N2O）排放，并分析其时空分布规律，最终建立了2018年长三角地区农作物1km×1km网格化温室气体排放清单。研究结果表明：长三角稻田CH4排放因子为348.54 kg/hm2，农作物N2O排放因子为0.95 kg/hm2，与前人研究结果具有一致性。长三角地区稻田CH4排放为176.9万吨（折合约3714.9万吨二氧化碳（CO2）当量），最主要排放源为单季稻稻田；农作物N2O排放为15114.9吨（折合约450.4万吨CO2当量），小麦是主要贡献源。CH4和N2O排放均主要来源于江苏和安徽省，且集中在4-8月份。建议加强对农业温室气体排放的管控，从源头上减少农田碳氮源的输入。
为有效指导农业温室气体减排政策的制定，本研究分别采用CH4MOD模型和排放因子法估算了2018年长三角地区农作物甲烷（CH4）和氧化亚氮（N2O）排放，并分析其时空分布规律，最终建立了2018年长三角地区农作物1km×1km网格化温室气体排放清单。研究结果表明：长三角稻田CH4排放因子为348.54 kg/hm2，农作物N2O排放因子为0.95 kg/hm2，与前人研究结果具有一致性。长三角地区稻田CH4排放为176.9万吨（折合约3714.9万吨二氧化碳（CO2）当量），最主要排放源为单季稻稻田；农作物N2O排放为15114.9吨（折合约450.4万吨CO2当量），小麦是主要贡献源。CH4和N2O排放均主要来源于江苏和安徽省，且集中在4-8月份。建议加强对农业温室气体排放的管控，从源头上减少农田碳氮源的输入。
摘要：
精确地预测极端天气下的风速能为配电网防灾抗灾提供重要的指导作用。本文提出基于时间卷积网络（Temporal Convolutional Networks,TCN）与双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)和误差修正的组合模型对极端天气下的风速进行预测。首先对天气数据进行预处理，用TCN提取多特征数据的时间序列特性，将提取信息输入到BiLSTM中进行风速预测。为进一步提高预测精度，引入变分模态分解(Variational Mode Decomposition,VMD)对误差序列进行分解，分别对分解后的误差子序列构建BiLSTM模型进行误差预测，用误差预测值对风速预测值进行误差修正。结合河南省某地实测天气数据进行实验，仿真结果验证了所提方法能有效预测风速，并在极端天气发生时，对风速具有较高的预测精度。
精确地预测极端天气下的风速能为配电网防灾抗灾提供重要的指导作用。本文提出基于时间卷积网络（Temporal Convolutional Networks,TCN）与双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)和误差修正的组合模型对极端天气下的风速进行预测。首先对天气数据进行预处理，用TCN提取多特征数据的时间序列特性，将提取信息输入到BiLSTM中进行风速预测。为进一步提高预测精度，引入变分模态分解(Variational Mode Decomposition,VMD)对误差序列进行分解，分别对分解后的误差子序列构建BiLSTM模型进行误差预测，用误差预测值对风速预测值进行误差修正。结合河南省某地实测天气数据进行实验，仿真结果验证了所提方法能有效预测风速，并在极端天气发生时，对风速具有较高的预测精度。
摘要：
微表情是人们试图隐藏自己真实情绪时不由自主泄露出来的面部表情，是近年来情感计算领域的热点研究领域。但由于微表情的持续时间短、强度低，使得微表情识别是一项具有挑战性的任务。基于CrossViT在图像分类领域的优异性能，本文将CrossViT作为主干网络，对网络中的交叉注意力机制进行改进，提出了DA模块(Dual Attention)以扩展传统交叉注意力机制，确定注意力结果之间的相关性，从而提升了微表情识别精度。本网络从三个光流特征(即光学应变、水平和垂直光流场)中学习，这些特征是由每个微表情序列的起始帧和峰值帧计算得出，最后通过Softmax进行微表情分类。在微表情融合数据集上，UF1和UAR分别达到了0.7275和0.7272，识别精度优于微表情领域的主流算法，表明本文所提出网络的有效性。
微表情是人们试图隐藏自己真实情绪时不由自主泄露出来的面部表情，是近年来情感计算领域的热点研究领域。但由于微表情的持续时间短、强度低，使得微表情识别是一项具有挑战性的任务。基于CrossViT在图像分类领域的优异性能，本文将CrossViT作为主干网络，对网络中的交叉注意力机制进行改进，提出了DA模块(Dual Attention)以扩展传统交叉注意力机制，确定注意力结果之间的相关性，从而提升了微表情识别精度。本网络从三个光流特征(即光学应变、水平和垂直光流场)中学习，这些特征是由每个微表情序列的起始帧和峰值帧计算得出，最后通过Softmax进行微表情分类。在微表情融合数据集上，UF1和UAR分别达到了0.7275和0.7272，识别精度优于微表情领域的主流算法，表明本文所提出网络的有效性。
摘要：
针对小区接入充电桩无序充放电加大负荷峰谷差率和用户成本的问题,提出一种储能式充电桩有序充放电优化运行策略。该优化策略在降低峰谷差率的前提下,以用户充电成本最低和充电桩利润最高为优化目标。选取典型日建立充电桩优化充放电调度模型,通过改进多目标粒子群优化算法进行求解,结合分时电价调整储能式充电桩的充放电功率。实验数据结果表明,该改进方法可有效提高算法收敛速度,更好地处理多目标问题,在储能调度上降低典型负荷峰谷差率55%,比原有算法优化了36%,能合理分配充电桩在谷时段储存电力资源,降低用户充电费用20%-30%,提高充电桩收益,实现电网、用户和充电桩三方共赢的目的。
针对小区接入充电桩无序充放电加大负荷峰谷差率和用户成本的问题,提出一种储能式充电桩有序充放电优化运行策略。该优化策略在降低峰谷差率的前提下,以用户充电成本最低和充电桩利润最高为优化目标。选取典型日建立充电桩优化充放电调度模型,通过改进多目标粒子群优化算法进行求解,结合分时电价调整储能式充电桩的充放电功率。实验数据结果表明,该改进方法可有效提高算法收敛速度,更好地处理多目标问题,在储能调度上降低典型负荷峰谷差率55%,比原有算法优化了36%,能合理分配充电桩在谷时段储存电力资源,降低用户充电费用20%-30%,提高充电桩收益,实现电网、用户和充电桩三方共赢的目的。
摘要：
电动车上路必须佩戴安全头盔已成为交管部门的强制性规定，为了能自动检测出电动车骑行者的头盔佩戴情况，提出了一种基于改进的YOLOv5m模型的头盔与车牌检测方法，在检测出骑行者未佩戴头盔的同时还能检测出电动车车牌，用于对违规者进行追责。模型使用自建电动车骑行者头盔与车牌检测数据集进行训练，用DIOU损失函数代替GIOU损失函数，DIOU_NMS代替加权NMS，增强模型对密集骑行场景的识别能力，同时在Backone部位与预测中小目标的Neck部位加入ECA注意力机制，使得模型对中小目标的识别率有所提高,接着，用Kmeans算法对锚框尺寸重新进行聚类，最后，改进Mosaic数据增强方式。实验结果表明：改进的 YOLOv5m 电动车骑行者头盔与车牌检测模型的 mAP 为 92.7%，较原 YOLOv5m 模型提高 2.15%，较 YOLOv4-tiny、Faster RCNN 模型分别提高 5.7%与 6.9%。改进后的 YOLOv5m 模型能有效提高对头盔与车牌的识别率。
电动车上路必须佩戴安全头盔已成为交管部门的强制性规定，为了能自动检测出电动车骑行者的头盔佩戴情况，提出了一种基于改进的YOLOv5m模型的头盔与车牌检测方法，在检测出骑行者未佩戴头盔的同时还能检测出电动车车牌，用于对违规者进行追责。模型使用自建电动车骑行者头盔与车牌检测数据集进行训练，用DIOU损失函数代替GIOU损失函数，DIOU_NMS代替加权NMS，增强模型对密集骑行场景的识别能力，同时在Backone部位与预测中小目标的Neck部位加入ECA注意力机制，使得模型对中小目标的识别率有所提高,接着，用Kmeans算法对锚框尺寸重新进行聚类，最后，改进Mosaic数据增强方式。实验结果表明：改进的 YOLOv5m 电动车骑行者头盔与车牌检测模型的 mAP 为 92.7%，较原 YOLOv5m 模型提高 2.15%，较 YOLOv4-tiny、Faster RCNN 模型分别提高 5.7%与 6.9%。改进后的 YOLOv5m 模型能有效提高对头盔与车牌的识别率。
摘要：
影响股价的因素错综复杂，因此本文在考虑多变量情形下，对时间序列中常用的长短期记忆网络（LSTM）进行修正，并选取股票价格进行预测。首先，采用方差膨胀因子（VIF）进行变量的筛选，再结合自适应提升法（Adaboost）模型查看特征变量的重要程度。其次，用爬虫对投资者情绪进行文本分析，计算情绪指数等指标并揭示其与股价的关系。然后，对格力电器、飞科电器、美的集团三种不同股价进行预测，对比多层感知器（MPL）模型、LSTM模型，并选择适当的模型作为基准模型，在基准模型的基础上加上情绪指数、投资者关注度等指标构建了LSTM-EM模型。进一步，在考虑了投资者情绪后对残差项使用GM（1,1）模型进行修正。实证结果表明，该模型能对股价进行较为精确的预测。
影响股价的因素错综复杂，因此本文在考虑多变量情形下，对时间序列中常用的长短期记忆网络（LSTM）进行修正，并选取股票价格进行预测。首先，采用方差膨胀因子（VIF）进行变量的筛选，再结合自适应提升法（Adaboost）模型查看特征变量的重要程度。其次，用爬虫对投资者情绪进行文本分析，计算情绪指数等指标并揭示其与股价的关系。然后，对格力电器、飞科电器、美的集团三种不同股价进行预测，对比多层感知器（MPL）模型、LSTM模型，并选择适当的模型作为基准模型，在基准模型的基础上加上情绪指数、投资者关注度等指标构建了LSTM-EM模型。进一步，在考虑了投资者情绪后对残差项使用GM（1,1）模型进行修正。实证结果表明，该模型能对股价进行较为精确的预测。
摘要：
为了提高短期风向的预测精度，提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)、卷积神经网络(Convolutional Neural Network，CNN)和门控循环单元网络(Gated Recurrent Unit，GRU)的混合模型：EEMD-CNN-GRU。针对风向序列的随机性和不平稳性等特点，先利用EEMD将数据分解成多个分量；再运用CNN的局部连接和权值共享来提取分量中的潜在特征；最后，使用GRU对CNN所提取的潜在特征进一步构建特征，叠加各分量的预测值，得到最终预测结果。实验结果表明：相对于BP神经网络和长短期记忆网络（Long Short-Term Memory，LSTM）等其它模型，所提出的预测方法取得了良好的性能。
为了提高短期风向的预测精度，提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)、卷积神经网络(Convolutional Neural Network，CNN)和门控循环单元网络(Gated Recurrent Unit，GRU)的混合模型：EEMD-CNN-GRU。针对风向序列的随机性和不平稳性等特点，先利用EEMD将数据分解成多个分量；再运用CNN的局部连接和权值共享来提取分量中的潜在特征；最后，使用GRU对CNN所提取的潜在特征进一步构建特征，叠加各分量的预测值，得到最终预测结果。实验结果表明：相对于BP神经网络和长短期记忆网络（Long Short-Term Memory，LSTM）等其它模型，所提出的预测方法取得了良好的性能。
摘要：
针对超级电容传统静态参数等效电路模型不能有效反映其动态工作特性问题,提出一种包含动态充放电内阻和电容参数的二阶梯形等效电路模型,利用递推最小二乘法对二阶梯形等效电路模型参数进行初步离线辨识。进一步,考虑超级电容参数的动态变化,将离线辨识模型参数作为初值,引入带遗忘因子的递推最小二乘法对动态参数进行实时辨识。搭建超级电容仿真模型和实验测试平台,通过仿真和实验结果对比验证动态参数二阶梯形等效电路模型和实时辨识方法的有效性和准确性。结果表明：动态参数二阶梯形等效电路模型可以有效反映超级电容的动态充放电工作特性,与传统静态参数的三分支等效电路模型和二阶梯形等效电路模型相比,模型的精度分别提高2.08%和3.56%以上。
针对超级电容传统静态参数等效电路模型不能有效反映其动态工作特性问题,提出一种包含动态充放电内阻和电容参数的二阶梯形等效电路模型,利用递推最小二乘法对二阶梯形等效电路模型参数进行初步离线辨识。进一步,考虑超级电容参数的动态变化,将离线辨识模型参数作为初值,引入带遗忘因子的递推最小二乘法对动态参数进行实时辨识。搭建超级电容仿真模型和实验测试平台,通过仿真和实验结果对比验证动态参数二阶梯形等效电路模型和实时辨识方法的有效性和准确性。结果表明：动态参数二阶梯形等效电路模型可以有效反映超级电容的动态充放电工作特性,与传统静态参数的三分支等效电路模型和二阶梯形等效电路模型相比,模型的精度分别提高2.08%和3.56%以上。
摘要：
为了降低2m气温传统数值预报模型（GRAPES_GFS）的预测值和观测值之间的高偏差，提高预测精度。本文结合气象数值模式（GRAPES_GFS）格点资料以及对应的观测资料，提出了一种基于卷积长短时记忆网络（ConvLSTM）并结合注意力机制的2m气温预报订正模型。该模型主要包括以下步骤：首先，由局部特征提取模块提取输入数据的局部浅层特征。其次，将提取到的特征图输入特征注意力模块，对数据的不同通道维度与不同空间维度赋予不同的权重，抑制与2m气温相关性低的气象要素的权重，实现对2m气温数据中高温地区的局部增强。最后，采用ConvLSTM网络捕获数据时间维度特征，同时输出预报订正结果。实验结果表明：该模型在时效为12-36小时的2m气温预报中，与GRAPES_GFS模式预报结果相比，各项数值评价指标均有改善，皮尔森相关系数从0.5左右提升到0.88左右，均方根误差从1.74-2.06℃降低到0.9-1.1℃，平均绝对误差从1.36-1.64℃降低到0.7-0.84℃；同时与主流订正模型相比，该模型也取得了较好的订正效果。
为了降低2m气温传统数值预报模型（GRAPES_GFS）的预测值和观测值之间的高偏差，提高预测精度。本文结合气象数值模式（GRAPES_GFS）格点资料以及对应的观测资料，提出了一种基于卷积长短时记忆网络（ConvLSTM）并结合注意力机制的2m气温预报订正模型。该模型主要包括以下步骤：首先，由局部特征提取模块提取输入数据的局部浅层特征。其次，将提取到的特征图输入特征注意力模块，对数据的不同通道维度与不同空间维度赋予不同的权重，抑制与2m气温相关性低的气象要素的权重，实现对2m气温数据中高温地区的局部增强。最后，采用ConvLSTM网络捕获数据时间维度特征，同时输出预报订正结果。实验结果表明：该模型在时效为12-36小时的2m气温预报中，与GRAPES_GFS模式预报结果相比，各项数值评价指标均有改善，皮尔森相关系数从0.5左右提升到0.88左右，均方根误差从1.74-2.06℃降低到0.9-1.1℃，平均绝对误差从1.36-1.64℃降低到0.7-0.84℃；同时与主流订正模型相比，该模型也取得了较好的订正效果。
摘要：
针对卷积神经网络在图像修复过程中难以兼顾修复结果的局部细节和全局语义一致性问题，以生成对抗网络为基础，提出一种多尺度语义学习的编解码人脸图像修复模型。首先，将人脸图像用门控卷积分解为具有不同大小的感受野和特征分辨率的分量，用不同尺寸的卷积核提取多尺度特征，通过提取合适的局部特征来提升修复结果的细节；其次，将提取的多尺度特征输入至语义学习模块，从通道和空间两个角度学习特征之间的语义关系，从而增强修复结果的全局一致性；最后，引入跳跃连接将编码端的特征补充到解码端中减少采样造成的细节信息损失，改善修复结果的纹理细节。在CelebA-HQ人脸数据集上进行实验，结果表明提出的模型在峰值信噪比、结构相似性、\ell_1三个性能指标上均有显著提升，修复的结果在视觉上局部细节和全局语义更合理。
针对卷积神经网络在图像修复过程中难以兼顾修复结果的局部细节和全局语义一致性问题，以生成对抗网络为基础，提出一种多尺度语义学习的编解码人脸图像修复模型。首先，将人脸图像用门控卷积分解为具有不同大小的感受野和特征分辨率的分量，用不同尺寸的卷积核提取多尺度特征，通过提取合适的局部特征来提升修复结果的细节；其次，将提取的多尺度特征输入至语义学习模块，从通道和空间两个角度学习特征之间的语义关系，从而增强修复结果的全局一致性；最后，引入跳跃连接将编码端的特征补充到解码端中减少采样造成的细节信息损失，改善修复结果的纹理细节。在CelebA-HQ人脸数据集上进行实验，结果表明提出的模型在峰值信噪比、结构相似性、\ell_1三个性能指标上均有显著提升，修复的结果在视觉上局部细节和全局语义更合理。
摘要：
利用全球导航卫星系统反射(Global Navigation Satellite System Reflectometry, GNSS-R)信号进行潮位反演时,需要对多路径频率进行估计。常规反演方法仅对主频率估计,因此存在数据利用率低,反演结果时间分辨率不足的问题。为解决该问题,本文利用Savitzky-Golay(SG)平滑滤波优化GNSS-R潮位反演。首先,利用Lomb-Scargle周期图(Lomb-Scargle periodigraph, LSP)法提取信号功率的前四个频率f1~f4,并反演它们对应的潮位值；然后,利用SG平滑滤波方法提取最佳反演结果；最后,以法国BRST站和MAYG站30天的数据验证算法的有效性。通过与LSP法和窗口LSP(WINLSP)法进行对比,结果表明：相比LSP法,滤波后BRST站和MAYG站的日均反演值数量分别达到19.30个/天和15.23个/天,提升了34.3%和19.6%；反演值的最大时间间隔分别为6.63h和7.07h,减少了43.2%和29.4%；RMSE值分别为0.3211m和0.2209m,与之相当。相比于WINLSP法,滤波后BRST站和MAYG站的日均反演值数量分别为60.03个/天和71.17个/天,提升了24.2%和45.9%；反演值最大时间间隔达到3.08h和4.50h,减少了25.4%和28.6%；RMSE值分别为0.5222m和0.3147m,均减少了7cm。总体而言,该方法能够在保证精度的前提下,提高反演结果的数量,提高了数据的利用率和潮位反演的时间分辨率。
利用全球导航卫星系统反射(Global Navigation Satellite System Reflectometry, GNSS-R)信号进行潮位反演时,需要对多路径频率进行估计。常规反演方法仅对主频率估计,因此存在数据利用率低,反演结果时间分辨率不足的问题。为解决该问题,本文利用Savitzky-Golay(SG)平滑滤波优化GNSS-R潮位反演。首先,利用Lomb-Scargle周期图(Lomb-Scargle periodigraph, LSP)法提取信号功率的前四个频率f1~f4,并反演它们对应的潮位值；然后,利用SG平滑滤波方法提取最佳反演结果；最后,以法国BRST站和MAYG站30天的数据验证算法的有效性。通过与LSP法和窗口LSP(WINLSP)法进行对比,结果表明：相比LSP法,滤波后BRST站和MAYG站的日均反演值数量分别达到19.30个/天和15.23个/天,提升了34.3%和19.6%；反演值的最大时间间隔分别为6.63h和7.07h,减少了43.2%和29.4%；RMSE值分别为0.3211m和0.2209m,与之相当。相比于WINLSP法,滤波后BRST站和MAYG站的日均反演值数量分别为60.03个/天和71.17个/天,提升了24.2%和45.9%；反演值最大时间间隔达到3.08h和4.50h,减少了25.4%和28.6%；RMSE值分别为0.5222m和0.3147m,均减少了7cm。总体而言,该方法能够在保证精度的前提下,提高反演结果的数量,提高了数据的利用率和潮位反演的时间分辨率。
摘要：
生成对抗网络(Generative adversarial network, GAN)可以生成和真实图像较接近的生成图像，作为深度学习中较新的一种图像生成模型，在图像风格迁移中发挥着重要作用。针对当前生成对抗网络模型中存在的生成图像质量较低、模型较难训练等问题，提出了新的风格迁移方法。本文有效改进BicycleGAN模型实现图像风格迁移。首先为了解决GAN在训练中容易出现的退化现象，将残差模块引入GAN的生成器,并引入自注意力机制，获得更多的图像特征，提高生成器的生成质量。为了解决GAN在训练过程中的梯度爆炸现象，在判别器每一个卷积层后面加入谱归一化。为了解决训练不够稳定，生成图像质量低的现象，引入感知损失。在Facades和AerialPhoto&Map数据集上的实验结果表明该方法的生成图像的PSNR值和SSIM值高于同类比较方法。
生成对抗网络(Generative adversarial network, GAN)可以生成和真实图像较接近的生成图像，作为深度学习中较新的一种图像生成模型，在图像风格迁移中发挥着重要作用。针对当前生成对抗网络模型中存在的生成图像质量较低、模型较难训练等问题，提出了新的风格迁移方法。本文有效改进BicycleGAN模型实现图像风格迁移。首先为了解决GAN在训练中容易出现的退化现象，将残差模块引入GAN的生成器,并引入自注意力机制，获得更多的图像特征，提高生成器的生成质量。为了解决GAN在训练过程中的梯度爆炸现象，在判别器每一个卷积层后面加入谱归一化。为了解决训练不够稳定，生成图像质量低的现象，引入感知损失。在Facades和AerialPhoto&Map数据集上的实验结果表明该方法的生成图像的PSNR值和SSIM值高于同类比较方法。
摘要：
自动气象站能见度检测仪多采用光学装置采样，一些雨雪、粉尘等天气因素对部分仪器镜头造成污染，导致能见度要素数据缺测。针对能见度数据缺失问题，本文选用部分安徽气象站的历年数据，首先运用灰色关联分析方法筛选出与能见度密切相关的其他气象要素，通过支持向量机和BP 神经网络单一预估方法预估不同地形的能见度缺失值，然后采用最优权重组合将两种方法预估的能见度值进行组合，并与单一预估方法进行对比。结果表明组合预估方法的结果误差均值小，整体准确度高，可以保证台站观测资料的完备性，为短时天气预报、实况分析和气象公共服务工作提供有效依据。
自动气象站能见度检测仪多采用光学装置采样，一些雨雪、粉尘等天气因素对部分仪器镜头造成污染，导致能见度要素数据缺测。针对能见度数据缺失问题，本文选用部分安徽气象站的历年数据，首先运用灰色关联分析方法筛选出与能见度密切相关的其他气象要素，通过支持向量机和BP 神经网络单一预估方法预估不同地形的能见度缺失值，然后采用最优权重组合将两种方法预估的能见度值进行组合，并与单一预估方法进行对比。结果表明组合预估方法的结果误差均值小，整体准确度高，可以保证台站观测资料的完备性，为短时天气预报、实况分析和气象公共服务工作提供有效依据。
摘要：
网络技术、人机交互和人工智能等技术的飞速发展催生了元宇宙，并进一步促进人们物质生活各个方面的数字化转型。2021年是元宇宙元年，元宇宙作为一个新兴的概念受到产业界、学术界、媒体界及公众的广泛关注。本文尝试从技术维度和应用角度深度剖析元宇宙。首先，从定义、起源与发展、特征和关键技术（网络及运算技术、物联网技术、人机交互技术、电子游戏技术、区块链技术、数字孪生技术和其他技术）等多方面对元宇宙的概念及内涵进行论述；然后，讨论了当下布局元宇宙的企业和应用实例；最后，剖析了目前元宇宙发展存在的问题和机遇，并对未来研究与应用进行了展望。通过对元宇宙当前的发展状况、研究趋势进行归纳分析以及科学地评估元宇宙的落地应用，为元宇宙研究人员提供有益的参考和借鉴。
网络技术、人机交互和人工智能等技术的飞速发展催生了元宇宙，并进一步促进人们物质生活各个方面的数字化转型。2021年是元宇宙元年，元宇宙作为一个新兴的概念受到产业界、学术界、媒体界及公众的广泛关注。本文尝试从技术维度和应用角度深度剖析元宇宙。首先，从定义、起源与发展、特征和关键技术（网络及运算技术、物联网技术、人机交互技术、电子游戏技术、区块链技术、数字孪生技术和其他技术）等多方面对元宇宙的概念及内涵进行论述；然后，讨论了当下布局元宇宙的企业和应用实例；最后，剖析了目前元宇宙发展存在的问题和机遇，并对未来研究与应用进行了展望。通过对元宇宙当前的发展状况、研究趋势进行归纳分析以及科学地评估元宇宙的落地应用，为元宇宙研究人员提供有益的参考和借鉴。
摘要：
为提高低压配电台区中分布式光伏(DPV)的接入容量，促进光伏消纳,本文提出一种计及源荷时序特性的低压台区DPV接入分布鲁棒优化方法。首先，针对低压台区中分布式光伏出力和负荷需求的不确定性，提出一种基于优化聚类的源-荷联合时序场景生成方法；其次，计及电压约束、线路容量约束、逆变器无功补偿约束及光伏消纳约束等，构建低压台区分布式光伏接入分布鲁棒优化模型，在保证各典型场景最恶劣概率分布下的弃光率期望值符合要求的情况下，最大化低压台区中分布式光伏接入容量；然后，建立低压台区分布式储能接入的数学模型，以研究储能接入及其充放电机制对低压台区分布式光伏接入的影响。最后，以实际配电台区为例进行仿真计算，验证了本文模型的有效性。
为提高低压配电台区中分布式光伏(DPV)的接入容量，促进光伏消纳,本文提出一种计及源荷时序特性的低压台区DPV接入分布鲁棒优化方法。首先，针对低压台区中分布式光伏出力和负荷需求的不确定性，提出一种基于优化聚类的源-荷联合时序场景生成方法；其次，计及电压约束、线路容量约束、逆变器无功补偿约束及光伏消纳约束等，构建低压台区分布式光伏接入分布鲁棒优化模型，在保证各典型场景最恶劣概率分布下的弃光率期望值符合要求的情况下，最大化低压台区中分布式光伏接入容量；然后，建立低压台区分布式储能接入的数学模型，以研究储能接入及其充放电机制对低压台区分布式光伏接入的影响。最后，以实际配电台区为例进行仿真计算，验证了本文模型的有效性。
摘要：
为适应开放场景下说话人识别短时语音的应用需要，本文将优化说话人识别模型，提升模型的准确率和鲁棒性。为了实现对重要频率特征的筛选，提出基于重加权的特征增强层及网络，起到增强特征表达的作用。将人脸识别领域的误分类样本损失函数首次引入到说话人识别领域，提高对困难样本的挖掘能力。提出基于误分类样本挖掘的分类损失与基于小样本学习框架的余弦角度原型损失的组合损失函数，解决了分类损失函数与说话人识别实际评测需求不匹配和度量函数对采样策略依赖性强的问题。实验结果显示，与基准模型相比，性能指标等误率(EER)降低12.45%，最小检测代价函数(minDCF)降低14.09%，取得现有说话人识别领域的优异效果。
为适应开放场景下说话人识别短时语音的应用需要，本文将优化说话人识别模型，提升模型的准确率和鲁棒性。为了实现对重要频率特征的筛选，提出基于重加权的特征增强层及网络，起到增强特征表达的作用。将人脸识别领域的误分类样本损失函数首次引入到说话人识别领域，提高对困难样本的挖掘能力。提出基于误分类样本挖掘的分类损失与基于小样本学习框架的余弦角度原型损失的组合损失函数，解决了分类损失函数与说话人识别实际评测需求不匹配和度量函数对采样策略依赖性强的问题。实验结果显示，与基准模型相比，性能指标等误率(EER)降低12.45%，最小检测代价函数(minDCF)降低14.09%，取得现有说话人识别领域的优异效果。
摘要：
无人机倾斜摄影三维模型的精度是衡量模型质量好坏的重要指标。常规的倾斜摄影三维建模需要先布设像控点,作业效率低且维护成本高。无像控建模不需要布设像控点,航测效率高,但精度较低。本文以南京信息工程大学东苑为实验区,研究了一种像控后处理倾斜摄影三维建模方法。结果表明：1)基于像控后处理建立的三维模型与常规方法建立的三维模型精度基本相同,平面中误差、高程中误差均小于0.05m,满足高效率、高精度、低成本的建模要求；2)像控后处理建模避免了制作和维护像控点的过程,同时基于已有高精度三维模型选择像控点并提取坐标,提升了像控点选择的科学性和降低了外业测点的工作量；3)该方法在城市、城镇、道路丰富等地区高精度三维实景模型定期更新上具有很好的普适性。
无人机倾斜摄影三维模型的精度是衡量模型质量好坏的重要指标。常规的倾斜摄影三维建模需要先布设像控点,作业效率低且维护成本高。无像控建模不需要布设像控点,航测效率高,但精度较低。本文以南京信息工程大学东苑为实验区,研究了一种像控后处理倾斜摄影三维建模方法。结果表明：1)基于像控后处理建立的三维模型与常规方法建立的三维模型精度基本相同,平面中误差、高程中误差均小于0.05m,满足高效率、高精度、低成本的建模要求；2)像控后处理建模避免了制作和维护像控点的过程,同时基于已有高精度三维模型选择像控点并提取坐标,提升了像控点选择的科学性和降低了外业测点的工作量；3)该方法在城市、城镇、道路丰富等地区高精度三维实景模型定期更新上具有很好的普适性。
摘要：
为解决复杂体型建筑物存在拍摄盲区较多,影像采集分辨率差异较大而导致建模效果差的问题,本文提出了一种无人机立体环绕式摄影与精细化建模方法,选用单镜头小型多旋翼无人机,根据复杂建筑物外观形态,设计出立体环绕式的影像采集航线,再将获取影像导入Context Capture软件进行分析和处理并完成模型建立,最后针对三维模型存在纹理缺失及模糊拉花等信息缺失问题,使用DP-Modeler和3ds Max对模型进行联动修饰。以某公园内两相邻建筑物为研究对象,分别采用新方法与传统无人机倾斜摄影方法,从建模效率、模型精度和纹理细节三方面进行对比实验。结果表明,新方法具有建模效率高、精度高和纹理丰富的优点,提升了复杂体型建筑物建模的质量和效率,联动修饰解决了影像采集过程中信息缺失的问题,显著提升模型细节质量。
为解决复杂体型建筑物存在拍摄盲区较多,影像采集分辨率差异较大而导致建模效果差的问题,本文提出了一种无人机立体环绕式摄影与精细化建模方法,选用单镜头小型多旋翼无人机,根据复杂建筑物外观形态,设计出立体环绕式的影像采集航线,再将获取影像导入Context Capture软件进行分析和处理并完成模型建立,最后针对三维模型存在纹理缺失及模糊拉花等信息缺失问题,使用DP-Modeler和3ds Max对模型进行联动修饰。以某公园内两相邻建筑物为研究对象,分别采用新方法与传统无人机倾斜摄影方法,从建模效率、模型精度和纹理细节三方面进行对比实验。结果表明,新方法具有建模效率高、精度高和纹理丰富的优点,提升了复杂体型建筑物建模的质量和效率,联动修饰解决了影像采集过程中信息缺失的问题,显著提升模型细节质量。
摘要：
研究了碳税政策下考虑三重底线的低碳供应链优化协调问题.首先研究集中式供应链模型的决策问题，其次考虑批发价格契约下四种不同的分散式供应链模型：模型I，模型II，模型III和模型IV.然后考虑两部定价契约下四种不同的分散式低碳供应链模型：模型I-LTT，模型II-LTT，模型III-LTT和模型IV-LTT.研究结果表明：两部定价契约可以完美协调模型I-LTT和模型III-LTT下的低碳供应链；同时可以在模型II-LTT和模型IV-LTT中实现低碳供应链的帕累托改进.最后进行数值分析，分析碳税和碳减排投资系数对契约协调前后供应链的总利润的影响.本文为低碳企业的减排策略和契约选择提供了可靠的理论依据.
研究了碳税政策下考虑三重底线的低碳供应链优化协调问题.首先研究集中式供应链模型的决策问题，其次考虑批发价格契约下四种不同的分散式供应链模型：模型I，模型II，模型III和模型IV.然后考虑两部定价契约下四种不同的分散式低碳供应链模型：模型I-LTT，模型II-LTT，模型III-LTT和模型IV-LTT.研究结果表明：两部定价契约可以完美协调模型I-LTT和模型III-LTT下的低碳供应链；同时可以在模型II-LTT和模型IV-LTT中实现低碳供应链的帕累托改进.最后进行数值分析，分析碳税和碳减排投资系数对契约协调前后供应链的总利润的影响.本文为低碳企业的减排策略和契约选择提供了可靠的理论依据.
摘要：
日降水量变化呈现显著的非线性特征,对其进行精准预测难度很大。近年来,长短时记忆网络(Long-Short Term Memory, LSTM)在降水量预测中优势明显。然而,LSTM的深层结构造成了其存在过拟合、时滞等缺点,从而影响预测精度。注意到宽度学习系统(Broad Learning System, BLS)是直接计算权重,其无需多次迭代的特点可以帮助解决LSTM存在的缺点。但噪声和异常值对建模依旧有着不良影响。基于此,提出改进的加权宽度学习系统(Weighted Broad Learning System, WBLS)。利用加权惩罚因子约束每个样本,分别为正常和异常样本分配高和低权重来增加和减少它们的影响。本文结合了LSTM和WBLS的优点提出LSTM-WBLS日降水量预测模型。选取湖北省巴东站近20年日降水量实测数据进行实证研究,且考虑气压、气温、湿度、风速和日照等因素。结果表明,与现有的预测模型相比,LSTM-BLS模型在所有评价指标上均预测精度最高。特别地,WBLS模块加入解决了LSTM的时滞性问题。而且在不同时间步长下,新模型预测精度亦表现最佳,证明了其稳定性。在运算效率上,LSTM-WBLS和LSTM相比,并未降低。
日降水量变化呈现显著的非线性特征,对其进行精准预测难度很大。近年来,长短时记忆网络(Long-Short Term Memory, LSTM)在降水量预测中优势明显。然而,LSTM的深层结构造成了其存在过拟合、时滞等缺点,从而影响预测精度。注意到宽度学习系统(Broad Learning System, BLS)是直接计算权重,其无需多次迭代的特点可以帮助解决LSTM存在的缺点。但噪声和异常值对建模依旧有着不良影响。基于此,提出改进的加权宽度学习系统(Weighted Broad Learning System, WBLS)。利用加权惩罚因子约束每个样本,分别为正常和异常样本分配高和低权重来增加和减少它们的影响。本文结合了LSTM和WBLS的优点提出LSTM-WBLS日降水量预测模型。选取湖北省巴东站近20年日降水量实测数据进行实证研究,且考虑气压、气温、湿度、风速和日照等因素。结果表明,与现有的预测模型相比,LSTM-BLS模型在所有评价指标上均预测精度最高。特别地,WBLS模块加入解决了LSTM的时滞性问题。而且在不同时间步长下,新模型预测精度亦表现最佳,证明了其稳定性。在运算效率上,LSTM-WBLS和LSTM相比,并未降低。
摘要：
针对DDoS(Distributed denial of service)网络流量攻击检测效率低及误报率高的问题，本文提出了一种基于离散小波变换(Discrete Wavelet Transform DWT)和自适应知识蒸馏(Adaptive Knowledge Distillation AKD)自编码器神经网络的DDoS攻击检测方法。该方法利用离散小波变换提取频率特征，由自动编码器神经网络进行特征编码并实现分类，通过自适应知识蒸馏压缩模型，以实现高效检测DDoS攻击流量。研究结果表明，该方法对代理服务器攻击、数据库漏洞和TCP洪水攻击、UDP洪水攻击具有较高的检测效率，并且具有较低的误报率。
针对DDoS(Distributed denial of service)网络流量攻击检测效率低及误报率高的问题，本文提出了一种基于离散小波变换(Discrete Wavelet Transform DWT)和自适应知识蒸馏(Adaptive Knowledge Distillation AKD)自编码器神经网络的DDoS攻击检测方法。该方法利用离散小波变换提取频率特征，由自动编码器神经网络进行特征编码并实现分类，通过自适应知识蒸馏压缩模型，以实现高效检测DDoS攻击流量。研究结果表明，该方法对代理服务器攻击、数据库漏洞和TCP洪水攻击、UDP洪水攻击具有较高的检测效率，并且具有较低的误报率。
摘要：
本文利用BRST港口和英国塞文大桥监测系统GNSS双频观测数据,分别在静态和高动态环境下进行GPS-IR水位反演。探究传统GNSS监测系统在静态、高动态场景下进行水位反演的可行性与精度。结果表明：L1波段反演精度高于L2波段；在静态场景下,GPS-IR水位反演结果与验潮站数据相关系数均达到0.98以上；在高动态场景下,桥梁GPS水位反演精度稍低。利用经验模态分解(Empirical Mode Decomposition,EMD)方法对算法进行改进,提高了在桥梁复杂环境下GPS-IR水位反演结果的精度,均方根误差(Root Mean Squared Error, RMSE)相比经典方法降低了约50%。提高了GPS-IR技术在不同水域环境下的适用性,结果证明GPS-IR技术在水位监测中具有很好的应用前景。
本文利用BRST港口和英国塞文大桥监测系统GNSS双频观测数据,分别在静态和高动态环境下进行GPS-IR水位反演。探究传统GNSS监测系统在静态、高动态场景下进行水位反演的可行性与精度。结果表明：L1波段反演精度高于L2波段；在静态场景下,GPS-IR水位反演结果与验潮站数据相关系数均达到0.98以上；在高动态场景下,桥梁GPS水位反演精度稍低。利用经验模态分解(Empirical Mode Decomposition,EMD)方法对算法进行改进,提高了在桥梁复杂环境下GPS-IR水位反演结果的精度,均方根误差(Root Mean Squared Error, RMSE)相比经典方法降低了约50%。提高了GPS-IR技术在不同水域环境下的适用性,结果证明GPS-IR技术在水位监测中具有很好的应用前景。
摘要：
在方面级情感文本中存在着相当一部分不含情感词的评论句,对其情感的研究被称为方面级隐式情感分析。现有模型存在着在预训练过程中可能会丢失与方面词相关的上下文信息,并且不能准确提取上下文中深层特征的问题。针对第一个问题,本文构造了方面词感知BERT预训练模型,通过将方面词引入到基础BERT的输入嵌入结构中,生成与方面词信息相关的词向量。针对第二个问题,本文构造了语境感知注意力机制,对由编码层得到的深层隐藏向量,将其中的语义和句法信息引入到注意力权重计算过程,使注意力机制能更加准确地分配权重到与方面词相关的上下文。在对比实验上的结果表明,本文模型的效果是优于基线模型的。
在方面级情感文本中存在着相当一部分不含情感词的评论句,对其情感的研究被称为方面级隐式情感分析。现有模型存在着在预训练过程中可能会丢失与方面词相关的上下文信息,并且不能准确提取上下文中深层特征的问题。针对第一个问题,本文构造了方面词感知BERT预训练模型,通过将方面词引入到基础BERT的输入嵌入结构中,生成与方面词信息相关的词向量。针对第二个问题,本文构造了语境感知注意力机制,对由编码层得到的深层隐藏向量,将其中的语义和句法信息引入到注意力权重计算过程,使注意力机制能更加准确地分配权重到与方面词相关的上下文。在对比实验上的结果表明,本文模型的效果是优于基线模型的。
摘要：
水库水位预测为其运营、防洪、水资源调度管理提供了重要决策支持。准确可靠的预测对水资源的最优管理起着至关重要的作用。水动力学预测方法对输入边界条件要求较高，预测误差较大，难以满足水位实时调度的要求。针对水库水位数据的非线性、不稳定性以及复杂的时空特性，提出了一种融合了自适应变分模态分解(VMD)、卷积神经网络(CNN)和门控循环单元(GRU)的混合水库水位预测模型。其中，VMD通过对水位序列进行分解消除噪声，CNN用于有效提取水位数据的局部特征，GRU用于提取水位数据的深层时间特征。以葠窝水库日水位预测进行实例分析，与多个相关模型对比，分析结果表明，新模型在选取的评价指标上均表现最佳。其中，均方根误差为0.1500、平均绝对误差为0.1063、平均绝对百分比误差为0.1145，而纳什系数高达0.9953。特别地，本文选择的GRU与长短时记忆网络(LSTM)相比，运算效率提高显著。因此，新模型预测的高精度、高运算效率，更适合实际水库水位实时调度的需求。
水库水位预测为其运营、防洪、水资源调度管理提供了重要决策支持。准确可靠的预测对水资源的最优管理起着至关重要的作用。水动力学预测方法对输入边界条件要求较高，预测误差较大，难以满足水位实时调度的要求。针对水库水位数据的非线性、不稳定性以及复杂的时空特性，提出了一种融合了自适应变分模态分解(VMD)、卷积神经网络(CNN)和门控循环单元(GRU)的混合水库水位预测模型。其中，VMD通过对水位序列进行分解消除噪声，CNN用于有效提取水位数据的局部特征，GRU用于提取水位数据的深层时间特征。以葠窝水库日水位预测进行实例分析，与多个相关模型对比，分析结果表明，新模型在选取的评价指标上均表现最佳。其中，均方根误差为0.1500、平均绝对误差为0.1063、平均绝对百分比误差为0.1145，而纳什系数高达0.9953。特别地，本文选择的GRU与长短时记忆网络(LSTM)相比，运算效率提高显著。因此，新模型预测的高精度、高运算效率，更适合实际水库水位实时调度的需求。
摘要：
随着通信技术在智能电网中的广泛应用，信息攻击对电网安全运行的威胁也随之而来。电力系统中基于相量测量技术状态估计的攻击方式难以被成功检测到。针对该问题，本文提出了一种面向电力系统基于相量测量数据状态估计的攻击智能检测方法。该方法先采用自编码器对电网测量数据进行特征提取，通过多次提取特征，逐渐降低特征维度。最终的提取信息通过softmax层进行有监督学习，从而得到基于堆叠自编码器的攻击检测算法。针对自编码器的过度拟合问题，由进一步提出基于降噪自编码的攻击检测方法。采用IEEE-118节点测试系统对所提出的方法进行仿真验证，结果表明所提出的攻击检测方法计算精度和效率高于其它方法。
随着通信技术在智能电网中的广泛应用，信息攻击对电网安全运行的威胁也随之而来。电力系统中基于相量测量技术状态估计的攻击方式难以被成功检测到。针对该问题，本文提出了一种面向电力系统基于相量测量数据状态估计的攻击智能检测方法。该方法先采用自编码器对电网测量数据进行特征提取，通过多次提取特征，逐渐降低特征维度。最终的提取信息通过softmax层进行有监督学习，从而得到基于堆叠自编码器的攻击检测算法。针对自编码器的过度拟合问题，由进一步提出基于降噪自编码的攻击检测方法。采用IEEE-118节点测试系统对所提出的方法进行仿真验证，结果表明所提出的攻击检测方法计算精度和效率高于其它方法。
摘要：
海面小目标一直是海洋雷达探测的重难点对象。针对传统检测器检测概率低的问题，本文提出了一种基于相对样本熵的特征检测器(Feature Detector via Relative Sample Entropy, FD-RSE)。首先，定义了白化频谱，实现对主杂波带的抑制，从而增大了海杂波序列的不规则性。其次，通过引入样本熵描述序列的复杂度，提取了白化频谱的相对样本熵，并将之作为特征。在检测时，该特征能够充分利用海杂波和含目标回波在频谱上的几何差异性。最后，IPIX实测数据验证表明：与传统检测器相比，FD-RSE检测器能有效改善检测性能。
海面小目标一直是海洋雷达探测的重难点对象。针对传统检测器检测概率低的问题，本文提出了一种基于相对样本熵的特征检测器(Feature Detector via Relative Sample Entropy, FD-RSE)。首先，定义了白化频谱，实现对主杂波带的抑制，从而增大了海杂波序列的不规则性。其次，通过引入样本熵描述序列的复杂度，提取了白化频谱的相对样本熵，并将之作为特征。在检测时，该特征能够充分利用海杂波和含目标回波在频谱上的几何差异性。最后，IPIX实测数据验证表明：与传统检测器相比，FD-RSE检测器能有效改善检测性能。
摘要：
由于雨纹的分布和形状具有多样性，现有的去雨算法在去雨的同时也会产生图像背景模糊，泛化性能差等问题。针对这些问题，提出一种基于注意力机制的多尺度特征融合图像去雨方法。特征提取阶段由多个包含两个多尺度注意力残差块的残差组构成，多尺度注意力残差块利用多尺度特征提取模块提取及聚合不同尺度的特征信息，并通过坐标注意力进一步提高网络的特征提取能力。在组内进行局部特征融合，组间利用全局特征融合注意力模块更好的融合不同层次的特征，通过像素注意力使网络重点关注于雨纹区域。在仿真和真实雨像数据集上与其他现有的图像去雨算法相比，所提方法的定量指标有着明显提高，去雨后的图像视觉效果较好且具有良好的泛化性。
由于雨纹的分布和形状具有多样性，现有的去雨算法在去雨的同时也会产生图像背景模糊，泛化性能差等问题。针对这些问题，提出一种基于注意力机制的多尺度特征融合图像去雨方法。特征提取阶段由多个包含两个多尺度注意力残差块的残差组构成，多尺度注意力残差块利用多尺度特征提取模块提取及聚合不同尺度的特征信息，并通过坐标注意力进一步提高网络的特征提取能力。在组内进行局部特征融合，组间利用全局特征融合注意力模块更好的融合不同层次的特征，通过像素注意力使网络重点关注于雨纹区域。在仿真和真实雨像数据集上与其他现有的图像去雨算法相比，所提方法的定量指标有着明显提高，去雨后的图像视觉效果较好且具有良好的泛化性。
摘要：
降水云系的发展过程及其特征分析，是云降水物理学中的一个重要问题.本文选取一次云发展过程中的700 hPa云水含量(Cloud Water Content, CWC)和大气垂直方向上气流速度(Omega, OMG)的1h值，以信息熵来度量CWC空间分布的混沌程度，辅以OMG的时间变化来判断云的发展，并提出了一种基于多尺度分解、Holt模型、自回归滑动平均模型 (Autoregressive Integrated Moving Average Model, ARIMA)和Lagrange Multiplier的组合预测方法.结果表明：1）CWC熵具有非线性和非平稳性；2）在云的不同发展阶段，北方CWC熵序列的均值都小于南方，方差普遍大于南方；3）OMG区域均值与CWC熵的小波低频重构的极值点在时间上有很好的对应关系，相近的极值点在南方中占50%，在北方中占83.3%，说明CWC熵可以在一定程度上反映云系的发展；4）CWC熵序列往往具有多种时间尺度特征，故进行多尺度分解之后再组合建模的Holt-ARIMA-Lagrange Multiplier模型比单一预测方法、单层分解的预测模型更优，准确率提高了3%以上.
降水云系的发展过程及其特征分析，是云降水物理学中的一个重要问题.本文选取一次云发展过程中的700 hPa云水含量(Cloud Water Content, CWC)和大气垂直方向上气流速度(Omega, OMG)的1h值，以信息熵来度量CWC空间分布的混沌程度，辅以OMG的时间变化来判断云的发展，并提出了一种基于多尺度分解、Holt模型、自回归滑动平均模型 (Autoregressive Integrated Moving Average Model, ARIMA)和Lagrange Multiplier的组合预测方法.结果表明：1）CWC熵具有非线性和非平稳性；2）在云的不同发展阶段，北方CWC熵序列的均值都小于南方，方差普遍大于南方；3）OMG区域均值与CWC熵的小波低频重构的极值点在时间上有很好的对应关系，相近的极值点在南方中占50%，在北方中占83.3%，说明CWC熵可以在一定程度上反映云系的发展；4）CWC熵序列往往具有多种时间尺度特征，故进行多尺度分解之后再组合建模的Holt-ARIMA-Lagrange Multiplier模型比单一预测方法、单层分解的预测模型更优，准确率提高了3%以上.
摘要：
为研究大气CO2浓度缓增对冬小麦（Triticum aestivum）土壤呼吸的影响，基于开顶式气室组成的CO2浓度自动调控平台，在2017?2019年开展了两季冬小麦CO2浓度缓增试验。每季试验在背景大气CO2浓度基础上（CK，对照），均设置了CO2浓度缓增处理（C80和C120，即从2016年起逐年增加40 μmol·mol?1，至2017?2018年和2018?2019年冬小麦生长季CO2浓度分别为CK+80 μmol·mol?1和CK+120 μmol·mol?1）。采用静态暗箱?气相色谱法测定土壤呼吸速率。结果表明：CO2浓度缓增没有显著改变土壤呼吸的季节变化规律，但是会显著影响冬小麦旺盛生长期的土壤呼吸速率。在2018?2019年冬小麦抽穗?扬花期，C120处理使土壤呼吸速率显著增加50.2%（P=0.008），且使得整个生育期土壤碳排放显著增加25.9%（P=0.044），而在2017?2018年冬小麦生长季，与CK相比，C80处理对土壤呼吸没有显著影响。土壤呼吸与土壤温湿度分别存在指数正相关和线性负相关关系。与CK相比，CO2浓度缓增降低了土壤呼吸温度敏感性系数Q10值。研究表明，CO2浓度缓增到120 μmol·mol?1增加了冬小麦生长季土壤碳排放。
为研究大气CO2浓度缓增对冬小麦（Triticum aestivum）土壤呼吸的影响，基于开顶式气室组成的CO2浓度自动调控平台，在2017?2019年开展了两季冬小麦CO2浓度缓增试验。每季试验在背景大气CO2浓度基础上（CK，对照），均设置了CO2浓度缓增处理（C80和C120，即从2016年起逐年增加40 μmol·mol?1，至2017?2018年和2018?2019年冬小麦生长季CO2浓度分别为CK+80 μmol·mol?1和CK+120 μmol·mol?1）。采用静态暗箱?气相色谱法测定土壤呼吸速率。结果表明：CO2浓度缓增没有显著改变土壤呼吸的季节变化规律，但是会显著影响冬小麦旺盛生长期的土壤呼吸速率。在2018?2019年冬小麦抽穗?扬花期，C120处理使土壤呼吸速率显著增加50.2%（P=0.008），且使得整个生育期土壤碳排放显著增加25.9%（P=0.044），而在2017?2018年冬小麦生长季，与CK相比，C80处理对土壤呼吸没有显著影响。土壤呼吸与土壤温湿度分别存在指数正相关和线性负相关关系。与CK相比，CO2浓度缓增降低了土壤呼吸温度敏感性系数Q10值。研究表明，CO2浓度缓增到120 μmol·mol?1增加了冬小麦生长季土壤碳排放。
摘要：
近年来我国中部地区臭氧（O3）污染问题日益凸显，挥发性有机物（VOCs）是O3生成的重要前体物，对其开展研究对于臭氧污染防控具有重要意义。为了解我国中部地区VOCs污染特征及对臭氧生成的影响，本研究于2021年5~10月在湖南省长沙市主城区开展了VOCs在线监测，共计监测117种组分。测量结果显示，观测期间总VOCs平均体积分数为(23.09±9.97)×10-9，VOCs月均浓度呈“U”型变化，7月份最低，10月份最高；而VOCs日变化呈典型双峰型，受人为源活动影响显著。长沙市VOCs化学组成以含氧挥发性有机物（OVOCs）为主，其次是烷烃和卤代烃，然而对臭氧生成潜势有较大贡献的主要是OVOCs和芳香烃，二者合计占比达到68.3%，其中丙醛、乙醛、间/对-二甲苯、乙烯和甲苯是关键活性物种。OBM模拟结果显示：长沙市5月、8月和9月臭氧生成属于协同控制区，6-7月属于VOCs控制区，而10月处于NOx控制区。人为源VOCs中削减高碳醛类、烯烃类、烷烃类对臭氧防控最为有效。
近年来我国中部地区臭氧（O3）污染问题日益凸显，挥发性有机物（VOCs）是O3生成的重要前体物，对其开展研究对于臭氧污染防控具有重要意义。为了解我国中部地区VOCs污染特征及对臭氧生成的影响，本研究于2021年5~10月在湖南省长沙市主城区开展了VOCs在线监测，共计监测117种组分。测量结果显示，观测期间总VOCs平均体积分数为(23.09±9.97)×10-9，VOCs月均浓度呈“U”型变化，7月份最低，10月份最高；而VOCs日变化呈典型双峰型，受人为源活动影响显著。长沙市VOCs化学组成以含氧挥发性有机物（OVOCs）为主，其次是烷烃和卤代烃，然而对臭氧生成潜势有较大贡献的主要是OVOCs和芳香烃，二者合计占比达到68.3%，其中丙醛、乙醛、间/对-二甲苯、乙烯和甲苯是关键活性物种。OBM模拟结果显示：长沙市5月、8月和9月臭氧生成属于协同控制区，6-7月属于VOCs控制区，而10月处于NOx控制区。人为源VOCs中削减高碳醛类、烯烃类、烷烃类对臭氧防控最为有效。
摘要：
近年来，越来越多的科研工作者试图将催化活性与催化剂中氧空位的酸碱性联系起来，通过结合路易斯酸碱活性位点对氧空位缺陷在确定催化特性和电荷载流子动力学中所起作用的深入理解，可以为合理开发更有效的催化剂提供有价值的见解。氧空位是过渡金属氧化物中最常见的缺陷，含氧空位的催化剂与表面酸碱性如何影响反应物、中间体和固体表面产物的吸附、反应和解吸过程密切相关。为此，氧空位位置和氧空位的酸碱性在多相催化的历史中一直起着核心作用，多相催化剂的表面性质将在很大程度上决定表面活性位点的电子结构，从而显著影响其相应的催化效率、稳定性和化学选择性，研究基于氧空位缺陷构建路易斯酸碱位点的催化剂，对于各类分子活化、催化转化反应的性能提升具有重要意义。本文以含氧空位的固体催化剂为研究对象，对关于氧空位构筑路易斯酸碱位点的研究进行综述，并总结了其在光催化领域中的相关应用。
近年来，越来越多的科研工作者试图将催化活性与催化剂中氧空位的酸碱性联系起来，通过结合路易斯酸碱活性位点对氧空位缺陷在确定催化特性和电荷载流子动力学中所起作用的深入理解，可以为合理开发更有效的催化剂提供有价值的见解。氧空位是过渡金属氧化物中最常见的缺陷，含氧空位的催化剂与表面酸碱性如何影响反应物、中间体和固体表面产物的吸附、反应和解吸过程密切相关。为此，氧空位位置和氧空位的酸碱性在多相催化的历史中一直起着核心作用，多相催化剂的表面性质将在很大程度上决定表面活性位点的电子结构，从而显著影响其相应的催化效率、稳定性和化学选择性，研究基于氧空位缺陷构建路易斯酸碱位点的催化剂，对于各类分子活化、催化转化反应的性能提升具有重要意义。本文以含氧空位的固体催化剂为研究对象，对关于氧空位构筑路易斯酸碱位点的研究进行综述，并总结了其在光催化领域中的相关应用。
摘要：
传统视觉SLAM虽取得了令人惊叹的成就，但在具有挑战性的环境中难以取得想要的效果。深度学习推动了计算机视觉领域的快速发展，将深度学习与基于视觉的SLAM结合是一个热门话题。本文从深度学习经典的神经网络入手，介绍了深度学习与传统基于视觉的SLAM算法的结合，概述了卷积神经网CNN(Convolutional Neural Network)与循环神经网络RNN（Recurrent Neural Network)在深度估计、位姿估计、闭环检测等方面的成就。并指出神经网络在语义信息提取方面的优点，为未来自主移动机器人真正自主化提供了帮助，并对未来VSLAM发展做出展望。
传统视觉SLAM虽取得了令人惊叹的成就，但在具有挑战性的环境中难以取得想要的效果。深度学习推动了计算机视觉领域的快速发展，将深度学习与基于视觉的SLAM结合是一个热门话题。本文从深度学习经典的神经网络入手，介绍了深度学习与传统基于视觉的SLAM算法的结合，概述了卷积神经网CNN(Convolutional Neural Network)与循环神经网络RNN（Recurrent Neural Network)在深度估计、位姿估计、闭环检测等方面的成就。并指出神经网络在语义信息提取方面的优点，为未来自主移动机器人真正自主化提供了帮助，并对未来VSLAM发展做出展望。
摘要：
为抑制永磁同步电机齿槽转矩,减少电机振动与噪声,提出一种定子齿顶开辅助槽与转子外圆偏心的结构来抑制齿槽转矩,提升电机的输出性能。建立了定子齿顶开槽前后与主气隙分布函数解析式,分析定子开槽与电机主磁场分布及齿槽转矩的关系,同时分析了转子外圆偏心后对齿槽转矩的影响。以内置3相8极48槽V型永磁同步电机为例,利用有限元法对定子齿顶辅助槽个数、槽宽、槽深、槽位置以及转子外圆偏心距等参数进行优化对比分析,获得最优的参数匹配。结果表明：定子齿顶双矩形对称开槽以及转子外圆偏心的方式能有效改善主气隙磁场分布,抑制电机齿槽转矩,优化后的电机气隙磁密5,11,15,17谐波幅值下降明显,电机齿槽转矩峰值降低了59.6%,反电势波形正弦性增强,平均转矩提升,电机输出性能明显改善。
为抑制永磁同步电机齿槽转矩,减少电机振动与噪声,提出一种定子齿顶开辅助槽与转子外圆偏心的结构来抑制齿槽转矩,提升电机的输出性能。建立了定子齿顶开槽前后与主气隙分布函数解析式,分析定子开槽与电机主磁场分布及齿槽转矩的关系,同时分析了转子外圆偏心后对齿槽转矩的影响。以内置3相8极48槽V型永磁同步电机为例,利用有限元法对定子齿顶辅助槽个数、槽宽、槽深、槽位置以及转子外圆偏心距等参数进行优化对比分析,获得最优的参数匹配。结果表明：定子齿顶双矩形对称开槽以及转子外圆偏心的方式能有效改善主气隙磁场分布,抑制电机齿槽转矩,优化后的电机气隙磁密5,11,15,17谐波幅值下降明显,电机齿槽转矩峰值降低了59.6%,反电势波形正弦性增强,平均转矩提升,电机输出性能明显改善。
摘要：
严峻的雾霾污染已经成为当下长江经济带生态一体化发展重大阻碍之一。运用三阶段DEA模型对长三角27个城市2014～2019年雾霾治理效率进行研究。结果表明：(1)三阶段DEA模型可有效剔除环境因素和随机误差的影响,真实反映长三角雾霾治理效率水平,第一和第三阶段综合效率差异主要来源于环境因素和随机误差因素对纯技术效率的影响。(2)绝大数城市处于规模收益递增阶段,说明扩大雾霾治理投入规模有助于提升雾霾治理效率。(3)2014～2019年长三角城市雾霾治理效率整体偏高且呈现W型变化趋势,城际差异显著。(4)人均GDP和第二产业占比增加改善了雾霾治理效率,而人口规模与城镇化率则对雾霾治理效率有负效应。基于此,建议进一步提高长三角城市雾霾治理效率水平,推进长江生态一体化发展,应加大技术创新力度,创建多元化雾霾治理资金投入模式,强化长三角城市协同治理水平。
严峻的雾霾污染已经成为当下长江经济带生态一体化发展重大阻碍之一。运用三阶段DEA模型对长三角27个城市2014～2019年雾霾治理效率进行研究。结果表明：(1)三阶段DEA模型可有效剔除环境因素和随机误差的影响,真实反映长三角雾霾治理效率水平,第一和第三阶段综合效率差异主要来源于环境因素和随机误差因素对纯技术效率的影响。(2)绝大数城市处于规模收益递增阶段,说明扩大雾霾治理投入规模有助于提升雾霾治理效率。(3)2014～2019年长三角城市雾霾治理效率整体偏高且呈现W型变化趋势,城际差异显著。(4)人均GDP和第二产业占比增加改善了雾霾治理效率,而人口规模与城镇化率则对雾霾治理效率有负效应。基于此,建议进一步提高长三角城市雾霾治理效率水平,推进长江生态一体化发展,应加大技术创新力度,创建多元化雾霾治理资金投入模式,强化长三角城市协同治理水平。
摘要：
降雨侵蚀力(R)与降雨量、降雨历时、降雨强度、降雨动能有关，反映了降雨特性对土壤侵蚀的影响，是影响土壤侵蚀重要的因素之一。本文利用1961—2019年江西省25个气象站点的逐日降雨量数据，基于降雨侵蚀力模型，通过Mann-Kendall相关检验、小波分析和Kriging空间插值方法，分析江西省降雨侵蚀力空间分布及变化趋势。结果表明：江西省年均降雨量和降雨侵蚀力从赣南到赣北逐渐增加，同时降雨空间分布和降雨侵蚀力空间分布具有相似性；春季和夏季降雨侵蚀力在3000~6000 MJ·mm·hm-2·h-1·a-1，且春季降雨侵蚀力最大值高于夏季，而秋冬季降雨侵蚀力明显小于春夏季；江西省年降雨侵蚀力平均分布，平均最大值分布在赣北区域，其次赣中，赣南最小，侵蚀力由北向南逐渐递减。研究表明江西省因降雨产生侵蚀力不断增加，尤其以春夏季更为剧烈，其空间分布存在明显差异。
降雨侵蚀力(R)与降雨量、降雨历时、降雨强度、降雨动能有关，反映了降雨特性对土壤侵蚀的影响，是影响土壤侵蚀重要的因素之一。本文利用1961—2019年江西省25个气象站点的逐日降雨量数据，基于降雨侵蚀力模型，通过Mann-Kendall相关检验、小波分析和Kriging空间插值方法，分析江西省降雨侵蚀力空间分布及变化趋势。结果表明：江西省年均降雨量和降雨侵蚀力从赣南到赣北逐渐增加，同时降雨空间分布和降雨侵蚀力空间分布具有相似性；春季和夏季降雨侵蚀力在3000~6000 MJ·mm·hm-2·h-1·a-1，且春季降雨侵蚀力最大值高于夏季，而秋冬季降雨侵蚀力明显小于春夏季；江西省年降雨侵蚀力平均分布，平均最大值分布在赣北区域，其次赣中，赣南最小，侵蚀力由北向南逐渐递减。研究表明江西省因降雨产生侵蚀力不断增加，尤其以春夏季更为剧烈，其空间分布存在明显差异。
摘要：
因任务需求，无人艇通常以编队协同的方式进行作业，并通过自组网进行数据交换。因海浪等因素影响，海上自组网的信道传输损耗通常处于动态变化的状态，现有MAC协议的退避算法在动态海上环境下无法区分分组碰撞和分组丢失，会出现可靠性和稳定性下降的问题。为此，本文提出了一种基于信道监听的自适应最小竞争窗口退避算法，该算法通过感知邻近竞争节点数目来估计信道状态，降低信道冲突概率和重传次数，提升了网络整体的可靠性和稳定性。仿真结果表明，与经典BEB算法相比，改进算法的吞吐量和公平性分别最大提高了28.67%和62.00%，端到端延时和丢包率分别最大降低了2.84%和15.10%。
因任务需求，无人艇通常以编队协同的方式进行作业，并通过自组网进行数据交换。因海浪等因素影响，海上自组网的信道传输损耗通常处于动态变化的状态，现有MAC协议的退避算法在动态海上环境下无法区分分组碰撞和分组丢失，会出现可靠性和稳定性下降的问题。为此，本文提出了一种基于信道监听的自适应最小竞争窗口退避算法，该算法通过感知邻近竞争节点数目来估计信道状态，降低信道冲突概率和重传次数，提升了网络整体的可靠性和稳定性。仿真结果表明，与经典BEB算法相比，改进算法的吞吐量和公平性分别最大提高了28.67%和62.00%，端到端延时和丢包率分别最大降低了2.84%和15.10%。
摘要：
本文针对一个全双工（FD）双向通信系统提出了中继发射波束形成器的设计问题。该系统的两个源结点配备多根天线，附近的每个中继结点配备两根天线，一根用于传输，另一根用于接收。中继处在有限的发射功率和使用迫零调零技术下，设计了两种具有迭代线性复杂度的中继波束成形器: 最小化两个源结点加权均方误差和最大化较小源结点的信噪比。通过对加权总和传输速率和平均运行时间的仿真，数值实验验证了改进加权最小均方误差波束形成器的有效性和高效性。
本文针对一个全双工（FD）双向通信系统提出了中继发射波束形成器的设计问题。该系统的两个源结点配备多根天线，附近的每个中继结点配备两根天线，一根用于传输，另一根用于接收。中继处在有限的发射功率和使用迫零调零技术下，设计了两种具有迭代线性复杂度的中继波束成形器: 最小化两个源结点加权均方误差和最大化较小源结点的信噪比。通过对加权总和传输速率和平均运行时间的仿真，数值实验验证了改进加权最小均方误差波束形成器的有效性和高效性。
摘要：
由于人机交互的迅速发展,情感计算近年来越来越受到人们的关注。脑电信号容易记录且不易伪装,在情感识别方面发挥着重要作用。然而,由于人类情感的多样性和个体可变性,基于脑电信号的情感识别至今仍是情感计算领域的难题。针对这一问题,提出了种多源域领域适应字典学习和稀疏表示方法。为减少源领域和目标领域数据分布的差异,将所有领域的数据投影到共享子空间,并在子空间中学习一个共有字典,建立源领域和目标领域之间的桥梁。共有字典的学习准则是最小化类内稀疏重建误差和最大化类间稀疏重建误差,可以保证学习到的稀疏表示具有识别能力。此外,为避免负迁移的发生,每个源域对应一个领域适应权重,且可以在自适应学习中得到权重最佳值。模型参数的求解通过参数交替优化的方法,所有的参数可同时达到最优解。在脑电情感DEAP数据集的实验验证了本文方法的有效性。
由于人机交互的迅速发展,情感计算近年来越来越受到人们的关注。脑电信号容易记录且不易伪装,在情感识别方面发挥着重要作用。然而,由于人类情感的多样性和个体可变性,基于脑电信号的情感识别至今仍是情感计算领域的难题。针对这一问题,提出了种多源域领域适应字典学习和稀疏表示方法。为减少源领域和目标领域数据分布的差异,将所有领域的数据投影到共享子空间,并在子空间中学习一个共有字典,建立源领域和目标领域之间的桥梁。共有字典的学习准则是最小化类内稀疏重建误差和最大化类间稀疏重建误差,可以保证学习到的稀疏表示具有识别能力。此外,为避免负迁移的发生,每个源域对应一个领域适应权重,且可以在自适应学习中得到权重最佳值。模型参数的求解通过参数交替优化的方法,所有的参数可同时达到最优解。在脑电情感DEAP数据集的实验验证了本文方法的有效性。
摘要：
光伏（PV）阵列输出特性随运行环境及自身工况的变化而变化，为满足不同工况下最大功率点跟踪（MPPT）控制需求，在对光伏阵列各工况下输出特性进行分析的基础上，提出了一种改进量子粒子群算法（QPSO）与扰动观察法相结合的MPPT分段控制方法。在跟踪控制初期，采用非一致性自适应变异DCWQPSO算法进行最大功率点全局搜索，使功率点快速收敛至最大功率点附近，提高跟踪速度；在跟踪控制后期，采用闭环模糊控制扰动观察法进行最大功率点局部搜索，提高跟踪精度。Matlab仿真结果表明，该分段控制方法在光伏阵列各工况下仅需0.32s即可完成MPPT，并保持稳定，比其他控制方法具有更快的跟踪速度及更高的跟踪精度，可有效提高光伏发电效率。
光伏（PV）阵列输出特性随运行环境及自身工况的变化而变化，为满足不同工况下最大功率点跟踪（MPPT）控制需求，在对光伏阵列各工况下输出特性进行分析的基础上，提出了一种改进量子粒子群算法（QPSO）与扰动观察法相结合的MPPT分段控制方法。在跟踪控制初期，采用非一致性自适应变异DCWQPSO算法进行最大功率点全局搜索，使功率点快速收敛至最大功率点附近，提高跟踪速度；在跟踪控制后期，采用闭环模糊控制扰动观察法进行最大功率点局部搜索，提高跟踪精度。Matlab仿真结果表明，该分段控制方法在光伏阵列各工况下仅需0.32s即可完成MPPT，并保持稳定，比其他控制方法具有更快的跟踪速度及更高的跟踪精度，可有效提高光伏发电效率。
摘要：
用于自动驾驶(Autonomous driving, AD)的高精地图(High-definition maps, HDMs)是AD系统的重要组成部分。HDMs可为AD系统提供高精确的车道线及道路辅助设施的先验数据，而对HDMs的精度评估一直困扰着行业的发展，对其合理的精度评估是一项重要的任务。目前制图领域对普通地图相对精度评估的方法并不完全适用于HDMs。本研究采用基于点集配准和重采样的方法评估车道线的相对精度，并基于相关的真实HDM数据进行实验。即首先对待验证曲线上的点进行拟合采样，然后配准对齐点对，配准完成后再进行重采样，在此基础上完成相对精度计算。所验证的第一组车道线的相对极限误差为15.9cm，小于20cm，满足相对精度要求；其他三组车道线的相对极限误差也满足该要求。结果表明，基于该方法计算的车道线的相对精度比传统方法更准确、更可靠。这对HDM产品的质量控制有一定的影响，也为HDM的精度评估提供理论依据和借鉴。
用于自动驾驶(Autonomous driving, AD)的高精地图(High-definition maps, HDMs)是AD系统的重要组成部分。HDMs可为AD系统提供高精确的车道线及道路辅助设施的先验数据，而对HDMs的精度评估一直困扰着行业的发展，对其合理的精度评估是一项重要的任务。目前制图领域对普通地图相对精度评估的方法并不完全适用于HDMs。本研究采用基于点集配准和重采样的方法评估车道线的相对精度，并基于相关的真实HDM数据进行实验。即首先对待验证曲线上的点进行拟合采样，然后配准对齐点对，配准完成后再进行重采样，在此基础上完成相对精度计算。所验证的第一组车道线的相对极限误差为15.9cm，小于20cm，满足相对精度要求；其他三组车道线的相对极限误差也满足该要求。结果表明，基于该方法计算的车道线的相对精度比传统方法更准确、更可靠。这对HDM产品的质量控制有一定的影响，也为HDM的精度评估提供理论依据和借鉴。
摘要：
非侵入式负荷分解的本质是根据已知的总功率信号分解出单一的负荷设备的功率信号。目前基于深度学习模型大都存在网络模型负荷特征提取不充分、分解精度低、对使用频率较低的负荷设备分解误差大等问题。针对这些问题,本文提出了一种注意力时序网络模型(Attention Recurrent Neural Networks, ARNN)来实现非侵入式负荷分解,它将回归网络与分类网络相结合来解决非侵入式负荷分解问题。该模型通过RNN网络实现对序列信号特征的提取,同时利用注意力机制定位输入序列中重要信息的位置,提高神经网络的表征能力。在公开数据集Wiki-Energy以及UK-DALE上进行的实验表明,我们提出的深度神经网络在所有考虑的实验条件下都优于最先进的神经网络。我们还表明,通过注意力机制和辅助分类网络能够正确检测设备的开启或关闭,并定位高功耗的信号部分,提高了负荷分解的准确性。
非侵入式负荷分解的本质是根据已知的总功率信号分解出单一的负荷设备的功率信号。目前基于深度学习模型大都存在网络模型负荷特征提取不充分、分解精度低、对使用频率较低的负荷设备分解误差大等问题。针对这些问题,本文提出了一种注意力时序网络模型(Attention Recurrent Neural Networks, ARNN)来实现非侵入式负荷分解,它将回归网络与分类网络相结合来解决非侵入式负荷分解问题。该模型通过RNN网络实现对序列信号特征的提取,同时利用注意力机制定位输入序列中重要信息的位置,提高神经网络的表征能力。在公开数据集Wiki-Energy以及UK-DALE上进行的实验表明,我们提出的深度神经网络在所有考虑的实验条件下都优于最先进的神经网络。我们还表明,通过注意力机制和辅助分类网络能够正确检测设备的开启或关闭,并定位高功耗的信号部分,提高了负荷分解的准确性。
摘要：
针对虚假数据注入（false data injection,FDI）攻击下的信息物理系统（cyber physical system,CPS），研究了一种基于滑模和扩张观测器的控制方法。首先，本文对系统进行动态线性化，构造了扩张观测器并对观测误差的收敛条件进行了分析。其次，设计了积分滑模面，通过线性矩阵不等式的形式导出滑动模态系统的渐近稳定判据，求出了系统满足L2增益性能的滑模向量。接着，基于指数趋近律，提出了用来消除量化误差和广义干扰的自适应积分滑模控制器，以使系统能到达滑模面。该方法的优点是估计精度高，响应速度快，对FDI攻击和量化参数失配具有较强的鲁棒性。最后，数值仿真验证了该方法的有效性。
针对虚假数据注入（false data injection,FDI）攻击下的信息物理系统（cyber physical system,CPS），研究了一种基于滑模和扩张观测器的控制方法。首先，本文对系统进行动态线性化，构造了扩张观测器并对观测误差的收敛条件进行了分析。其次，设计了积分滑模面，通过线性矩阵不等式的形式导出滑动模态系统的渐近稳定判据，求出了系统满足L2增益性能的滑模向量。接着，基于指数趋近律，提出了用来消除量化误差和广义干扰的自适应积分滑模控制器，以使系统能到达滑模面。该方法的优点是估计精度高，响应速度快，对FDI攻击和量化参数失配具有较强的鲁棒性。最后，数值仿真验证了该方法的有效性。
摘要：
地面温度变化速度为每10年升高0.1 K，然而受太阳辐射的影响，在实际测量时传统防辐射罩会产生约1 K量级的太阳辐射误差。为提升地表温度测量精度，降低工作能耗，本文设计一种基于压电振片振动加速传感器探头辐射热量扩散的温度传感器。首先利用计算流体动力学(Computational Fluid Dynamics, CFD)方法计算温度传感器在多物理因素下的辐射误差，然后使用神经网络算法对数据进行拟合分析，最后搭建外场实验平台，将传感器放置在真实环境中来验证方案的可行性。实验结果表明，本文提出的地表温度传感器具有较高的温度测量精度，其修正值与基准值的绝对误差和均方根误差分别为0.041 K和0.055 K，也验证了神经网络算法修正效果的优越性。
地面温度变化速度为每10年升高0.1 K，然而受太阳辐射的影响，在实际测量时传统防辐射罩会产生约1 K量级的太阳辐射误差。为提升地表温度测量精度，降低工作能耗，本文设计一种基于压电振片振动加速传感器探头辐射热量扩散的温度传感器。首先利用计算流体动力学(Computational Fluid Dynamics, CFD)方法计算温度传感器在多物理因素下的辐射误差，然后使用神经网络算法对数据进行拟合分析，最后搭建外场实验平台，将传感器放置在真实环境中来验证方案的可行性。实验结果表明，本文提出的地表温度传感器具有较高的温度测量精度，其修正值与基准值的绝对误差和均方根误差分别为0.041 K和0.055 K，也验证了神经网络算法修正效果的优越性。
摘要：
为了提高固定翼无人机的飞行控制精度，减少系统动态耦合和外界干扰对固定翼无人机飞行控制系统的性能影响，建立固定翼无人机的奇异摄动模型，在此基础上提出基于干扰观测器的滑模控制方法。首先对固定翼无人机的速度和姿态进行动力学建模，将固定翼无人机的动力学模型转换为奇异摄动模型，再对奇异摄动模型进行快慢分解完成解耦，得到两个降阶非耦合子系统，即以角速度为快变量的快子系统和以速度、姿态为慢变量的慢子系统，分别对角速度回路和速度、姿态回路设计基于干扰观测器的滑模控制器。最后，用Simulink仿真验证了基于快、慢分解的固定翼无人机滑模控制方法的可行性和有效性。
为了提高固定翼无人机的飞行控制精度，减少系统动态耦合和外界干扰对固定翼无人机飞行控制系统的性能影响，建立固定翼无人机的奇异摄动模型，在此基础上提出基于干扰观测器的滑模控制方法。首先对固定翼无人机的速度和姿态进行动力学建模，将固定翼无人机的动力学模型转换为奇异摄动模型，再对奇异摄动模型进行快慢分解完成解耦，得到两个降阶非耦合子系统，即以角速度为快变量的快子系统和以速度、姿态为慢变量的慢子系统，分别对角速度回路和速度、姿态回路设计基于干扰观测器的滑模控制器。最后，用Simulink仿真验证了基于快、慢分解的固定翼无人机滑模控制方法的可行性和有效性。
摘要：
针对复杂环境下起火点目标尺寸较小、起火点特征易与实际场景混淆导致烟火检测效率及准确率低等问题，提出了一种基于改进YOLOv5的小尺度烟火目标检测方法。首先，在原始YOLOv5模型输出的第三个检测层上增加第四个检测层，以此获取更大的特征图对小目标进行检测，加强网络模型的特征提取能力。其次，为解决目标在被遮挡的场景中容易出现漏检的问题，将原网络中用于计算目标框损失函数的 GIOU_Loss 替换成 DIOU_Loss。最后，利用TensorRT对模型进行压缩和加速优化，并将其部署到Jetson TX2开发板上进行加速推理实验，通过复制增强方法扩充实际烟火场景数据，大量实验结果表明，提出方法用于复杂环境下的小尺度烟火目标检测不仅检测速度快而且精度高，适于推广应用。
针对复杂环境下起火点目标尺寸较小、起火点特征易与实际场景混淆导致烟火检测效率及准确率低等问题，提出了一种基于改进YOLOv5的小尺度烟火目标检测方法。首先，在原始YOLOv5模型输出的第三个检测层上增加第四个检测层，以此获取更大的特征图对小目标进行检测，加强网络模型的特征提取能力。其次，为解决目标在被遮挡的场景中容易出现漏检的问题，将原网络中用于计算目标框损失函数的 GIOU_Loss 替换成 DIOU_Loss。最后，利用TensorRT对模型进行压缩和加速优化，并将其部署到Jetson TX2开发板上进行加速推理实验，通过复制增强方法扩充实际烟火场景数据，大量实验结果表明，提出方法用于复杂环境下的小尺度烟火目标检测不仅检测速度快而且精度高，适于推广应用。
摘要：
本文对含有参数不确定性广义时变时滞马尔科夫跳变系统的鲁棒控制问题展开研究。通过构造时滞依赖的Lyapunov-Krasovskii泛函,结合不等式放缩引理,给出了系统随机容许并且满足性能的LMI条件,并利用变量替换等方法设计了满足条件的状态反馈控制器。
本文对含有参数不确定性广义时变时滞马尔科夫跳变系统的鲁棒控制问题展开研究。通过构造时滞依赖的Lyapunov-Krasovskii泛函,结合不等式放缩引理,给出了系统随机容许并且满足性能的LMI条件,并利用变量替换等方法设计了满足条件的状态反馈控制器。
摘要：
针对水下图像颜色失真、关键信息模糊和细节特征丢失的问题，提出一种基于SK注意力残差网络的水下图像增强方法。改进生成对抗网络中的生成器结构，引入残差模块，减少编码器和解码器之间的特征丢失，增强了图像细节和颜色。为了使网络能适应不同尺度的特征图提取图像关键信息，在残差模块后添加SK注意力机制。同时，采用参数修正线性单元来提高网络的拟合能力。将本文方法分别在真实和合成的水下图像数据集中进行验证，采用传统方法和深度学习的方法进行主客观评价。在主观效果分析中发现，本文方法增强后的图像颜色、关键信息和细节特征方面都有很大提升。在客观评价指标中发现，本文方法指标值均高于现有的水下图像增强算法，表明该算法的有效性。
针对水下图像颜色失真、关键信息模糊和细节特征丢失的问题，提出一种基于SK注意力残差网络的水下图像增强方法。改进生成对抗网络中的生成器结构，引入残差模块，减少编码器和解码器之间的特征丢失，增强了图像细节和颜色。为了使网络能适应不同尺度的特征图提取图像关键信息，在残差模块后添加SK注意力机制。同时，采用参数修正线性单元来提高网络的拟合能力。将本文方法分别在真实和合成的水下图像数据集中进行验证，采用传统方法和深度学习的方法进行主客观评价。在主观效果分析中发现，本文方法增强后的图像颜色、关键信息和细节特征方面都有很大提升。在客观评价指标中发现，本文方法指标值均高于现有的水下图像增强算法，表明该算法的有效性。
摘要：
为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响，提出了一种基于循环在线顺序极限学习机（recurrent online sequential extreme learning machine R-OSELM）的海洋环境数据在线预测模型。采用完全在线的方法初始化海洋环境数据训练集，通过在线顺序极限学习机算法对已有的海洋环境数据进行逐块的输入，利用极限学习机的自动编码技术与一种归一化方法对输入权重循环处理，实现预测模型的在线更新。最后完成对海洋环境数据的在线预测。使用该模型对溶解氧、叶绿素a、浊度、蓝绿藻进行预测。结果表明R-OSELM模型的预测精度都强于对比模型，确定其具备海洋环境数据在线预测能力，可为海洋水域水体富营养化与海洋环境污染预警提供参考。
为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响，提出了一种基于循环在线顺序极限学习机（recurrent online sequential extreme learning machine R-OSELM）的海洋环境数据在线预测模型。采用完全在线的方法初始化海洋环境数据训练集，通过在线顺序极限学习机算法对已有的海洋环境数据进行逐块的输入，利用极限学习机的自动编码技术与一种归一化方法对输入权重循环处理，实现预测模型的在线更新。最后完成对海洋环境数据的在线预测。使用该模型对溶解氧、叶绿素a、浊度、蓝绿藻进行预测。结果表明R-OSELM模型的预测精度都强于对比模型，确定其具备海洋环境数据在线预测能力，可为海洋水域水体富营养化与海洋环境污染预警提供参考。
摘要：
摘 要: 肿瘤细胞的密度、核质比和平均尺寸等指标都对癌症的分级和预后有重要的意义。因此在计算病理学中，细胞核分割是肿瘤微环境分析的基础。此外，通过对分割结果进行统计分析，对新的肿瘤标记物的探索有重大的意义。然而，病理图像图像背景下的细胞核形态不规则，细胞核染色不均匀，且细胞核边缘之间存在粘连的问题。现有的深度学习算法在细胞核主体分割正确的情况下，边缘的分割错误不会对总体的损失造成太大的影响，因此粘连的细胞核很容易被当作同一个分割目标。为了解决细胞核重叠问题，本文提出一种基于Transformer与距离图谱的分割模型，将Transformer中的核心多头自注意力机制与距离图谱引导算法相结合，重视细胞核内部，弱化细胞核边界，提升对图像局部和全局上下文信息的学习能力。本文方法在两个公开数据集上的平均Dice系数为0.7979、精度为0.7561、AJI系数为0.6672、Hausdorff距离为10.11。实验结果表明，相较其它分割算法，本文方法的性能更好，能够有效提高细胞核的分割精度，同时较好地解决了细胞核之间的粘连问题。
摘 要: 肿瘤细胞的密度、核质比和平均尺寸等指标都对癌症的分级和预后有重要的意义。因此在计算病理学中，细胞核分割是肿瘤微环境分析的基础。此外，通过对分割结果进行统计分析，对新的肿瘤标记物的探索有重大的意义。然而，病理图像图像背景下的细胞核形态不规则，细胞核染色不均匀，且细胞核边缘之间存在粘连的问题。现有的深度学习算法在细胞核主体分割正确的情况下，边缘的分割错误不会对总体的损失造成太大的影响，因此粘连的细胞核很容易被当作同一个分割目标。为了解决细胞核重叠问题，本文提出一种基于Transformer与距离图谱的分割模型，将Transformer中的核心多头自注意力机制与距离图谱引导算法相结合，重视细胞核内部，弱化细胞核边界，提升对图像局部和全局上下文信息的学习能力。本文方法在两个公开数据集上的平均Dice系数为0.7979、精度为0.7561、AJI系数为0.6672、Hausdorff距离为10.11。实验结果表明，相较其它分割算法，本文方法的性能更好，能够有效提高细胞核的分割精度，同时较好地解决了细胞核之间的粘连问题。
摘要：
为了提高移动机器人自主导航系统的智能化水平和安全性，设计了安全屏障机制下基于Soft Actor-Critic算法的自主导航系统，并构建了依赖于机器人与最近障碍物距离、与目标点距离以及偏航角的回报函数. 在Gazebo仿真平台中，搭建载有激光雷达的移动机器人以及周围环境. 实验证明，安全屏障机制一定程度上降低了机器人撞击障碍物的概率，提高了导航的成功率，并使得基于Soft Actor-Critic算法的移动机器人自主导航系统具有更高的泛化能力. 在更改起终点甚至将静态环境改为动态时，系统仍具有自主导航的能力.
为了提高移动机器人自主导航系统的智能化水平和安全性，设计了安全屏障机制下基于Soft Actor-Critic算法的自主导航系统，并构建了依赖于机器人与最近障碍物距离、与目标点距离以及偏航角的回报函数. 在Gazebo仿真平台中，搭建载有激光雷达的移动机器人以及周围环境. 实验证明，安全屏障机制一定程度上降低了机器人撞击障碍物的概率，提高了导航的成功率，并使得基于Soft Actor-Critic算法的移动机器人自主导航系统具有更高的泛化能力. 在更改起终点甚至将静态环境改为动态时，系统仍具有自主导航的能力.
摘要：
温室气体（GHGs）过量排放造成的全球气候变化问题受到广泛关注，农业活动是第二大温室气体排放源，减少农业温室气体排放刻不容缓。生物炭由生物质在高温限氧条件下热解炭化获得，其性质稳定、孔径丰富、富含芳香碳，因而减排增汇效果优异，具有参与农业自愿减排碳交易的显著潜力。然而生物炭固碳减排效果异质性大，影响因素复杂多样，因此有必要对其减排效应、影响因素和研究进展进行归纳总结。本文系统梳理了国内外与生物炭固碳减排相关的室内、大田研究和整合分析研究，同时采用CiteSpace软件进行可视化分析，探究了该领域的发展趋势和研究热点。基于国内外碳交易市场发展特点与程度以及相应配套政策总结了生物炭参与碳交易面临的机遇和挑战，并提出了相应的解决手段，为生物炭固碳减排研究的开展和生物炭农田应用项目参与碳交易提供了科学指导和建议。
温室气体（GHGs）过量排放造成的全球气候变化问题受到广泛关注，农业活动是第二大温室气体排放源，减少农业温室气体排放刻不容缓。生物炭由生物质在高温限氧条件下热解炭化获得，其性质稳定、孔径丰富、富含芳香碳，因而减排增汇效果优异，具有参与农业自愿减排碳交易的显著潜力。然而生物炭固碳减排效果异质性大，影响因素复杂多样，因此有必要对其减排效应、影响因素和研究进展进行归纳总结。本文系统梳理了国内外与生物炭固碳减排相关的室内、大田研究和整合分析研究，同时采用CiteSpace软件进行可视化分析，探究了该领域的发展趋势和研究热点。基于国内外碳交易市场发展特点与程度以及相应配套政策总结了生物炭参与碳交易面临的机遇和挑战，并提出了相应的解决手段，为生物炭固碳减排研究的开展和生物炭农田应用项目参与碳交易提供了科学指导和建议。
摘要：
为避免正射影像图在镶嵌时,镶嵌线穿过视觉显著地物,损害影像中地物的完整性。本文提出结合边缘信息优化LSC和改进A星算法的正射影像图镶嵌线提取方法。首先,将经典线性谱聚类(Linear spectral clustering algorithm ,LSC)的超像素分割理论引入正射影像图镶嵌线提取算法中,并提出边缘强度因子用以优化经典线性谱聚类算法,有效利用正射影像图中的光谱信息和边缘信息；然后,将优化后的线性谱聚类算法分别应用于两幅正射影像的重叠数据集,得到各类地物的边界特征图。通过数学形态学法去除边界特征图中的边缘不整齐现象和孤立噪点；最后改进传统A星算法,由曼哈顿距离函数替代原有基于欧式距离测度的启发函数,提升A星算法进行最短路径搜索的效率,在边界特征图中快速搜索出最短路径得到最优镶嵌线。利用真实无人机航拍正射影像图将本文方法与相关方法进行对比分析,实验结果表明本文所提方法可高效、高质量的提取到影像镶嵌线,有效地绕过了视觉显著地物,减少了镶嵌线穿过地物的像元点数,满足实际正射影像图制作的应用需求。
为避免正射影像图在镶嵌时,镶嵌线穿过视觉显著地物,损害影像中地物的完整性。本文提出结合边缘信息优化LSC和改进A星算法的正射影像图镶嵌线提取方法。首先,将经典线性谱聚类(Linear spectral clustering algorithm ,LSC)的超像素分割理论引入正射影像图镶嵌线提取算法中,并提出边缘强度因子用以优化经典线性谱聚类算法,有效利用正射影像图中的光谱信息和边缘信息；然后,将优化后的线性谱聚类算法分别应用于两幅正射影像的重叠数据集,得到各类地物的边界特征图。通过数学形态学法去除边界特征图中的边缘不整齐现象和孤立噪点；最后改进传统A星算法,由曼哈顿距离函数替代原有基于欧式距离测度的启发函数,提升A星算法进行最短路径搜索的效率,在边界特征图中快速搜索出最短路径得到最优镶嵌线。利用真实无人机航拍正射影像图将本文方法与相关方法进行对比分析,实验结果表明本文所提方法可高效、高质量的提取到影像镶嵌线,有效地绕过了视觉显著地物,减少了镶嵌线穿过地物的像元点数,满足实际正射影像图制作的应用需求。
摘要：
为探究不同SLAM算法在实际应用场景的光照适应性问题，在不同光照强度下进行基于激光雷达的激光SLAM和基于深度相机的视觉SLAM算法光照适应性评估实验。基于四轮差速机器人，搭载16线激光雷达和深度相机，结合LOAM(Lidar Odometry And Mapping)和RTAB_MAP(Real-Time Appearance-Based Mapping)算法，分别在明暗环境中分析验证SLAM系统的光照适应性。实验结果表明，在明亮环境下，基于视觉SLAM和激光SLAM系统偏差的中误差分别为0.203m，0.644m；在黑暗环境中两者偏差的中误差分别为±0.282m，±0.683m；深度相机在明、暗环境中的定位建图效果均优于激光雷达，深度相机的光照适应性更强。
为探究不同SLAM算法在实际应用场景的光照适应性问题，在不同光照强度下进行基于激光雷达的激光SLAM和基于深度相机的视觉SLAM算法光照适应性评估实验。基于四轮差速机器人，搭载16线激光雷达和深度相机，结合LOAM(Lidar Odometry And Mapping)和RTAB_MAP(Real-Time Appearance-Based Mapping)算法，分别在明暗环境中分析验证SLAM系统的光照适应性。实验结果表明，在明亮环境下，基于视觉SLAM和激光SLAM系统偏差的中误差分别为0.203m，0.644m；在黑暗环境中两者偏差的中误差分别为±0.282m，±0.683m；深度相机在明、暗环境中的定位建图效果均优于激光雷达，深度相机的光照适应性更强。
摘要：
为解决农村地区校车路网布局中校方运营成本过高和乘车站点分布散乱导致校车服务质量差的问题,建立混载与不混载场景下多目标校车路径规划问题(SBRP)模型。在不混载情景下,构建以学生出行成本和校方运营成本为优化目标的融合校车服务水平的SBRP数学模型；在混载情景下,建立考虑校车投入成本与运营成本的SBRP数学模型。通过对比多个启发式算法,确定基于模拟退火算法的求解流程。最后,在国际基准案例上进行了测试,引入不同搜索算子求解不同场景下构建的SBRP数学模型。研究表明证明了构建模型的有效性,能够提高农村地区校车服务质量和降低校车运营成本。
为解决农村地区校车路网布局中校方运营成本过高和乘车站点分布散乱导致校车服务质量差的问题,建立混载与不混载场景下多目标校车路径规划问题(SBRP)模型。在不混载情景下,构建以学生出行成本和校方运营成本为优化目标的融合校车服务水平的SBRP数学模型；在混载情景下,建立考虑校车投入成本与运营成本的SBRP数学模型。通过对比多个启发式算法,确定基于模拟退火算法的求解流程。最后,在国际基准案例上进行了测试,引入不同搜索算子求解不同场景下构建的SBRP数学模型。研究表明证明了构建模型的有效性,能够提高农村地区校车服务质量和降低校车运营成本。
摘要：
随着原有铁路的老化以及对运力需求的增加,需要对既有铁路线路进行改建,因此需要在不影响正常运营的情况下对既有线进行勘测。目前铁路既有线勘测的手段多为传统人工测量方法,存在测量效率低、任务重、工序繁琐、反复上线等不足。针对上述不足,本文基于轨道移动激光扫描系统获取的绝对三维点云数据,采用基于最小二乘的二维模板点云匹配算法,联合迭代计算出钢轨轨面中心点位置,获得轨道中心线和轨距等相关参数。通过轨道试验场地的试验和结果分析表明,本文算法可有效提取轨道中心线,为既有线勘测提供准确的中线数据。
随着原有铁路的老化以及对运力需求的增加,需要对既有铁路线路进行改建,因此需要在不影响正常运营的情况下对既有线进行勘测。目前铁路既有线勘测的手段多为传统人工测量方法,存在测量效率低、任务重、工序繁琐、反复上线等不足。针对上述不足,本文基于轨道移动激光扫描系统获取的绝对三维点云数据,采用基于最小二乘的二维模板点云匹配算法,联合迭代计算出钢轨轨面中心点位置,获得轨道中心线和轨距等相关参数。通过轨道试验场地的试验和结果分析表明,本文算法可有效提取轨道中心线,为既有线勘测提供准确的中线数据。
摘要：
为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产。基于S Zorb装置运行积累的数据,首先利用Lasso初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型。其次对比分析四种模型,得出BP神经网络预测精度更优,更适合作为辛烷值损失预测模型,并经过十折交叉验证得到MSE均值为0.027193,R2均值为0.90487,验证了该模型的可靠性。最后在控制油品硫含量不大于5μg/g的前提下,结合多元线性回归对主要变量进行优化调控。结果表明,需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好,能按照一定比例对主要变量进行正反向调控；并可视化展示了优化过程中辛烷值和硫含量的变化轨迹。
为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产。基于S Zorb装置运行积累的数据,首先利用Lasso初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型。其次对比分析四种模型,得出BP神经网络预测精度更优,更适合作为辛烷值损失预测模型,并经过十折交叉验证得到MSE均值为0.027193,R2均值为0.90487,验证了该模型的可靠性。最后在控制油品硫含量不大于5μg/g的前提下,结合多元线性回归对主要变量进行优化调控。结果表明,需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好,能按照一定比例对主要变量进行正反向调控；并可视化展示了优化过程中辛烷值和硫含量的变化轨迹。
摘要：
鄱阳湖水位变化复杂，传统的技术难以对鄱阳湖水位变化进行大范围高精度地动态监测。2018年9月，搭载了全球先进光子计数激光测高仪的冰、云和陆地高程2号卫星（ICESat-2）的成功发射，对内陆中大型湖泊水位动态变化监测成为可能。本研究利用ICESat-2卫星2018-2020年逐月的ATL13全球内陆水体数据估计和分析了鄱阳湖水位变化特征，利用鄱阳湖湖口、星子和康山水文站实测数据进行验证和误差修正，并结合各测站水位数据、降雨量数据分析鄱阳湖水位动态变化及其原因。结果表明：①鄱阳湖年内水位变化剧烈，具有明显的季节变化规律，总体水位呈上升趋势，6-10月为高水位期，其他月份为低水位期，水位高峰期出现在 7-9 月。②ICESat-2测高水位与实测水位具有较高的线性相关性，决定系数(R2)在0.846以上，经过误差修正以后决定系数高达0.974。均方根误差（RMSE）表现为湖口站1.660m，星子站1.073m，康山站0.836m，经过误差修正重新计算后，其测量精度提升近1m，均方根误差提高为湖口站0.663m，星子站0.659m，康山站为 0.440 m。③鄱阳湖水位变化与降雨量变化高度相关，主要受降雨量影响，表现为1-2 月和 10-12 月降雨量较少，为枯水期，水位下降；3-10 月降雨量增多，为丰水期，水位上涨；降雨主要集中出现在7-9月，对应水位高峰期。
鄱阳湖水位变化复杂，传统的技术难以对鄱阳湖水位变化进行大范围高精度地动态监测。2018年9月，搭载了全球先进光子计数激光测高仪的冰、云和陆地高程2号卫星（ICESat-2）的成功发射，对内陆中大型湖泊水位动态变化监测成为可能。本研究利用ICESat-2卫星2018-2020年逐月的ATL13全球内陆水体数据估计和分析了鄱阳湖水位变化特征，利用鄱阳湖湖口、星子和康山水文站实测数据进行验证和误差修正，并结合各测站水位数据、降雨量数据分析鄱阳湖水位动态变化及其原因。结果表明：①鄱阳湖年内水位变化剧烈，具有明显的季节变化规律，总体水位呈上升趋势，6-10月为高水位期，其他月份为低水位期，水位高峰期出现在 7-9 月。②ICESat-2测高水位与实测水位具有较高的线性相关性，决定系数(R2)在0.846以上，经过误差修正以后决定系数高达0.974。均方根误差（RMSE）表现为湖口站1.660m，星子站1.073m，康山站0.836m，经过误差修正重新计算后，其测量精度提升近1m，均方根误差提高为湖口站0.663m，星子站0.659m，康山站为 0.440 m。③鄱阳湖水位变化与降雨量变化高度相关，主要受降雨量影响，表现为1-2 月和 10-12 月降雨量较少，为枯水期，水位下降；3-10 月降雨量增多，为丰水期，水位上涨；降雨主要集中出现在7-9月，对应水位高峰期。
摘要：
为了提高高光谱图像在有限训练样本下的分类性能，提出了一种基于双池化注意力机制的高光谱图像分类网络（DPAMN）。首先，DPAMN采用三维卷积提取高光谱图像的空间和光谱浅层信息。其次，为了增强网络的特征提取能力，在DPAMN中引入了一种双池化注意力机制。最后，在网络的深层引入三维卷积密集连接模块，该模块不仅能够充分提取高光谱图像的空间和光谱特征，同时还能提高特征的判别能力。实验证明，在Indian Pines、University of Pavia、Salinas以及Houston2013数据集上能够取得95.45%、97.11%、95.30%以及93.71%的整体平均精度，与目前主流的已有先进方法相比，所提出的方法在四个数据集上均有较大提升，这表明所提出方法具有较强的泛化能力。
为了提高高光谱图像在有限训练样本下的分类性能，提出了一种基于双池化注意力机制的高光谱图像分类网络（DPAMN）。首先，DPAMN采用三维卷积提取高光谱图像的空间和光谱浅层信息。其次，为了增强网络的特征提取能力，在DPAMN中引入了一种双池化注意力机制。最后，在网络的深层引入三维卷积密集连接模块，该模块不仅能够充分提取高光谱图像的空间和光谱特征，同时还能提高特征的判别能力。实验证明，在Indian Pines、University of Pavia、Salinas以及Houston2013数据集上能够取得95.45%、97.11%、95.30%以及93.71%的整体平均精度，与目前主流的已有先进方法相比，所提出的方法在四个数据集上均有较大提升，这表明所提出方法具有较强的泛化能力。
摘要：
前负荷预测是电力调度中心制定调度计划的重要工作，对于制定合理的调度计划，保证电力系统运行的安全可靠性具有重要意义。电力负荷时间序列通常存在随机误差，并且基于智能算法的预测模型为了充分提取负荷信息，结构复杂，计算量大。针对该问题，本文利用台区配电网的历史电力负荷时间序列，提出一种基于重复小波变换-支持向量机（Repeated wavelet transform-support vector machine，RWT-SVM）混合模型的日前电力负荷预测方法。该方法利用小波变换技术将台区配电网电力负荷时间序列分解为多个子序列；利用平均绝对值误差计算每个子序列的预报误差贡献度；对平均绝对值误差最大的序列进行进一步分解，从而提升模型的预测能力，得到精度更高的预测结果。仿真结果表明所提出的RWT-SVM混合模型的预测方法与其它3种方法相比精度更高。
前负荷预测是电力调度中心制定调度计划的重要工作，对于制定合理的调度计划，保证电力系统运行的安全可靠性具有重要意义。电力负荷时间序列通常存在随机误差，并且基于智能算法的预测模型为了充分提取负荷信息，结构复杂，计算量大。针对该问题，本文利用台区配电网的历史电力负荷时间序列，提出一种基于重复小波变换-支持向量机（Repeated wavelet transform-support vector machine，RWT-SVM）混合模型的日前电力负荷预测方法。该方法利用小波变换技术将台区配电网电力负荷时间序列分解为多个子序列；利用平均绝对值误差计算每个子序列的预报误差贡献度；对平均绝对值误差最大的序列进行进一步分解，从而提升模型的预测能力，得到精度更高的预测结果。仿真结果表明所提出的RWT-SVM混合模型的预测方法与其它3种方法相比精度更高。
摘要：
针对输入负荷特征对分解结果的重要程度不同，以及长短时记忆网络（LSTM）在捕捉长时间用电信息的时间依赖性方面受限导致分解误差高的问题，提出一种基于多注意力机制集成的非侵入式负荷分解算法。首先，利用概率自注意力机制对一维空洞卷积提取到的负荷特征进行优化处理，实现重要负荷特征的遴选；其次，采用时间模式注意力机制对LSTM的隐状态赋予权重，从而增强网络对长时间用电信息之间的时间依赖性的学习能力；最后，利用公开数据集UKDALE和REDD对所提分解模型的有效性和创新性进行验证。实验结果表明，与其他多种现有分解算法相比，基于多注意力机制集成的分解算法不仅具备更好的负荷特征遴选能力，而且能正确建立特征之间的时间依赖关系，有效降低了分解误差。
针对输入负荷特征对分解结果的重要程度不同，以及长短时记忆网络（LSTM）在捕捉长时间用电信息的时间依赖性方面受限导致分解误差高的问题，提出一种基于多注意力机制集成的非侵入式负荷分解算法。首先，利用概率自注意力机制对一维空洞卷积提取到的负荷特征进行优化处理，实现重要负荷特征的遴选；其次，采用时间模式注意力机制对LSTM的隐状态赋予权重，从而增强网络对长时间用电信息之间的时间依赖性的学习能力；最后，利用公开数据集UKDALE和REDD对所提分解模型的有效性和创新性进行验证。实验结果表明，与其他多种现有分解算法相比，基于多注意力机制集成的分解算法不仅具备更好的负荷特征遴选能力，而且能正确建立特征之间的时间依赖关系，有效降低了分解误差。
摘要：
过去几年中,机器人已经成为变电站巡检的一种重要手段,为了能够更加灵活的执行巡检任务,非固定线路的机器人巡检技术越来越受到关注。如何在复杂的变电站环境中实现高精度的定位是其中需要解决的核心问题。单一传感器难以满足变电站可靠定位的要求,因此,本文设计了多传感器融合的LINS-GNSS定位方法。其前端基于迭代误差状态卡尔曼滤波框架将激光雷达和惯性导航进行紧耦合,在每次迭代中生成新的特征对应关系递归地校正估计状态。后端使用因子图优化的方法将卫星导航的定位结果与LiDAR-SLAM后端输出的定位结果松耦合。优化过程中先将局部坐标系与全局坐标系对齐,再将卫星导航的位置约束作为先验边添加到后端的因子图中,最后将定位结果在全局坐标系下输出。为了评估LINS-GNSS系统在变电站环境中的性能,本文其进行了实际场景的外场测试。实验结果表明,LINS-GNSS系统在变电站环境中可以达到优于1m的定位精度。
过去几年中,机器人已经成为变电站巡检的一种重要手段,为了能够更加灵活的执行巡检任务,非固定线路的机器人巡检技术越来越受到关注。如何在复杂的变电站环境中实现高精度的定位是其中需要解决的核心问题。单一传感器难以满足变电站可靠定位的要求,因此,本文设计了多传感器融合的LINS-GNSS定位方法。其前端基于迭代误差状态卡尔曼滤波框架将激光雷达和惯性导航进行紧耦合,在每次迭代中生成新的特征对应关系递归地校正估计状态。后端使用因子图优化的方法将卫星导航的定位结果与LiDAR-SLAM后端输出的定位结果松耦合。优化过程中先将局部坐标系与全局坐标系对齐,再将卫星导航的位置约束作为先验边添加到后端的因子图中,最后将定位结果在全局坐标系下输出。为了评估LINS-GNSS系统在变电站环境中的性能,本文其进行了实际场景的外场测试。实验结果表明,LINS-GNSS系统在变电站环境中可以达到优于1m的定位精度。
摘要：
传统大数据隐匿性特征安全提取技术忽略了大数据密文的公钥及密钥封装，且大数据隐匿性特征类别混乱，导致该技术的提取精度偏低，冗余度较高。为此，提出基于混合密码体制的大数据隐匿性特征安全提取方法。通过混合密码体制中的公钥封装以及密钥封装机制生成大数据密文。根据密文内容设计对称加密方法和非对称加密方法，基于此分类隐匿性特征。利用不同类的隐匿性特征构建大数据隐秘性特征相空间，计算大数据间的关联维值，实现大数据隐匿特征的安全提取。实验结果表明，与传统方法相比，所提出的大数据隐匿特征提取方法冗余度低，大数据隐匿特征平均正确分类率高达95%，且特征安全提取误差低，验证了所提方法具有更好的应用性能。
传统大数据隐匿性特征安全提取技术忽略了大数据密文的公钥及密钥封装，且大数据隐匿性特征类别混乱，导致该技术的提取精度偏低，冗余度较高。为此，提出基于混合密码体制的大数据隐匿性特征安全提取方法。通过混合密码体制中的公钥封装以及密钥封装机制生成大数据密文。根据密文内容设计对称加密方法和非对称加密方法，基于此分类隐匿性特征。利用不同类的隐匿性特征构建大数据隐秘性特征相空间，计算大数据间的关联维值，实现大数据隐匿特征的安全提取。实验结果表明，与传统方法相比，所提出的大数据隐匿特征提取方法冗余度低，大数据隐匿特征平均正确分类率高达95%，且特征安全提取误差低，验证了所提方法具有更好的应用性能。
摘要：
针对基于传统手工设计的电缆敷设存在误差大和效率低等问题，将蚁群算法优化的计算机辅助设计应用到电缆敷设路径规划中。利用蚁群算法在复杂线路中多端点的线路计算优势，解决电缆敷设的最短路径问题。同时，本文将电缆敷设路径平面化，进一步利用Gompertz函数从信息素限定和挥发因子自适应调整两方面进行优化，提高了蚁群算法的收敛速度和全局性。仿真试验表明，优化的蚁群算法在变电站数字化三维电缆敷设过程能够快速得出最短电缆敷设路径，节省人力物资成本，提高了设计精度。
针对基于传统手工设计的电缆敷设存在误差大和效率低等问题，将蚁群算法优化的计算机辅助设计应用到电缆敷设路径规划中。利用蚁群算法在复杂线路中多端点的线路计算优势，解决电缆敷设的最短路径问题。同时，本文将电缆敷设路径平面化，进一步利用Gompertz函数从信息素限定和挥发因子自适应调整两方面进行优化，提高了蚁群算法的收敛速度和全局性。仿真试验表明，优化的蚁群算法在变电站数字化三维电缆敷设过程能够快速得出最短电缆敷设路径，节省人力物资成本，提高了设计精度。
摘要：
包含风电、光伏等新能源的综合能源系统以实现电、热、冷等多能互补供能而备受关注。当多个投资者作为独立主体参与综合能源系统运营时，如何对各设备进行合理的容量配置，以更好地消纳新能源和实现各投资主体的利益最大化，是值得关注的问题。本文基于博弈论的纳什均衡原理，针对由风电设备、光伏设备以及冷热电联供设备3个投资者组成的综合能源系统，构建容量配置博弈模型，并采用粒子群算法进行求解。在非博弈、非合作博弈以及合作博弈3种不同场景的对比分析表明，在合作博弈场景下，各方投资者收益相对最大、容量配置相对最小，系统具有最大的整体收益，各参与者有明显的合作可能性。这为多方参与供能市场提供了解决思路。
包含风电、光伏等新能源的综合能源系统以实现电、热、冷等多能互补供能而备受关注。当多个投资者作为独立主体参与综合能源系统运营时，如何对各设备进行合理的容量配置，以更好地消纳新能源和实现各投资主体的利益最大化，是值得关注的问题。本文基于博弈论的纳什均衡原理，针对由风电设备、光伏设备以及冷热电联供设备3个投资者组成的综合能源系统，构建容量配置博弈模型，并采用粒子群算法进行求解。在非博弈、非合作博弈以及合作博弈3种不同场景的对比分析表明，在合作博弈场景下，各方投资者收益相对最大、容量配置相对最小，系统具有最大的整体收益，各参与者有明显的合作可能性。这为多方参与供能市场提供了解决思路。
摘要：
社区发现是数据挖掘领域针对复杂网络进行处理的关键问题，同时亦为后续社交网络内容推荐或与电网领域相结合，用于支撑电力领域用电用户画像的刻画，助力街区管理者更好地服务街区。现有社区发现算法常基于扩展思想，算法选取的种子节点可能相互邻接，导致扩展后的社区结构重叠性较高、划分不明显；在扩展过程中，忽略了未分配节点之间的顺序性，对可分配节点间的影响力考虑不充分。针对上述问题，本文提出基于种子过滤与节点影响力的并行化社区发现算法。该算法首先在选择关键种子时引入种子过滤机制，剔除邻接种子节点，降低社区结构重叠性；其次，在扩展过程中，以节点与社区的相似性和距离量化节点影响力，优先添加影响力高的节点；最后，对上述社区发现算法做并行化，用以处理大规模社交网络的社区划分问题。
社区发现是数据挖掘领域针对复杂网络进行处理的关键问题，同时亦为后续社交网络内容推荐或与电网领域相结合，用于支撑电力领域用电用户画像的刻画，助力街区管理者更好地服务街区。现有社区发现算法常基于扩展思想，算法选取的种子节点可能相互邻接，导致扩展后的社区结构重叠性较高、划分不明显；在扩展过程中，忽略了未分配节点之间的顺序性，对可分配节点间的影响力考虑不充分。针对上述问题，本文提出基于种子过滤与节点影响力的并行化社区发现算法。该算法首先在选择关键种子时引入种子过滤机制，剔除邻接种子节点，降低社区结构重叠性；其次，在扩展过程中，以节点与社区的相似性和距离量化节点影响力，优先添加影响力高的节点；最后，对上述社区发现算法做并行化，用以处理大规模社交网络的社区划分问题。
摘要：
针对传统手工特征方法无法有效提取整体图像深层信息，提出基于深度学习特征融合的场景分类新方法。首先利用灰度共生矩阵（GLCM）和局部二值模式（LBP）提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息；其次通过基于AlexNet迁移学习网络提取图像的深层信息，在去除最后一层全连接层的同时加入一层256维的全连接层作为特征输出；将两种特征进行自适应融合；最终输入到网格搜索算法优化的支持向量机（GS-SVM）中对遥感图像进行场景分类识别。在公开数据集UC Merced的21类目标数据和RSSCN7的7类目标数据的实验结果表明，五次实验的平均准确率分别达94.77%和93.79%。实验结果与参考文献其它方法对分类精度进行对比，表明该方法有效提升遥感图像场景的分类精度。
针对传统手工特征方法无法有效提取整体图像深层信息，提出基于深度学习特征融合的场景分类新方法。首先利用灰度共生矩阵（GLCM）和局部二值模式（LBP）提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息；其次通过基于AlexNet迁移学习网络提取图像的深层信息，在去除最后一层全连接层的同时加入一层256维的全连接层作为特征输出；将两种特征进行自适应融合；最终输入到网格搜索算法优化的支持向量机（GS-SVM）中对遥感图像进行场景分类识别。在公开数据集UC Merced的21类目标数据和RSSCN7的7类目标数据的实验结果表明，五次实验的平均准确率分别达94.77%和93.79%。实验结果与参考文献其它方法对分类精度进行对比，表明该方法有效提升遥感图像场景的分类精度。
摘要：
以往关于第四方物流(4PL)路径问题的研究对客户的风险偏好考虑较少。本文考虑了客户的风险偏好,采用前景理论中的价值函数衡量客户对配送成本和配送工期的风险态度,建立最大化客户心理评价效用的数学模型。根据物流网络路径优化的问题特点,设计了嵌入Dijkstra算法的自适应遗传算法对问题进行求解,设计多个不同规模的数值算例,在仿真实验的基础上说明了建立模型和算法的可行性和有效性。本研究从行为对决策结果影响的视角为第四方物流路径优化问题的解决提供了一套新的决策模型和优化方法。
以往关于第四方物流(4PL)路径问题的研究对客户的风险偏好考虑较少。本文考虑了客户的风险偏好,采用前景理论中的价值函数衡量客户对配送成本和配送工期的风险态度,建立最大化客户心理评价效用的数学模型。根据物流网络路径优化的问题特点,设计了嵌入Dijkstra算法的自适应遗传算法对问题进行求解,设计多个不同规模的数值算例,在仿真实验的基础上说明了建立模型和算法的可行性和有效性。本研究从行为对决策结果影响的视角为第四方物流路径优化问题的解决提供了一套新的决策模型和优化方法。
摘要：
双凸极电机(doubly salient electro-magnetic machine, DSEM)输出转矩大小与提前角度的选取有关,由于DSEM的非线性特征,通常采用多组有限元仿真和实验来选取合适的提前角度,并且工况变化后需要重新选取。为了简化提前角度的选取,文中提出了双凸极电机驱动系统提前角自寻优控制方法。首先,分析了DSEM电枢电流包围面积同输出转矩的关系,在此基础上建立了电机输出转矩估算模型。进一步,提出了提前角自寻优控制方法,对DSEM驱动系统提前角进行扰动,基于转矩估算模型比较不同提前角下电机输出转矩的大小,自动寻优得到DSEM最大输出转矩对应的提前角。最后,通过对12/8极DSEM进行场路联合仿真和实验验证了所提方法的有效性和可行性。
双凸极电机(doubly salient electro-magnetic machine, DSEM)输出转矩大小与提前角度的选取有关,由于DSEM的非线性特征,通常采用多组有限元仿真和实验来选取合适的提前角度,并且工况变化后需要重新选取。为了简化提前角度的选取,文中提出了双凸极电机驱动系统提前角自寻优控制方法。首先,分析了DSEM电枢电流包围面积同输出转矩的关系,在此基础上建立了电机输出转矩估算模型。进一步,提出了提前角自寻优控制方法,对DSEM驱动系统提前角进行扰动,基于转矩估算模型比较不同提前角下电机输出转矩的大小,自动寻优得到DSEM最大输出转矩对应的提前角。最后,通过对12/8极DSEM进行场路联合仿真和实验验证了所提方法的有效性和可行性。
摘要：
在对化工领域类文本进行分类任务时，由于文本的专业性以及复杂多样性，仅仅依靠现有的词向量表征方式，很难对其中的专业术语以及其他化工领域内相关字词的语义进行充分表征，从而导致分类任务的准确率不高。本文提出一种融合多粒度动态语义表征的文本分类模型，首先在词嵌入层使用动态词向量表征语义信息并引入对抗扰动，使得词向量具有更好的表征能力，然后利用多头注意力机制进行词向量权重分配，获得带有关键语义信息的文本表示，最后使用提出的多尺度残差收缩深层金字塔形的卷积神经网络与混合注意力胶囊双向LSTM网络模型分别提取不同粒度的文本表示，融合后对得到的最终文本表示进行分类。实验结果表明，相比于现有模型，所提出的模型使用不同词向量表示时，在化工领域文本数据集上F1-score最高可达84.62%，提升了0.38～5.58个百分点；在公开中文数据集THUCNews和谭松波酒店评论数据集ChnSentiCorp上进行模型泛化性能评估，模型也有较好表现。
在对化工领域类文本进行分类任务时，由于文本的专业性以及复杂多样性，仅仅依靠现有的词向量表征方式，很难对其中的专业术语以及其他化工领域内相关字词的语义进行充分表征，从而导致分类任务的准确率不高。本文提出一种融合多粒度动态语义表征的文本分类模型，首先在词嵌入层使用动态词向量表征语义信息并引入对抗扰动，使得词向量具有更好的表征能力，然后利用多头注意力机制进行词向量权重分配，获得带有关键语义信息的文本表示，最后使用提出的多尺度残差收缩深层金字塔形的卷积神经网络与混合注意力胶囊双向LSTM网络模型分别提取不同粒度的文本表示，融合后对得到的最终文本表示进行分类。实验结果表明，相比于现有模型，所提出的模型使用不同词向量表示时，在化工领域文本数据集上F1-score最高可达84.62%，提升了0.38～5.58个百分点；在公开中文数据集THUCNews和谭松波酒店评论数据集ChnSentiCorp上进行模型泛化性能评估，模型也有较好表现。
摘要：
科学评判城镇化质量对于衡量城市发展水平和促进城市可持续发展具有重要意义。研究基于城镇发展和城镇环境质量两个维度构建了辽宁省城镇化质量评价指标体系，综合运用熵权法、标准差椭圆、地理探测器等方法探究辽宁省城镇化质量及空间分布规律、空间演变趋势及影响因子。研究结果表明：①2005-2019年间，全省总体城镇化质量指数呈现上升态势，由2.74提高到4.74，经济城镇化子系统质量上升最大，社会城镇化和环境治理子系统质量上升趋势明显，环境状态和环境压力子系统质量相对平稳。②各市城镇化质量指数在0.087~0.740之间，空间分布上主要呈现沈阳为“大核心”，大连为“小核心”的区域聚集发展的格局。③研究区城镇化质量标准差椭圆重心位于辽阳市，2005-2019年偏转轨迹是“东南-西北-西南”，且标准差椭圆重心移动距离和移动速度逐年增加。④影响辽宁省城镇化质量的子系统主要有经济城镇化、社会城镇化和环境治理因素，具体到指标层上，影响综合城镇化质量的主要有建成区面积、全社会固定资产投资、参加基本养老保险人数、每万人在校大学生数、生活垃圾清运量和城市污水日处理能力，并且指标影响力还在持续上升。
科学评判城镇化质量对于衡量城市发展水平和促进城市可持续发展具有重要意义。研究基于城镇发展和城镇环境质量两个维度构建了辽宁省城镇化质量评价指标体系，综合运用熵权法、标准差椭圆、地理探测器等方法探究辽宁省城镇化质量及空间分布规律、空间演变趋势及影响因子。研究结果表明：①2005-2019年间，全省总体城镇化质量指数呈现上升态势，由2.74提高到4.74，经济城镇化子系统质量上升最大，社会城镇化和环境治理子系统质量上升趋势明显，环境状态和环境压力子系统质量相对平稳。②各市城镇化质量指数在0.087~0.740之间，空间分布上主要呈现沈阳为“大核心”，大连为“小核心”的区域聚集发展的格局。③研究区城镇化质量标准差椭圆重心位于辽阳市，2005-2019年偏转轨迹是“东南-西北-西南”，且标准差椭圆重心移动距离和移动速度逐年增加。④影响辽宁省城镇化质量的子系统主要有经济城镇化、社会城镇化和环境治理因素，具体到指标层上，影响综合城镇化质量的主要有建成区面积、全社会固定资产投资、参加基本养老保险人数、每万人在校大学生数、生活垃圾清运量和城市污水日处理能力，并且指标影响力还在持续上升。
摘要：
以广西北部湾为研究区,针对潮位周期性变化导致稀疏低矮红树林难以被准确提取问题,基于多潮位Landsat8 OLI图像和DEM (Digital Elevation Model)数据,通过构建红树林识别决策树模型,并以支持向量机(support vector machine,SVM)为对照,评价结合潮位和DEM信息的决策树法提取红树林信息的可行性。研究结果表明：(1)不同高度、密度红树林之间光谱以及不同潮位时红树林光谱差异均较大,稀疏低矮红树林也与阴坡林地、水体-陆生植被混合像元光谱存在严重“异物同谱”效应；(2)无论是基于低潮位、高潮位图像,还是多潮位图像,在SVM中,将红树林按高度、密度差异细分为高密红树林和稀矮红树林,其总体精度(分为红树林和非红树林两类)可分别提高4.65%、4.41%和7.22%；(3)基于多潮位图像及DEM的决策树模型识别的总体精度和Kappa系数分别为98.80%和0.973,比SVM中最佳值分别高出1.62%和0.035。因此,通过同时考虑红树林高度密度、潮位和DEM等特征,可明显提高红树林遥感识别的精度。
以广西北部湾为研究区,针对潮位周期性变化导致稀疏低矮红树林难以被准确提取问题,基于多潮位Landsat8 OLI图像和DEM (Digital Elevation Model)数据,通过构建红树林识别决策树模型,并以支持向量机(support vector machine,SVM)为对照,评价结合潮位和DEM信息的决策树法提取红树林信息的可行性。研究结果表明：(1)不同高度、密度红树林之间光谱以及不同潮位时红树林光谱差异均较大,稀疏低矮红树林也与阴坡林地、水体-陆生植被混合像元光谱存在严重“异物同谱”效应；(2)无论是基于低潮位、高潮位图像,还是多潮位图像,在SVM中,将红树林按高度、密度差异细分为高密红树林和稀矮红树林,其总体精度(分为红树林和非红树林两类)可分别提高4.65%、4.41%和7.22%；(3)基于多潮位图像及DEM的决策树模型识别的总体精度和Kappa系数分别为98.80%和0.973,比SVM中最佳值分别高出1.62%和0.035。因此,通过同时考虑红树林高度密度、潮位和DEM等特征,可明显提高红树林遥感识别的精度。
摘要：
氨是大气中生成PM2.5的主要前驱物之一。为了用同位素方法更精确地识别大气中氨的来源,减轻城市大气PM2.5污染,对近年来国内外有关气态氨的采样与浓度分析方法、氮同位素比值测定和估算方法、不同来源氨的氮同位素组成及同位素分馏、大气中氨的氮同位素组成及分馏、大气颗粒物和降水中NH4+的氮同位素组成、以及大气中氨的源解析等研究现状进行了分析。据此为未来的研究工作提出了若干建议：被动采样法会引起NH3的氮同位素分馏,采样前应确定最低采样质量；需加强对生物质燃烧、天然土壤、海洋、污水处理厂、植物,及其他潜在排放源氨的氮同位素组成研究；要进一步研究不同排放源氨的氮同位素组成变化机理；应以更高的时间分辨率同时测定气态NH3和颗粒态NH4+的质量浓度和氮同位素组成,以探讨颗粒态NH4+生成过程中氮的同位素分馏机理；需更加深入地研究不同大气污染状况和气象条件下气态氨的氮同位素分馏机理。
氨是大气中生成PM2.5的主要前驱物之一。为了用同位素方法更精确地识别大气中氨的来源,减轻城市大气PM2.5污染,对近年来国内外有关气态氨的采样与浓度分析方法、氮同位素比值测定和估算方法、不同来源氨的氮同位素组成及同位素分馏、大气中氨的氮同位素组成及分馏、大气颗粒物和降水中NH4+的氮同位素组成、以及大气中氨的源解析等研究现状进行了分析。据此为未来的研究工作提出了若干建议：被动采样法会引起NH3的氮同位素分馏,采样前应确定最低采样质量；需加强对生物质燃烧、天然土壤、海洋、污水处理厂、植物,及其他潜在排放源氨的氮同位素组成研究；要进一步研究不同排放源氨的氮同位素组成变化机理；应以更高的时间分辨率同时测定气态NH3和颗粒态NH4+的质量浓度和氮同位素组成,以探讨颗粒态NH4+生成过程中氮的同位素分馏机理；需更加深入地研究不同大气污染状况和气象条件下气态氨的氮同位素分馏机理。
摘要：
随着ICV(智能网联汽车)产业的快速发展，车与人、车与车以及车与外部环境的数据交换成为常态，汽车安全受到严重威胁，研究汽车安全认证方法则显得至关重要。车载PEPS（无钥匙进入及启动系统）和EMS（发动机管理系统）的安全认证决定整车安全性能，是保证汽车安全运行的前提条件。目前业界广泛采用128bits AES算法实现PEPS和EMS的安全认证，由于AES密钥生成和密钥调度算法较国密算法SM4复杂，加解密时间较长，且算法实现的代码量较大，占用过多的MCU资源。因此，提出将国密SM4算法应用于车载PEPS和EMS的安全认证，缩短加解密时间，有效提高数传效率，同时采用高级语言实现该算法并移植到国产MCU GD32F103，实现产品国产化，降低成本。将国密算法SM4进行推广，为ICV安全认证提供研究基础。
随着ICV(智能网联汽车)产业的快速发展，车与人、车与车以及车与外部环境的数据交换成为常态，汽车安全受到严重威胁，研究汽车安全认证方法则显得至关重要。车载PEPS（无钥匙进入及启动系统）和EMS（发动机管理系统）的安全认证决定整车安全性能，是保证汽车安全运行的前提条件。目前业界广泛采用128bits AES算法实现PEPS和EMS的安全认证，由于AES密钥生成和密钥调度算法较国密算法SM4复杂，加解密时间较长，且算法实现的代码量较大，占用过多的MCU资源。因此，提出将国密SM4算法应用于车载PEPS和EMS的安全认证，缩短加解密时间，有效提高数传效率，同时采用高级语言实现该算法并移植到国产MCU GD32F103，实现产品国产化，降低成本。将国密算法SM4进行推广，为ICV安全认证提供研究基础。
摘要：
视频编码技术有效地解决了原始视频数据量过大的问题。然而，压缩效率的提升带来了视频质量下降。为了提高压缩视频的视觉质量，本文提出了一种基于细节还原卷积神经网络（Detail Recovery Convolutional Neural Network, DRCNN）的视频质量增强方法，该方法由一个主去噪分支和一个细节补偿分支组成。为了有效地提取和消除压缩失真，本文提出了一个主去噪分支，在此分支中提出了一个多尺度失真特征提取块（Multi-Scale Distortion Feature Extraction Block, MDFEB），使其更加关注压缩视频中的失真区域，并提高所提出的DRCNN的失真特征学习能力。此外，为了丰富压缩视频中的细节，本文提出了细节补偿分支。细节补偿分支首先采用预训练的ResNet-50组成的内容特征提取器，提供丰富的内容特征，如突出的物体、形状、细节等；然后通过设计的细节响应块（Detail Response Block, DRB）从内容特征中有效地提取细节特征。大量的实验结果表明，与最先进的方法相比，所提出的DRCNN实现了最佳的压缩视频质量增强性能。
视频编码技术有效地解决了原始视频数据量过大的问题。然而，压缩效率的提升带来了视频质量下降。为了提高压缩视频的视觉质量，本文提出了一种基于细节还原卷积神经网络（Detail Recovery Convolutional Neural Network, DRCNN）的视频质量增强方法，该方法由一个主去噪分支和一个细节补偿分支组成。为了有效地提取和消除压缩失真，本文提出了一个主去噪分支，在此分支中提出了一个多尺度失真特征提取块（Multi-Scale Distortion Feature Extraction Block, MDFEB），使其更加关注压缩视频中的失真区域，并提高所提出的DRCNN的失真特征学习能力。此外，为了丰富压缩视频中的细节，本文提出了细节补偿分支。细节补偿分支首先采用预训练的ResNet-50组成的内容特征提取器，提供丰富的内容特征，如突出的物体、形状、细节等；然后通过设计的细节响应块（Detail Response Block, DRB）从内容特征中有效地提取细节特征。大量的实验结果表明，与最先进的方法相比，所提出的DRCNN实现了最佳的压缩视频质量增强性能。
摘要：
传统的声回波消除(Acoustic Echo Cancellation, AEC)方法使用双端通话检测器判断单、双端通话场景，性能受限。盲源分离(Blind Source Separation, BSS)信号模型是一个远端和近端信号并存的全双工模型,因此基于BSS的AEC无需双端通话检测器。本文采用基于辅助函数的独立分量分析(Auxiliary Function Based Independent Component Analysis, Aux-ICA)算法在频域上实现声回波消除，以最小化互信息为目标函数，借助辅助函数技术进行优化。仿真实验结果表明，在连续的双端通话场景中，该方法具有较低的计算复杂度和较好的回波消除性能。
传统的声回波消除(Acoustic Echo Cancellation, AEC)方法使用双端通话检测器判断单、双端通话场景，性能受限。盲源分离(Blind Source Separation, BSS)信号模型是一个远端和近端信号并存的全双工模型,因此基于BSS的AEC无需双端通话检测器。本文采用基于辅助函数的独立分量分析(Auxiliary Function Based Independent Component Analysis, Aux-ICA)算法在频域上实现声回波消除，以最小化互信息为目标函数，借助辅助函数技术进行优化。仿真实验结果表明，在连续的双端通话场景中，该方法具有较低的计算复杂度和较好的回波消除性能。
摘要：
新冠疫情爆发至今，中小型服务企业受到的冲击尤为巨大。以地方政府和中小型服务企业联合发行消费券应对疫情为背景，构建地方政府、中小型服务企业和消费者的三方演化博弈模型，研究政府有偿补贴的影响因子、公信力的影响因子、消费券抵扣金额的影响因子等因素对各利益相关方策略的影响，以期实现地方政府与中小型服务企业良性合作，真正刺激消费，让利于民。结果表明：政府有偿扶持策略下补贴额较低、有偿扶持策略对公信力的影响较大，将促使政府选择对企业进行有偿扶持；企业积极自救策略下所获有偿补贴较高、对消费券抵扣金额较少，企业更愿意坚持积极自救策略；消费券对消费者实际消费额的影响程度较小、积极自救企业对消费券抵扣金额较多，将促使消费者选择持券消费；实施差异化的扶持政策、结合消费券精准发放，可促进经济复苏。
新冠疫情爆发至今，中小型服务企业受到的冲击尤为巨大。以地方政府和中小型服务企业联合发行消费券应对疫情为背景，构建地方政府、中小型服务企业和消费者的三方演化博弈模型，研究政府有偿补贴的影响因子、公信力的影响因子、消费券抵扣金额的影响因子等因素对各利益相关方策略的影响，以期实现地方政府与中小型服务企业良性合作，真正刺激消费，让利于民。结果表明：政府有偿扶持策略下补贴额较低、有偿扶持策略对公信力的影响较大，将促使政府选择对企业进行有偿扶持；企业积极自救策略下所获有偿补贴较高、对消费券抵扣金额较少，企业更愿意坚持积极自救策略；消费券对消费者实际消费额的影响程度较小、积极自救企业对消费券抵扣金额较多，将促使消费者选择持券消费；实施差异化的扶持政策、结合消费券精准发放，可促进经济复苏。
摘要：
针对多无人机对多个异构任务目标进行侦察和通信服务的协同优化问题，通过考虑不同目标的任务要求和价值，以及多机协同增益与任务行为制约关系，构建斯坦伯格博弈模型，将上层无人机建立为博弈领导者，下层无人机建立为博弈的跟随者，并提出一种分布式策略更新迭代算法，实现了多无人机任务分配方案的稳定收敛以及系统任务收益优化。仿真结果显示，所提方法能有效提升多无人机系统同时完成多个任务的效益，并能在不同环境下实现面向异构任务价值的高效协同。
针对多无人机对多个异构任务目标进行侦察和通信服务的协同优化问题，通过考虑不同目标的任务要求和价值，以及多机协同增益与任务行为制约关系，构建斯坦伯格博弈模型，将上层无人机建立为博弈领导者，下层无人机建立为博弈的跟随者，并提出一种分布式策略更新迭代算法，实现了多无人机任务分配方案的稳定收敛以及系统任务收益优化。仿真结果显示，所提方法能有效提升多无人机系统同时完成多个任务的效益，并能在不同环境下实现面向异构任务价值的高效协同。
摘要：
5G网络的发展促使工业互联网垂直行业战略转型升级,5G SA(Stand-Alone)网络将用户面功能(UPF)下沉到业务区,控制面留在大区中心,所有业务数据均通过5G边缘计算接口(MEC)访问业务应用服务器,用户访问自身服务器流量全部在内部完成,符合网络安全需求,业务路径时延最小。通过优化的粒子群算法(PSO),构造基于网络物理节点资源和链路资源的适值函数,并且引入贝叶斯评估方法计算物理节点隔离因子,将所有节点平均隔离因子设为阈值作为约束条件,保证网络切片的隔离性能,通过迭代求解来调整网络切片间的路径资源提升网络性能。经过智慧矿山实际5G网络测试,结果显示算法能够提升收益成本比10%,提高链路利用率19%,提高上行速率20%-50%,充分保障矿区网络的服务质量。
5G网络的发展促使工业互联网垂直行业战略转型升级,5G SA(Stand-Alone)网络将用户面功能(UPF)下沉到业务区,控制面留在大区中心,所有业务数据均通过5G边缘计算接口(MEC)访问业务应用服务器,用户访问自身服务器流量全部在内部完成,符合网络安全需求,业务路径时延最小。通过优化的粒子群算法(PSO),构造基于网络物理节点资源和链路资源的适值函数,并且引入贝叶斯评估方法计算物理节点隔离因子,将所有节点平均隔离因子设为阈值作为约束条件,保证网络切片的隔离性能,通过迭代求解来调整网络切片间的路径资源提升网络性能。经过智慧矿山实际5G网络测试,结果显示算法能够提升收益成本比10%,提高链路利用率19%,提高上行速率20%-50%,充分保障矿区网络的服务质量。
摘要：
本文采用牺牲模板法合成N掺杂Co3O4纳米片(N-Co NS),并通过透射电子显微镜(TEM),原子力显微镜(AFM)和光电子能谱(XPS)对制备材料的形貌结构,化学组成进行分析,此外还通过催化活化过一硫酸盐(PMS)降解水中双酚A(BPA)来探究催化剂的催化性能.实验结果表明与Co3O4纳米颗粒(Co NP)、Co3O4纳米片(Co NS)相比,N-Co NS表现出了较高的催化性能.在PMS浓度为2 mM,BPA初始浓度为50 mg L-1的反应条件下,N-Co NS在10分钟内完全降解水中的BPA,这说明N掺杂和二维纳米片结构有利于催化剂性能的提升.通过pH,离子影响实验证实N-Co NS在复杂水化学环境中仍具有较高的活性.此外结合自由基捕获实验和电子顺磁共振(EPR)测试证实反应体系中产生了高氧化活性的羟基自由基和硫酸根自由基.
本文采用牺牲模板法合成N掺杂Co3O4纳米片(N-Co NS),并通过透射电子显微镜(TEM),原子力显微镜(AFM)和光电子能谱(XPS)对制备材料的形貌结构,化学组成进行分析,此外还通过催化活化过一硫酸盐(PMS)降解水中双酚A(BPA)来探究催化剂的催化性能.实验结果表明与Co3O4纳米颗粒(Co NP)、Co3O4纳米片(Co NS)相比,N-Co NS表现出了较高的催化性能.在PMS浓度为2 mM,BPA初始浓度为50 mg L-1的反应条件下,N-Co NS在10分钟内完全降解水中的BPA,这说明N掺杂和二维纳米片结构有利于催化剂性能的提升.通过pH,离子影响实验证实N-Co NS在复杂水化学环境中仍具有较高的活性.此外结合自由基捕获实验和电子顺磁共振(EPR)测试证实反应体系中产生了高氧化活性的羟基自由基和硫酸根自由基.
摘要：
针对方面级情感分析任务不能充分兼顾句法全面性与语义关联性，且大多数研究中使用的图卷积仅考虑信息自上而下的传播，忽略了信息自下而上的聚合等问题，本文提出了基于注意力与双通道网络的情感分析模型。该模型在扩展依存表示的同时使用自注意力获取具有语义关联的信息矩阵，使用双通道网络结合全局句法与语义关联信息，双通道网络分别侧重于自上而下传播的语义特征与自下而上聚合的结构特征。通道内的图卷积输出会与信息矩阵进行交互注意力起到残差互补的作用，然后通过平均池化完成通道内的任务。最后将基于语义与基于结构的决策融合得到最终的情感分类特征。实验结果表明该模型在三个公开数据集上的准确率与F1值均有提升。
针对方面级情感分析任务不能充分兼顾句法全面性与语义关联性，且大多数研究中使用的图卷积仅考虑信息自上而下的传播，忽略了信息自下而上的聚合等问题，本文提出了基于注意力与双通道网络的情感分析模型。该模型在扩展依存表示的同时使用自注意力获取具有语义关联的信息矩阵，使用双通道网络结合全局句法与语义关联信息，双通道网络分别侧重于自上而下传播的语义特征与自下而上聚合的结构特征。通道内的图卷积输出会与信息矩阵进行交互注意力起到残差互补的作用，然后通过平均池化完成通道内的任务。最后将基于语义与基于结构的决策融合得到最终的情感分类特征。实验结果表明该模型在三个公开数据集上的准确率与F1值均有提升。
摘要：
为了探讨气候变化对高原湖色林错湖面面积变化的影响，本文基于1988-2020年Landsat卫星遥感影像资料，用最大似然法的方法提取色林错水体信息，采用线性回归及M-K检验法分析了色林错湖面面积及其流域内温度、降水和积雪深度等气候因子变化特征，并用皮尔逊相关分析（Person correlations）法探讨了湖面面积与气象因子之间的相关性。结果表明,近30年色林错湖面面积增加了650.70km2，增长速率为255.10km2/10a。色林错湖面扩张存在着明显的空间差异，湖面向南、向北扩展比较明显；色林错流域年平均气温及降水量呈显著上升趋势（p＜0.05），而积雪深度呈显著下降的趋势（p＜0.05），其中增温速率为0.50℃/10a，降水量增加速率为17.32mm/10a，积雪深度递减率为0.65cm/10a；色林错湖面面积的变化与该流域气温的升高以及冷季积雪深度的降低具有极显著相关性（p<0.001)，气温升高使得色林错上游的冰雪融水增加是色林错湖面面积增大的主要原因。
为了探讨气候变化对高原湖色林错湖面面积变化的影响，本文基于1988-2020年Landsat卫星遥感影像资料，用最大似然法的方法提取色林错水体信息，采用线性回归及M-K检验法分析了色林错湖面面积及其流域内温度、降水和积雪深度等气候因子变化特征，并用皮尔逊相关分析（Person correlations）法探讨了湖面面积与气象因子之间的相关性。结果表明,近30年色林错湖面面积增加了650.70km2，增长速率为255.10km2/10a。色林错湖面扩张存在着明显的空间差异，湖面向南、向北扩展比较明显；色林错流域年平均气温及降水量呈显著上升趋势（p＜0.05），而积雪深度呈显著下降的趋势（p＜0.05），其中增温速率为0.50℃/10a，降水量增加速率为17.32mm/10a，积雪深度递减率为0.65cm/10a；色林错湖面面积的变化与该流域气温的升高以及冷季积雪深度的降低具有极显著相关性（p<0.001)，气温升高使得色林错上游的冰雪融水增加是色林错湖面面积增大的主要原因。
摘要：
本文提出一种贝叶斯框架下的分层自回归时空模型，用于解决PM2.5的多站点同步预测问题。将PM2.5日均浓度真实值视为潜在时空过程，利用一阶自回归过程刻画时间相关性，并基于Matérn过程捕获空间相关性，极大程度地提高了降维和同步预测的效率；此外，还将日最高温度、相对湿度和风速等气象因素作为解释变量，用于提升PM2.5的预测效果；借助于模型的分层结构，通过贝叶斯方法结合MCMC实现参数估计和预测过程。对北京市日均PM2.5浓度的实证分析表明，模型在空间和时间维度上均有良好的插值或预测效果。
本文提出一种贝叶斯框架下的分层自回归时空模型，用于解决PM2.5的多站点同步预测问题。将PM2.5日均浓度真实值视为潜在时空过程，利用一阶自回归过程刻画时间相关性，并基于Matérn过程捕获空间相关性，极大程度地提高了降维和同步预测的效率；此外，还将日最高温度、相对湿度和风速等气象因素作为解释变量，用于提升PM2.5的预测效果；借助于模型的分层结构，通过贝叶斯方法结合MCMC实现参数估计和预测过程。对北京市日均PM2.5浓度的实证分析表明，模型在空间和时间维度上均有良好的插值或预测效果。
摘要：
日益频繁的鸟类活动给输电线路的安全运行带来了极大威胁，而现有拟声驱鸟装置由于缺乏智能性，无法长期有效驱鸟。为了解决上述问题，本文提出基于改进Q-learning算法的拟声驱鸟策略。首先，为了评价各音频的驱鸟效果，结合模糊理论，将鸟类听到音频后的动作行为量化为不同鸟类反应类型。然后，设计单一音频驱鸟实验，统计各音频驱鸟效果数据，得到各音频的初始权重值，为拟声驱鸟装置的音频选择提供实验依据。为了使计算所得的音频权重值更符合实际实验情况，对CRITIC方法(Criteria Importance Though Intercrieria Correlation)的权重计算公式进行了优化。最后，使用实验所得音频权重值对Q-learning算法进行改进，并设计与其他拟声驱鸟策略的对比实验，实验数据显示改进Q-learning算法的拟声驱鸟策略驱鸟效果优于其他三种驱鸟策略，收敛速度快，驱鸟效果稳定，能够降低鸟类的适应性。
日益频繁的鸟类活动给输电线路的安全运行带来了极大威胁，而现有拟声驱鸟装置由于缺乏智能性，无法长期有效驱鸟。为了解决上述问题，本文提出基于改进Q-learning算法的拟声驱鸟策略。首先，为了评价各音频的驱鸟效果，结合模糊理论，将鸟类听到音频后的动作行为量化为不同鸟类反应类型。然后，设计单一音频驱鸟实验，统计各音频驱鸟效果数据，得到各音频的初始权重值，为拟声驱鸟装置的音频选择提供实验依据。为了使计算所得的音频权重值更符合实际实验情况，对CRITIC方法(Criteria Importance Though Intercrieria Correlation)的权重计算公式进行了优化。最后，使用实验所得音频权重值对Q-learning算法进行改进，并设计与其他拟声驱鸟策略的对比实验，实验数据显示改进Q-learning算法的拟声驱鸟策略驱鸟效果优于其他三种驱鸟策略，收敛速度快，驱鸟效果稳定，能够降低鸟类的适应性。
摘要：
运行经验表明，直流接地极造成电网大范围直流偏磁危害其根源在不均匀地表电位分布。针对广域深度分层的复杂大地模型关于地表电位分布求解方面的难题，利用切比雪夫多项式拟合地表电位的汉克尔变换核函数。通过切比雪夫多项式的移位运算、系数展开和截断误差判定，得到了核函数的切比雪夫多项式自适应阶数拟合方法，从而大幅降低了直流接地极造成广大区域地表电位分布的计算难度。与标准接地计算软件CDEGS的水平8层结构大地算例对比表明，直流接地极入地电流5000A的情况下，方法在1km~100km地表范围内的地表电位偏差小于1V。进一步分析了切比雪夫多项式阶数对结果的影响，证实了20阶切比雪夫多项式的精度就可以满足一般的直流偏磁风险评估的应用需求。基于移位切比雪夫多项式的地表电位快速评估方法为直流偏磁风险评估提供了一种基础的技术手段，有助于降低电网直流偏磁风险评估的难度。
运行经验表明，直流接地极造成电网大范围直流偏磁危害其根源在不均匀地表电位分布。针对广域深度分层的复杂大地模型关于地表电位分布求解方面的难题，利用切比雪夫多项式拟合地表电位的汉克尔变换核函数。通过切比雪夫多项式的移位运算、系数展开和截断误差判定，得到了核函数的切比雪夫多项式自适应阶数拟合方法，从而大幅降低了直流接地极造成广大区域地表电位分布的计算难度。与标准接地计算软件CDEGS的水平8层结构大地算例对比表明，直流接地极入地电流5000A的情况下，方法在1km~100km地表范围内的地表电位偏差小于1V。进一步分析了切比雪夫多项式阶数对结果的影响，证实了20阶切比雪夫多项式的精度就可以满足一般的直流偏磁风险评估的应用需求。基于移位切比雪夫多项式的地表电位快速评估方法为直流偏磁风险评估提供了一种基础的技术手段，有助于降低电网直流偏磁风险评估的难度。
摘要：
针对目前储能成本过高、缺乏交易平台导致的利用效率低下、收益较低等问题,设计基于区块链技术的非合作博弈交易模型。以微网作为节点引出共享储能的概念,利用数字签名技术,进行节点身份验证,有效提高交易的安全性。基于智能合约自我驱动、自我执行的特征,建立共享储能交易机制。通过建立非合作博弈模型,实现各节点利益最大化,提高储能收益,提高节点用户参与交易的积极性,推动产业结构进一步优化。算例分析表明,本文所提出基于区块链技术的共享储能非合作博弈交易模型可以有效实现储能参与市场交易,提高储能利用效率,增加储能项目收益来源,为储能行业的进一步发展提供有效的技术支持和理论支撑。
针对目前储能成本过高、缺乏交易平台导致的利用效率低下、收益较低等问题,设计基于区块链技术的非合作博弈交易模型。以微网作为节点引出共享储能的概念,利用数字签名技术,进行节点身份验证,有效提高交易的安全性。基于智能合约自我驱动、自我执行的特征,建立共享储能交易机制。通过建立非合作博弈模型,实现各节点利益最大化,提高储能收益,提高节点用户参与交易的积极性,推动产业结构进一步优化。算例分析表明,本文所提出基于区块链技术的共享储能非合作博弈交易模型可以有效实现储能参与市场交易,提高储能利用效率,增加储能项目收益来源,为储能行业的进一步发展提供有效的技术支持和理论支撑。
摘要：
根据多普勒天气雷达基数据空间呈锥状分布的特点，提出了基于基数据的移动梯状多面体三维建模算法（MTPD）。该方法采用梯状多面体作为体积单元；根据雷达三维建模空间范围选择六面体索引和四面体索引两种不同模式构建三维等值面，以平衡算法效率和建模结果精度。在该算法基础上利用WebGL技术开发了多普勒天气雷达三维可视化平台。结果表明：与传统三维建模算法相比，MTPD在保证建模精度的条件下明显提升了算法效率，六面体索引模式和四面体索引模式计算效率分别提高62.5%和23.0%；四面体索引模式得到的回波三维结构更连续；基于WebGL的多普勒天气雷达三维可视化平台提供了跨平台的雷达三维展示，能够直观反映对流云的三维结构。
根据多普勒天气雷达基数据空间呈锥状分布的特点，提出了基于基数据的移动梯状多面体三维建模算法（MTPD）。该方法采用梯状多面体作为体积单元；根据雷达三维建模空间范围选择六面体索引和四面体索引两种不同模式构建三维等值面，以平衡算法效率和建模结果精度。在该算法基础上利用WebGL技术开发了多普勒天气雷达三维可视化平台。结果表明：与传统三维建模算法相比，MTPD在保证建模精度的条件下明显提升了算法效率，六面体索引模式和四面体索引模式计算效率分别提高62.5%和23.0%；四面体索引模式得到的回波三维结构更连续；基于WebGL的多普勒天气雷达三维可视化平台提供了跨平台的雷达三维展示，能够直观反映对流云的三维结构。
摘要：
为探讨不同植物群落对大气颗粒物浓度的影响，以郑州市金水区为例，在2020年冬季（2020年12月-2021年2月）对园林绿化区（数码公园）、居住区（正弘.蓝堡湾）、文教区（河南农业大学）内植物群落的PM2.5和PM10浓度及气象因子（温度、相对湿度和风速）进行监测。结果表明，每个功能区中不同样地之间的 PM2.5、PM10浓度日变化趋势基本一致，一般呈早高晚低；不同植物群落之间PM2.5和PM10浓度存在显著差异性，其中广场样地与其他样地的差异性最显著；3个功能区中各样地对PM2.5和 PM10的阻滞率均表现为乔灌草结构最高，乔草结构和乔灌结构次之，且多表现为乔灌样地大于乔草样地，灌草结构和草坪最低；研究区域PM2.5、PM10浓度与温度呈负相关，与相对湿度呈正相关，与风速呈负相关。
为探讨不同植物群落对大气颗粒物浓度的影响，以郑州市金水区为例，在2020年冬季（2020年12月-2021年2月）对园林绿化区（数码公园）、居住区（正弘.蓝堡湾）、文教区（河南农业大学）内植物群落的PM2.5和PM10浓度及气象因子（温度、相对湿度和风速）进行监测。结果表明，每个功能区中不同样地之间的 PM2.5、PM10浓度日变化趋势基本一致，一般呈早高晚低；不同植物群落之间PM2.5和PM10浓度存在显著差异性，其中广场样地与其他样地的差异性最显著；3个功能区中各样地对PM2.5和 PM10的阻滞率均表现为乔灌草结构最高，乔草结构和乔灌结构次之，且多表现为乔灌样地大于乔草样地，灌草结构和草坪最低；研究区域PM2.5、PM10浓度与温度呈负相关，与相对湿度呈正相关，与风速呈负相关。
摘要：
生态安全的本质集中在生态风险与生态脆弱性等方面，生态安全研究是低碳绿色发展的热点方向，对于优化景观生态空间结构与维护生态可持续性具有重要理论价值与现实意义。应用地理学、生态学以及遥感、GIS等多学科交叉与融合的原理与方法，研究气候变化与景观格局的特征与规律,气候变化与生态过程的耦合关系,景观格局与功能特征；分析景观格局、气候要素与生态系统中土壤、水文过程及植被过程的关系，气候变化对碳储量、NPP以及生态系统服务功能的影响，揭示气候变化对生态过程的影响规律。综合分析表明，气候要素影响生态安全的表现特征及其变化，景观格局是制约区域生态安全的基础，气候变化与景观格局对生态安全机制的影响具有复杂性。
生态安全的本质集中在生态风险与生态脆弱性等方面，生态安全研究是低碳绿色发展的热点方向，对于优化景观生态空间结构与维护生态可持续性具有重要理论价值与现实意义。应用地理学、生态学以及遥感、GIS等多学科交叉与融合的原理与方法，研究气候变化与景观格局的特征与规律,气候变化与生态过程的耦合关系,景观格局与功能特征；分析景观格局、气候要素与生态系统中土壤、水文过程及植被过程的关系，气候变化对碳储量、NPP以及生态系统服务功能的影响，揭示气候变化对生态过程的影响规律。综合分析表明，气候要素影响生态安全的表现特征及其变化，景观格局是制约区域生态安全的基础，气候变化与景观格局对生态安全机制的影响具有复杂性。
摘要：
针对现阶段卷积神经网络模型,在复杂地物背景下水体提取精度低,多尺度特征捕获能力差,模型复杂的问题,基于LinkNet模型提出一种结合RFB(Receptive Field Block)模块和通道注意力机制(Channel Attention Block)的FRA-LinkNet(Receptive Field Attention LinkNet)高分辨率光学遥感影像水体提取模型。首先,将RFB模块用于获取高阶水体语义信息与多尺度特征；其次,利用通道注意力机制,对特征编码和解码的特征进行加权融合,抑制背景特征,增强水体语义。与现有卷积神经网络模型相比,提出方法不仅具有高效的性能和鲁棒性,而且能实现高精度的水体提取。
针对现阶段卷积神经网络模型,在复杂地物背景下水体提取精度低,多尺度特征捕获能力差,模型复杂的问题,基于LinkNet模型提出一种结合RFB(Receptive Field Block)模块和通道注意力机制(Channel Attention Block)的FRA-LinkNet(Receptive Field Attention LinkNet)高分辨率光学遥感影像水体提取模型。首先,将RFB模块用于获取高阶水体语义信息与多尺度特征；其次,利用通道注意力机制,对特征编码和解码的特征进行加权融合,抑制背景特征,增强水体语义。与现有卷积神经网络模型相比,提出方法不仅具有高效的性能和鲁棒性,而且能实现高精度的水体提取。
摘要：
通过实验筛选研发新药的过程非常缓慢且需耗费大量的人力物力，而利用计算机辅助预测药物的分子性质可极大地节省药物研发时间和成本。因此，为了能够使抗乳腺癌候选药物对抑制ERα具有良好的生物活性和ADMET性质，针对收集到的1974种化合物，首先利用随机森林分类器筛选出前20个对生物活性最具显著影响的分子描述符，并以此和pIC50值作为特征数据建立QSAR模型。其次，基于PSO优化BP神经网络对50个新化合物的生物活性值进行预测，模型拟合度为0.8337，根均方误差为0.7315，比优化前的BP神经网络预测值更贴合实际。随后为提高药物研发的成功率，依据已有的ADMET性质数据利用PSO优化SVM构建ADMET分类预测模型，算法交叉验证CV准确率达到94.0767%，5个指标模型的预测准确率均在79%以上。结果表明，所建立的模型比基准模型的预测性能更好，采用的预测策略是有效的，可为抗乳腺癌药物的研发提供借鉴。
通过实验筛选研发新药的过程非常缓慢且需耗费大量的人力物力，而利用计算机辅助预测药物的分子性质可极大地节省药物研发时间和成本。因此，为了能够使抗乳腺癌候选药物对抑制ERα具有良好的生物活性和ADMET性质，针对收集到的1974种化合物，首先利用随机森林分类器筛选出前20个对生物活性最具显著影响的分子描述符，并以此和pIC50值作为特征数据建立QSAR模型。其次，基于PSO优化BP神经网络对50个新化合物的生物活性值进行预测，模型拟合度为0.8337，根均方误差为0.7315，比优化前的BP神经网络预测值更贴合实际。随后为提高药物研发的成功率，依据已有的ADMET性质数据利用PSO优化SVM构建ADMET分类预测模型，算法交叉验证CV准确率达到94.0767%，5个指标模型的预测准确率均在79%以上。结果表明，所建立的模型比基准模型的预测性能更好，采用的预测策略是有效的，可为抗乳腺癌药物的研发提供借鉴。
摘要：
前置滤波结构的锁相环（PLL）是研究电网同步技术的强有力工具。然而，该类常用PLL（如二阶广义积分器型PLL、复数滤波器型PLL）的动态性能因前级结构的截止频率偏低而受到了制约。为此，提出一种基于分数阶广义积分器的三相PLL技术。该PLL的前级滤波结构由分数阶积分器构成，能够生成两个相位差为45?的斜交信号，经过相关线性运算，可从该对斜交信号中提取出电网电压的正负序分量。结合后级的同步旋转坐标系PLL，建立了整个PLL系统的数学模型，并利用三阶最佳设计法对系统进行了校正，确定了相关控制参数。研究发现，分数阶广义积分器的截止频率明显高于二阶广义积分器，有利于改善PLL系统的动态品质。仿真和实验验证表明，相比多重二阶广义积分器型PLL，所提PLL的动态性能更佳。
前置滤波结构的锁相环（PLL）是研究电网同步技术的强有力工具。然而，该类常用PLL（如二阶广义积分器型PLL、复数滤波器型PLL）的动态性能因前级结构的截止频率偏低而受到了制约。为此，提出一种基于分数阶广义积分器的三相PLL技术。该PLL的前级滤波结构由分数阶积分器构成，能够生成两个相位差为45?的斜交信号，经过相关线性运算，可从该对斜交信号中提取出电网电压的正负序分量。结合后级的同步旋转坐标系PLL，建立了整个PLL系统的数学模型，并利用三阶最佳设计法对系统进行了校正，确定了相关控制参数。研究发现，分数阶广义积分器的截止频率明显高于二阶广义积分器，有利于改善PLL系统的动态品质。仿真和实验验证表明，相比多重二阶广义积分器型PLL，所提PLL的动态性能更佳。
摘要：
模型的效率在计算机视觉中变得越来越重要。本文通过研究用于火焰检测的神经网络结构，提出了几个关键的优化方案，以提高模型效率和检测效果。第一，提出一种由多卷积组合结构构建的主干网络（FIRE-Net），它能高效的从多个尺度上提取丰富的火焰特征；第二，提出一种改进的加权双向特征金字塔网络(BiFPN-mini)以快速地实现多尺度特征融合；第三，提出一种新的注意力机制（FIRE-Attention），让检测器对火焰特征更敏感。基于上述优化，本文开发出了一种全新的火焰检测器FIRE-DET，它在硬件资源有限的条件下能够取得比现有基于深度学习的火焰检测方法更快的检测效率。FIRE-DET模型在自建数据集上进行训练后，最终对火焰检测的准确率和帧率分别达到97%和85FPS。实验结果表明，与主流算法相比，本文火焰检测模型检测性能更优。本文为解决火焰探测问题提供了一个更通用的解决方案．
模型的效率在计算机视觉中变得越来越重要。本文通过研究用于火焰检测的神经网络结构，提出了几个关键的优化方案，以提高模型效率和检测效果。第一，提出一种由多卷积组合结构构建的主干网络（FIRE-Net），它能高效的从多个尺度上提取丰富的火焰特征；第二，提出一种改进的加权双向特征金字塔网络(BiFPN-mini)以快速地实现多尺度特征融合；第三，提出一种新的注意力机制（FIRE-Attention），让检测器对火焰特征更敏感。基于上述优化，本文开发出了一种全新的火焰检测器FIRE-DET，它在硬件资源有限的条件下能够取得比现有基于深度学习的火焰检测方法更快的检测效率。FIRE-DET模型在自建数据集上进行训练后，最终对火焰检测的准确率和帧率分别达到97%和85FPS。实验结果表明，与主流算法相比，本文火焰检测模型检测性能更优。本文为解决火焰探测问题提供了一个更通用的解决方案．
摘要：
大气加权平均温度（Tm）在GNSS大气水汽反演过程中扮演着关键角色。本文针对现有的Tm模型在青藏高原地区的适用性较差等情况，利用2014-2017年青藏高原地区13个探空站观测数据建立了一种顾及地面温度、高度、纬度及季节变化的青藏高原地区Tm模型（简称为TPTm模型）。以2018年的探空资料为参考值，对TPTm模型进行精度检验，并与常用的Bevis模型、局域精化后的Bevis模型（简称为Bevis-TP模型）和GPT2w模型进行比较分析，结果表明：TPTm模型具有相对较好的精度，其年均偏差和均方根误差（RMS）分别为0.07 K和2.76 K，相比Bevis、Bevis-TP、GPT2w-5（5°分辨率）和GPT2w-1（1°分辨率）模型其精度（RMS值）分别提高了54.5%、30.8%、36.3%和27.6%；此外，将TPTm模型用于GNSS水汽计算，其导致的水汽计算理论RMS误差和相对误差分别为0.10 mm和1.02 %。因此，TPTm模型在青藏高原地区的GNSS水汽反演中具有重要应用。
大气加权平均温度（Tm）在GNSS大气水汽反演过程中扮演着关键角色。本文针对现有的Tm模型在青藏高原地区的适用性较差等情况，利用2014-2017年青藏高原地区13个探空站观测数据建立了一种顾及地面温度、高度、纬度及季节变化的青藏高原地区Tm模型（简称为TPTm模型）。以2018年的探空资料为参考值，对TPTm模型进行精度检验，并与常用的Bevis模型、局域精化后的Bevis模型（简称为Bevis-TP模型）和GPT2w模型进行比较分析，结果表明：TPTm模型具有相对较好的精度，其年均偏差和均方根误差（RMS）分别为0.07 K和2.76 K，相比Bevis、Bevis-TP、GPT2w-5（5°分辨率）和GPT2w-1（1°分辨率）模型其精度（RMS值）分别提高了54.5%、30.8%、36.3%和27.6%；此外，将TPTm模型用于GNSS水汽计算，其导致的水汽计算理论RMS误差和相对误差分别为0.10 mm和1.02 %。因此，TPTm模型在青藏高原地区的GNSS水汽反演中具有重要应用。
摘要：
预测居民用电相当于预测一个多元时间序列。针对多个传感器信号的特定窗口能够利用预测模型提取不同的特征来预测用电量。然而，由于时间序列内部特征存在着不规则的模式，包括电力属性之间隐藏的相关性，使得负荷预测准确率不高。为了提取复杂的不规则电力模式，选择性地学习时空特征以减少电力属性间的平移方差，我们提出了一种基于多头注意力的卷积循环神经网络深度学习模型。相较于单纯的时间序列模型，该模型利用卷积和加权机制对电力属性和有功功率间的局部相关性进行建模。它利用softmax函数和点积运算的注意力分数来模拟电力需求的瞬态和脉冲特性，有效地对瞬时脉冲功耗进行预测。在美国加州大学欧文分校(University of California，Irvine，UCI)家庭用电数据集共2075259个时间序列上的实验表明，所提出的模型与目前最先进的深度学习模型相比，预测误差降低了31.01%。其中，多头注意力的预测性能比单头注意力提高了27.91%。
预测居民用电相当于预测一个多元时间序列。针对多个传感器信号的特定窗口能够利用预测模型提取不同的特征来预测用电量。然而，由于时间序列内部特征存在着不规则的模式，包括电力属性之间隐藏的相关性，使得负荷预测准确率不高。为了提取复杂的不规则电力模式，选择性地学习时空特征以减少电力属性间的平移方差，我们提出了一种基于多头注意力的卷积循环神经网络深度学习模型。相较于单纯的时间序列模型，该模型利用卷积和加权机制对电力属性和有功功率间的局部相关性进行建模。它利用softmax函数和点积运算的注意力分数来模拟电力需求的瞬态和脉冲特性，有效地对瞬时脉冲功耗进行预测。在美国加州大学欧文分校(University of California，Irvine，UCI)家庭用电数据集共2075259个时间序列上的实验表明，所提出的模型与目前最先进的深度学习模型相比，预测误差降低了31.01%。其中，多头注意力的预测性能比单头注意力提高了27.91%。
摘要：
恶意应用的快速增长给移动智能终端带来了巨大的安全威胁，实现恶意应用高精度检测对移动网络信息安全具有重要意义。本文提出一种基于改进深度残差收缩网络的恶意应用检测方法。首先将流量特征预处理成卷积神经网络输入，接着引入通道注意力机制和空间注意力机制，从通道和空间两个维度对样本特征进行加权。然后再引入深度残差收缩网络，自适应滤除样本冗余特征并通过恒等连接优化参数反向传播，减小模型训练和分类的难度，最终实现安卓恶意应用高精度识别。所提方法可避免手工提取特征，能实现高精度分类并且具有一定泛化能力。实验结果表明，所提方法在恶意应用的2分类、4分类和42分类中准确率分别为99.40%、99.95%和97.33%，与现有方法相比，具有较高的分类性能与泛化能力。
恶意应用的快速增长给移动智能终端带来了巨大的安全威胁，实现恶意应用高精度检测对移动网络信息安全具有重要意义。本文提出一种基于改进深度残差收缩网络的恶意应用检测方法。首先将流量特征预处理成卷积神经网络输入，接着引入通道注意力机制和空间注意力机制，从通道和空间两个维度对样本特征进行加权。然后再引入深度残差收缩网络，自适应滤除样本冗余特征并通过恒等连接优化参数反向传播，减小模型训练和分类的难度，最终实现安卓恶意应用高精度识别。所提方法可避免手工提取特征，能实现高精度分类并且具有一定泛化能力。实验结果表明，所提方法在恶意应用的2分类、4分类和42分类中准确率分别为99.40%、99.95%和97.33%，与现有方法相比，具有较高的分类性能与泛化能力。
摘要：
基于可持续发展的城市更新生态效益评价研究正获得越来越多的关注。本文立足于中国城市更新实践，构建城市更新生态效益市民满意度结构方程模型，采用空气质量、热岛效应、植被绿化、资源节约、城市交通、城市空间六个指标测度市民对城市更新生态效益的评价，选取西安市幸福林带城市更新项目为案例，通过问卷调查获取研究数据，并对模型进行拟合修正，评价市民对西安幸福林带城市更新项目生态效益的满意度。研究发现，市民的生态期望与整体期望达成率分别为94.3%和97.4%，市民预期得到较好满足；市民期望对生态效益市民感知具有正向影响，路径系数为0.381；生态效益市民感知对市民满意度有显著正向影响，路径系数为0.903；市民满意度对市民信任有显著正向影响，路径系数为0.955。基于研究结论，未来的城市更新应持续提升生态服务质量以改善居民生态环境体验，推动建立城市更新的生态、经济、社会、人文效益协同的发展机制，建立城市更新的政府、居民、开发商多元主体协同的建设治理机制。
基于可持续发展的城市更新生态效益评价研究正获得越来越多的关注。本文立足于中国城市更新实践，构建城市更新生态效益市民满意度结构方程模型，采用空气质量、热岛效应、植被绿化、资源节约、城市交通、城市空间六个指标测度市民对城市更新生态效益的评价，选取西安市幸福林带城市更新项目为案例，通过问卷调查获取研究数据，并对模型进行拟合修正，评价市民对西安幸福林带城市更新项目生态效益的满意度。研究发现，市民的生态期望与整体期望达成率分别为94.3%和97.4%，市民预期得到较好满足；市民期望对生态效益市民感知具有正向影响，路径系数为0.381；生态效益市民感知对市民满意度有显著正向影响，路径系数为0.903；市民满意度对市民信任有显著正向影响，路径系数为0.955。基于研究结论，未来的城市更新应持续提升生态服务质量以改善居民生态环境体验，推动建立城市更新的生态、经济、社会、人文效益协同的发展机制，建立城市更新的政府、居民、开发商多元主体协同的建设治理机制。
摘要：
虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高，纹理因素复杂且无规律，单一的纹理提取算法并不能准确的描述图像纹理的特点。因此提出了基于GLCM和Tamura融合特征的纹理材质分类算法。此外，本文对传统灰度共生矩阵GLCM进行优化，提出了T-GLCM算子，提升了传统灰度共生矩阵(GLCM)对的旋转不变性并减少了大量的冗余信息。本文利用 Tamura纹理特征对图像进行量化，然后将各特征区域量化后级联成一组特征向量，融合T-GLCM的纹理特征，通过支持向量机(SVM)对纹理材质进行分类，实验结果表明，该算法具有更高的分类精度，且较传统纹理特征提取算法更加优秀。
虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高，纹理因素复杂且无规律，单一的纹理提取算法并不能准确的描述图像纹理的特点。因此提出了基于GLCM和Tamura融合特征的纹理材质分类算法。此外，本文对传统灰度共生矩阵GLCM进行优化，提出了T-GLCM算子，提升了传统灰度共生矩阵(GLCM)对的旋转不变性并减少了大量的冗余信息。本文利用 Tamura纹理特征对图像进行量化，然后将各特征区域量化后级联成一组特征向量，融合T-GLCM的纹理特征，通过支持向量机(SVM)对纹理材质进行分类，实验结果表明，该算法具有更高的分类精度，且较传统纹理特征提取算法更加优秀。
摘要：
车道线检测在智能交通领域占有重要地位，其检测的准确度和速度对于辅助驾驶以及自动驾驶有重要影响。针对目前深度学习方法识别车道线精度差、速度慢的问题，提出了一种高效的车道线分割方法LaneSegNet。首先基于编码和解码网络原理构建主干网络Lane-Net，用于提取车道线特征信息并分割出车道线；然后使用多尺度空洞卷积特征融合网络(Multi-scale dilated convolution feature fusion network, MDFN)，可以极大扩充模型的感受野，提取全局特征信息；最后使用混合注意力网络(Hybrid attention network, HAN)获取丰富的车道线特征，并增强与当前任务相关的信息。实验结果表明，在TuSimple数据集，该方法检测车道线的准确率为97.6%；在CULane数据集上，该方法在标准路面的检测准确率达到92.5%，多种路面综合检测准确率为75.2%。本文提出的LaneSegNet车道线检测方法分割精确度和推理速度均优于其他模型，且具有更强的适应性和鲁棒性。
车道线检测在智能交通领域占有重要地位，其检测的准确度和速度对于辅助驾驶以及自动驾驶有重要影响。针对目前深度学习方法识别车道线精度差、速度慢的问题，提出了一种高效的车道线分割方法LaneSegNet。首先基于编码和解码网络原理构建主干网络Lane-Net，用于提取车道线特征信息并分割出车道线；然后使用多尺度空洞卷积特征融合网络(Multi-scale dilated convolution feature fusion network, MDFN)，可以极大扩充模型的感受野，提取全局特征信息；最后使用混合注意力网络(Hybrid attention network, HAN)获取丰富的车道线特征，并增强与当前任务相关的信息。实验结果表明，在TuSimple数据集，该方法检测车道线的准确率为97.6%；在CULane数据集上，该方法在标准路面的检测准确率达到92.5%，多种路面综合检测准确率为75.2%。本文提出的LaneSegNet车道线检测方法分割精确度和推理速度均优于其他模型，且具有更强的适应性和鲁棒性。
摘要：
目标跟踪中，在基于相关滤波器的跟踪算法中引入正则化后有效提高了跟踪效率，但是却花费大量精力调整预定义参数，此外还有目标响应发生在非目标区域会导致跟踪漂移等问题，因此提出了一种基于时间和自动空间正则化的上下文感知相关滤波器算法。首先，在跟踪过程中，利用目标局部响应变化实现自动空间正则化，将自动空间正则化模块加入目标函数，使滤波器专注于目标对象的学习；其次，跟踪器利用目标的全局上下文信息，与自动空间正则化相结合，使滤波器能及时学习到更多与目标有关信息，减少背景对跟踪性能影响；接着，在滤波器中加入时间正则化项，来充分学习目标在相邻帧之间的变化，从而获得更准确的模型样本。实验结果表明，与其他跟踪算法相比，提出的算法在距离精度和成功率方面具备更好的跟踪效果。
目标跟踪中，在基于相关滤波器的跟踪算法中引入正则化后有效提高了跟踪效率，但是却花费大量精力调整预定义参数，此外还有目标响应发生在非目标区域会导致跟踪漂移等问题，因此提出了一种基于时间和自动空间正则化的上下文感知相关滤波器算法。首先，在跟踪过程中，利用目标局部响应变化实现自动空间正则化，将自动空间正则化模块加入目标函数，使滤波器专注于目标对象的学习；其次，跟踪器利用目标的全局上下文信息，与自动空间正则化相结合，使滤波器能及时学习到更多与目标有关信息，减少背景对跟踪性能影响；接着，在滤波器中加入时间正则化项，来充分学习目标在相邻帧之间的变化，从而获得更准确的模型样本。实验结果表明，与其他跟踪算法相比，提出的算法在距离精度和成功率方面具备更好的跟踪效果。
摘要：
利用旋转坐标系中的基本方程推导得到动能方程，通过动能的局地变化率定义刻画台风强度变化率的能量泛函，对泛函作变分得到Euler-Lagrange方程。分析方程可知，当台风强度变化率达到最大时，摩擦力、气压梯度力、重力和动能梯度满足四力平衡关系。因此，这四个力确定的向量可以作为台风强度的预报因子，更准确地确定台风系统强度变化率达到最大的时间点。进一步通过风场变分分解提取到有旋场中的最大涡旋，得到台风强度变化最快时涡度和流场的解析解，对研究台风发展过程中速度的变化趋势和台风的空间结构具有一定的实用价值，为台风路径和强度预报提供了一定的理论指引。
利用旋转坐标系中的基本方程推导得到动能方程，通过动能的局地变化率定义刻画台风强度变化率的能量泛函，对泛函作变分得到Euler-Lagrange方程。分析方程可知，当台风强度变化率达到最大时，摩擦力、气压梯度力、重力和动能梯度满足四力平衡关系。因此，这四个力确定的向量可以作为台风强度的预报因子，更准确地确定台风系统强度变化率达到最大的时间点。进一步通过风场变分分解提取到有旋场中的最大涡旋，得到台风强度变化最快时涡度和流场的解析解，对研究台风发展过程中速度的变化趋势和台风的空间结构具有一定的实用价值，为台风路径和强度预报提供了一定的理论指引。
摘要：
城市增长与收缩都是快速城镇化的必然结果，过度的增长或收缩都会带来资源错配、生态环境恶化等问题。研究基于1992―2019年中国各区县夜间灯光数据，深度挖掘中国城市增长与收缩的时空动态特征及其成因，以期为未来新型城镇化建设、资源均衡配置和国家发展政策制定提供借鉴依据。研究发现：①中国城市增长与收缩现象交替发生，城市增长与收缩两极分化特征越来越明显；②形成了较稳定的增长轨迹，城市增长的重心一直在南阳市内移动；并呈现出带状为主、点状为辅的增长结构；其中带状增长结构包括沿海城市带和近期形成的“北京―郑州―南昌”城市带，点状结构是指以内陆省会城市为核心的集聚增长现象。③形成了由东北转向华中、再转向华西的城市收缩轨迹，收缩重心由邢台市转移到安康市，收缩重心出现了明显的变动；收缩结构由分散的点状收缩逐渐转变成了“北京―西安―成都―昆明”方向的带状收缩结构；④全球化的金融周期变化、产业结构转型、国家政策等因素都是中国城市增长、收缩的主要动因。
城市增长与收缩都是快速城镇化的必然结果，过度的增长或收缩都会带来资源错配、生态环境恶化等问题。研究基于1992―2019年中国各区县夜间灯光数据，深度挖掘中国城市增长与收缩的时空动态特征及其成因，以期为未来新型城镇化建设、资源均衡配置和国家发展政策制定提供借鉴依据。研究发现：①中国城市增长与收缩现象交替发生，城市增长与收缩两极分化特征越来越明显；②形成了较稳定的增长轨迹，城市增长的重心一直在南阳市内移动；并呈现出带状为主、点状为辅的增长结构；其中带状增长结构包括沿海城市带和近期形成的“北京―郑州―南昌”城市带，点状结构是指以内陆省会城市为核心的集聚增长现象。③形成了由东北转向华中、再转向华西的城市收缩轨迹，收缩重心由邢台市转移到安康市，收缩重心出现了明显的变动；收缩结构由分散的点状收缩逐渐转变成了“北京―西安―成都―昆明”方向的带状收缩结构；④全球化的金融周期变化、产业结构转型、国家政策等因素都是中国城市增长、收缩的主要动因。
摘要：
三维变形模型(3DMM)作为人脸建模的重要方式，在三维建模、图像合成等领域有着广泛的应用。由于受训练数据类型、数量以及线性基等因素影响，3DMM存在过约束的现象，不能提供足够的灵活性来表示高频变形。为了进一步改善这一问题，本文将三维变形基函数嵌入到深度神经网络中，并为提升模型的表示能力提供了新的思路。为了提升网络学习效率，本文构设了一种双通路神经网络，实现了在全局路径和局部路径之间的平衡；通过在学习目标和网络结构两方面改进非线性3DMM，提出了一种比线性或以往的非线性模型更能捕捉到更高层次细节的模型。算法对比与仿真实验表明，该算法在三维人脸建模上的归一化平均误差更低，所生成的三维人脸模型鲁棒性好，重构准确，实现了较好的三维人脸重建性能。
三维变形模型(3DMM)作为人脸建模的重要方式，在三维建模、图像合成等领域有着广泛的应用。由于受训练数据类型、数量以及线性基等因素影响，3DMM存在过约束的现象，不能提供足够的灵活性来表示高频变形。为了进一步改善这一问题，本文将三维变形基函数嵌入到深度神经网络中，并为提升模型的表示能力提供了新的思路。为了提升网络学习效率，本文构设了一种双通路神经网络，实现了在全局路径和局部路径之间的平衡；通过在学习目标和网络结构两方面改进非线性3DMM，提出了一种比线性或以往的非线性模型更能捕捉到更高层次细节的模型。算法对比与仿真实验表明，该算法在三维人脸建模上的归一化平均误差更低，所生成的三维人脸模型鲁棒性好，重构准确，实现了较好的三维人脸重建性能。
摘要：
海风锋是海风环流前缘形成的锋面,具有类似于冷锋的特征。海风锋能触发强对流,造成沿海地区雷暴等灾害性天气,是沿海地区气象研究的重点对象。随着数值模式和计算机技术的发展,数值模拟已成为气象研究中的重要方法。因此,海风(锋)的数值模拟受到越来越多的关注。过去的40年中,中国地区海风(锋)的数值研究不断开展,取得了不少研究成果。为了加深对海风(锋)数值模拟的认识,了解最新研究成果,本文对中国地区海风(锋)数值模拟进行了概述,重点讨论了海风三维结构与演变以及背景风、地形、城市热岛和大气稳定度对海风(锋)的影响。此外,本文也归纳总结了模式物理过程参数化对海风(锋)模拟的影响以及海风(锋)的大涡模拟研究。最后,对一些需要进一步研究的问题提出了建议。
海风锋是海风环流前缘形成的锋面,具有类似于冷锋的特征。海风锋能触发强对流,造成沿海地区雷暴等灾害性天气,是沿海地区气象研究的重点对象。随着数值模式和计算机技术的发展,数值模拟已成为气象研究中的重要方法。因此,海风(锋)的数值模拟受到越来越多的关注。过去的40年中,中国地区海风(锋)的数值研究不断开展,取得了不少研究成果。为了加深对海风(锋)数值模拟的认识,了解最新研究成果,本文对中国地区海风(锋)数值模拟进行了概述,重点讨论了海风三维结构与演变以及背景风、地形、城市热岛和大气稳定度对海风(锋)的影响。此外,本文也归纳总结了模式物理过程参数化对海风(锋)模拟的影响以及海风(锋)的大涡模拟研究。最后,对一些需要进一步研究的问题提出了建议。
摘要：
联邦学习这一类分布式机器学习技术旨在保证使用大数据进行机器学习训练时保护本地数据不泄露。然而一系列机器学习隐私攻击表明，即使不直接暴露本地数据，仅仅通过获取机器学习模型的参数就可以进行数据隐私的窃取。从训练时参与者和聚合端之间传递的中间模型到最后发布的聚合模型，联邦学习的模型发布过程存在着诸多的隐私威胁。由此也出现了大量相关的保护技术，包括基于差分隐私以及基于密码学的联邦学习隐私保护技术。本文针对联邦学习本地模型和聚合模型发布过程中可能出现的各种隐私威胁和敌手模型进行了简要介绍，并且对相关的防御技术和研究成果进行系统性综述。同时也对相关技术在联邦学习隐私保护中的发展趋势进行了展望。
联邦学习这一类分布式机器学习技术旨在保证使用大数据进行机器学习训练时保护本地数据不泄露。然而一系列机器学习隐私攻击表明，即使不直接暴露本地数据，仅仅通过获取机器学习模型的参数就可以进行数据隐私的窃取。从训练时参与者和聚合端之间传递的中间模型到最后发布的聚合模型，联邦学习的模型发布过程存在着诸多的隐私威胁。由此也出现了大量相关的保护技术，包括基于差分隐私以及基于密码学的联邦学习隐私保护技术。本文针对联邦学习本地模型和聚合模型发布过程中可能出现的各种隐私威胁和敌手模型进行了简要介绍，并且对相关的防御技术和研究成果进行系统性综述。同时也对相关技术在联邦学习隐私保护中的发展趋势进行了展望。
摘要：
传统导航方法只能检测出路径上存在的静止障碍物，无法检测出运动障碍物，为此提出基于深度学习的盲人避撞路径导航方法。收集语音信号，利用语音识别模型获取语音特征参数，根据语音特征参数识别出盲人输入的语音序列内容，确定盲人所要到达的目的地。构建障碍物检测模型，检测盲人所在位置与其目的地路径上障碍物的形状特征及其运动方向、速度，并计算初始位置与到达位置的距离。利用深度学习中的卷积神经网络规划出最优避撞路径，实现盲人避撞路径导航。实验结果显示，该方法检测出来的障碍物在x轴和y轴上的径向运动速度相差无几，可以实时跟踪监测障碍物的移动方向及运动速度。本研究方法所得速度与障碍物的实际运动速度基本一致，误差在0.2～0.4cm/s之间，且在测试时间为50min时，避障精准度达到了96.5%，能够实现最优避撞路径规划及导航。
传统导航方法只能检测出路径上存在的静止障碍物，无法检测出运动障碍物，为此提出基于深度学习的盲人避撞路径导航方法。收集语音信号，利用语音识别模型获取语音特征参数，根据语音特征参数识别出盲人输入的语音序列内容，确定盲人所要到达的目的地。构建障碍物检测模型，检测盲人所在位置与其目的地路径上障碍物的形状特征及其运动方向、速度，并计算初始位置与到达位置的距离。利用深度学习中的卷积神经网络规划出最优避撞路径，实现盲人避撞路径导航。实验结果显示，该方法检测出来的障碍物在x轴和y轴上的径向运动速度相差无几，可以实时跟踪监测障碍物的移动方向及运动速度。本研究方法所得速度与障碍物的实际运动速度基本一致，误差在0.2～0.4cm/s之间，且在测试时间为50min时，避障精准度达到了96.5%，能够实现最优避撞路径规划及导航。
全选反选导出
显示模式：
摘要：
随着物联网、云计算、移动互联网的迅猛发展,大数据(Big Data)吸引了越来越多的关注,正成为信息社会的重要财富,同时也给数据的处理与管理带来了巨大挑战.首先从大数据概念入手,阐述了大数据的来源、主要挑战、关键技术、大数据处理工具和应用实例等,并对比了大数据与云计算、物联网、移动互联网等技术之间关系,然后剖析了大数据核心技术、大数据企业解决方案,讨论了目前大数据应用实例,最后归纳总结了大数据发展趋势.旨在为了解大数据当前发展状况、关键技术以及科学地进行大数据分析与处理提供参考.
随着物联网、云计算、移动互联网的迅猛发展,大数据(Big Data)吸引了越来越多的关注,正成为信息社会的重要财富,同时也给数据的处理与管理带来了巨大挑战.首先从大数据概念入手,阐述了大数据的来源、主要挑战、关键技术、大数据处理工具和应用实例等,并对比了大数据与云计算、物联网、移动互联网等技术之间关系,然后剖析了大数据核心技术、大数据企业解决方案,讨论了目前大数据应用实例,最后归纳总结了大数据发展趋势.旨在为了解大数据当前发展状况、关键技术以及科学地进行大数据分析与处理提供参考.
摘要：
根据个人学习研究稳定性的心得体会，首先介绍了前苏联伟大的数学力学家Ｌｙａｐｕｎｏｖ院士的博士论文《运动稳定性的一般问题》在全世界产生的超过１个世纪的巨大影响．叙述了由该博士论文首创的几个巨大成就何以能奠定１门学科的基础，从而开创了１个新的重要的研究方向，以及留给后人很多很多研究的课题的理由．特别地，用事实和科学断语回答了“Ｌｙａｐｕｎｏｖ稳定性已领风骚１００多年，余晖还几何”的问题．明确表明１个观点：稳定性将是１个“永恒的主题”，不老的科学，定将永恒地给人启迪，洞察力，智慧和思想．
根据个人学习研究稳定性的心得体会，首先介绍了前苏联伟大的数学力学家Ｌｙａｐｕｎｏｖ院士的博士论文《运动稳定性的一般问题》在全世界产生的超过１个世纪的巨大影响．叙述了由该博士论文首创的几个巨大成就何以能奠定１门学科的基础，从而开创了１个新的重要的研究方向，以及留给后人很多很多研究的课题的理由．特别地，用事实和科学断语回答了“Ｌｙａｐｕｎｏｖ稳定性已领风骚１００多年，余晖还几何”的问题．明确表明１个观点：稳定性将是１个“永恒的主题”，不老的科学，定将永恒地给人启迪，洞察力，智慧和思想．
摘要：
近年来,多智能体系统的协调控制在多机器人合作控制、交通车辆控制、无人飞机编队和网络的资源分配等领域有着广泛的应用,成为当前控制学科的一个热点问题.首先介绍了多智能体系统的研究背景、智能体的概念和相关的图论知识;然后从多智能体系统协调控制包含的几个问题入手,即群集问题、编队控制问题、一致性问题和网络优化问题等,对其国内外的发展现状进行了总结和分析;最后,给出了多智能体系统有待解决的一些问题,以促进对多智能体系统协调控制理论与应用的进一步研究.
近年来,多智能体系统的协调控制在多机器人合作控制、交通车辆控制、无人飞机编队和网络的资源分配等领域有着广泛的应用,成为当前控制学科的一个热点问题.首先介绍了多智能体系统的研究背景、智能体的概念和相关的图论知识;然后从多智能体系统协调控制包含的几个问题入手,即群集问题、编队控制问题、一致性问题和网络优化问题等,对其国内外的发展现状进行了总结和分析;最后,给出了多智能体系统有待解决的一些问题,以促进对多智能体系统协调控制理论与应用的进一步研究.
摘要：
设计了一个三维声源定位系统，提出了一个新的系统模型，并对传统的基于声波到达时间差TDOA的算法进行了优化。通过检测麦克风接收到信号的时间差，结合已知的阵列元的空间位置确定声源的位置。该系统声源采集部分由4个阵列成正四面体的麦克风组成。算法的硬件实现由TMS320C5416DSP芯片完成'整个系统实现了声源定位的功能。
设计了一个三维声源定位系统，提出了一个新的系统模型，并对传统的基于声波到达时间差TDOA的算法进行了优化。通过检测麦克风接收到信号的时间差，结合已知的阵列元的空间位置确定声源的位置。该系统声源采集部分由4个阵列成正四面体的麦克风组成。算法的硬件实现由TMS320C5416DSP芯片完成'整个系统实现了声源定位的功能。
2017,9(2):159-167, DOI: 10.13878/j.cnki.jnuist.2017.02.006
摘要：
室内定位由于在工业生产和日常生活中存在重要的应用价值而成为研究的热点，传统的Wi-Fi、蓝牙等无线定位技术由于电磁干扰和多径效应等原因很难实现高精度的室内定位.经过调制的白光LED在满足照明需求的同时能够传送位置信息，实现室内的高精度定位.首先介绍了可见光定位系统中常用的几种调制方式，对不同调制方式的特点做出比较，提出了一种适用于可见光定位的调制方式；然后，介绍并讨论了可见光定位系统的两种解调方法；之后介绍了几种可见光定位的算法，并对每一种算法的性能进行详细的分析；最后对于可见光定位中存在的问题进行了讨论与展望.
室内定位由于在工业生产和日常生活中存在重要的应用价值而成为研究的热点，传统的Wi-Fi、蓝牙等无线定位技术由于电磁干扰和多径效应等原因很难实现高精度的室内定位.经过调制的白光LED在满足照明需求的同时能够传送位置信息，实现室内的高精度定位.首先介绍了可见光定位系统中常用的几种调制方式，对不同调制方式的特点做出比较，提出了一种适用于可见光定位的调制方式；然后，介绍并讨论了可见光定位系统的两种解调方法；之后介绍了几种可见光定位的算法，并对每一种算法的性能进行详细的分析；最后对于可见光定位中存在的问题进行了讨论与展望.
摘要：
近年来,云计算作为一种新的服务模式已成为计算机科学领域的一个研究热点.首先从定义、部署模式、特征和关键技术等方面对云计算进行了综述,然后剖析了当前主流云计算参与企业和应用实例,最后讨论了目前云计算发展存在问题与机遇,旨在为了解云计算当前发展状况、研究趋势以及科学地评估云计算的运营和使用提供参考.
近年来,云计算作为一种新的服务模式已成为计算机科学领域的一个研究热点.首先从定义、部署模式、特征和关键技术等方面对云计算进行了综述,然后剖析了当前主流云计算参与企业和应用实例,最后讨论了目前云计算发展存在问题与机遇,旨在为了解云计算当前发展状况、研究趋势以及科学地评估云计算的运营和使用提供参考.
摘要：
系统辨识是研究建立系统数学模型的理论与方法.虽然数学建模有很长的研究历史,但是形成系统辨识学科的历史才几十年.在这短暂的几十年里,系统辨识得到了长足的发展,一些新的辨识方法相继问世$其理论与应用成果覆盖了自然科学和社会科学的各个领域,包括物理学、生物学、地球科学、气象学、计算机科学、经济学、心理学、政治学等。在这样的背景下，回过头来深思系统辨识的一些基本问题，对系统辨识的发展不无裨益。作为系统辨识的导引论文，简单介绍了辨识的定义，系统模型与辨识模型，辨识的基本步骤与辨识目的，包括辨识试验设计与数据预理，以及辨识方法的类别，包括最小二乘辨识方法、梯度辨识方法、辅助模型辨识方法、多新息辨识方法、递阶辨识方法等。
系统辨识是研究建立系统数学模型的理论与方法.虽然数学建模有很长的研究历史,但是形成系统辨识学科的历史才几十年.在这短暂的几十年里,系统辨识得到了长足的发展,一些新的辨识方法相继问世$其理论与应用成果覆盖了自然科学和社会科学的各个领域,包括物理学、生物学、地球科学、气象学、计算机科学、经济学、心理学、政治学等。在这样的背景下，回过头来深思系统辨识的一些基本问题，对系统辨识的发展不无裨益。作为系统辨识的导引论文，简单介绍了辨识的定义，系统模型与辨识模型，辨识的基本步骤与辨识目的，包括辨识试验设计与数据预理，以及辨识方法的类别，包括最小二乘辨识方法、梯度辨识方法、辅助模型辨识方法、多新息辨识方法、递阶辨识方法等。
2017,9(2):174-178, DOI: 10.13878/j.cnki.jnuist.2017.02.008
摘要：
随着对光纤中非线性效应研究的不断深入，光纤分布式传感器得到了广泛的研究和应用.本文介绍了光纤传感的应用领域，综述了基于布里渊散射、拉曼散射及瑞利散射3种散射光实现不同类型光纤分布式传感的原理，最后从光纤分布式传感优势方面对其未来发展方向进行了展望.
随着对光纤中非线性效应研究的不断深入，光纤分布式传感器得到了广泛的研究和应用.本文介绍了光纤传感的应用领域，综述了基于布里渊散射、拉曼散射及瑞利散射3种散射光实现不同类型光纤分布式传感的原理，最后从光纤分布式传感优势方面对其未来发展方向进行了展望.
摘要：
提出了一种实验上可行的,通过光学谐振腔内多通道参量下转换过程直接产生多色连续变量对纠缠频率梳的方案,腔内增益介质为周期极化的准相位匹配的钽酸锂(LiTaO3)一维光学超晶格.通过连续变量纠缠判据证明了每个通道中产生的每对参量光之间是相互纠缠的.讨论了对纠缠频率梳的纠缠特性随系统参数的变化.此方案在量子通信网络中有着一定的应用前景.
提出了一种实验上可行的,通过光学谐振腔内多通道参量下转换过程直接产生多色连续变量对纠缠频率梳的方案,腔内增益介质为周期极化的准相位匹配的钽酸锂(LiTaO3)一维光学超晶格.通过连续变量纠缠判据证明了每个通道中产生的每对参量光之间是相互纠缠的.讨论了对纠缠频率梳的纠缠特性随系统参数的变化.此方案在量子通信网络中有着一定的应用前景.
摘要：
针对稳定状态下的电能质量信号，采用一种组合余弦窗的汉宁窗，将该窗函数与快速傅里叶变换相结合进行电能质量中的谐波分析，并利用Matlab7.0进行仿真验证，发现将窗函数与快速傅里叶变换相结合，在很大程度上能减少谐波泄漏，有效减弱谐波之间的干扰，有利于测量到较为精确的电能信号的幅值和相位.
针对稳定状态下的电能质量信号，采用一种组合余弦窗的汉宁窗，将该窗函数与快速傅里叶变换相结合进行电能质量中的谐波分析，并利用Matlab7.0进行仿真验证，发现将窗函数与快速傅里叶变换相结合，在很大程度上能减少谐波泄漏，有效减弱谐波之间的干扰，有利于测量到较为精确的电能信号的幅值和相位.
摘要：
QPSK作为一种抑制载波的抗干扰能力较强的四相移键控调制方式，被广泛应用于无线卫星通信中.同步（载波同步和符号同步）是解调过程中最核心的问题之一.采用基于软件无线电的思想，把尽可能多的通信功能用可升级、可替换的软件来实现.载波同步采用数字Costas环的方式，符号同步采用模平方谱线估计法来完成，并通过Matlab仿真验证结果的可行性.将仿真获得的参数结合硬件平台，最终在工程上实现了一款基于FPGA（现场可编程逻辑门阵列）的气象卫星解调器的设计.
QPSK作为一种抑制载波的抗干扰能力较强的四相移键控调制方式，被广泛应用于无线卫星通信中.同步（载波同步和符号同步）是解调过程中最核心的问题之一.采用基于软件无线电的思想，把尽可能多的通信功能用可升级、可替换的软件来实现.载波同步采用数字Costas环的方式，符号同步采用模平方谱线估计法来完成，并通过Matlab仿真验证结果的可行性.将仿真获得的参数结合硬件平台，最终在工程上实现了一款基于FPGA（现场可编程逻辑门阵列）的气象卫星解调器的设计.
摘要：
分数阶ＰＩＤ控制器较传统整数阶ＰＩＤ控制器增加了２个可调参数，使得其控制器的设计更加灵活，控制性能更加优良．针对网络控制系统（ＮＣＳ）中的时延以及数据包丢失问题，提出对系统采用分数阶ＰＩＤ控制方法进行补偿，利用ＭＡＴＬＡＢ／ＴｒｕｅＴｉｍｅ仿真工具箱对ＮＣＳ进行仿真研究．仿真实验结果表明，采用分数阶ＰＩＤ控制方法可以对时延以及数据包丢失问题进行有效的补偿，且控制效果明显优于整数阶ＰＩＤ方法．
分数阶ＰＩＤ控制器较传统整数阶ＰＩＤ控制器增加了２个可调参数，使得其控制器的设计更加灵活，控制性能更加优良．针对网络控制系统（ＮＣＳ）中的时延以及数据包丢失问题，提出对系统采用分数阶ＰＩＤ控制方法进行补偿，利用ＭＡＴＬＡＢ／ＴｒｕｅＴｉｍｅ仿真工具箱对ＮＣＳ进行仿真研究．仿真实验结果表明，采用分数阶ＰＩＤ控制方法可以对时延以及数据包丢失问题进行有效的补偿，且控制效果明显优于整数阶ＰＩＤ方法．
2017,9(6):575-582, DOI: 10.13878/j.cnki.jnuist.2017.06.002
摘要：
近年来知识图谱技术引起了广泛的关注和研究，本文介绍了近期知识图谱的发展、构建方法、详细的构建过程，并对知识图谱在交叉学科领域的应用和未来的研究方向做了总结.本文详细介绍了构建文本知识图谱、视觉知识图谱、多模态知识图谱的关键技术，比如信息提取、知识融合、知识表示等.作为知识工程的重要组成部分，知识图谱，尤其是多模态知识图谱的发展对大数据时代的高效知识管理、知识获取、知识共享有着重要的意义.
近年来知识图谱技术引起了广泛的关注和研究，本文介绍了近期知识图谱的发展、构建方法、详细的构建过程，并对知识图谱在交叉学科领域的应用和未来的研究方向做了总结.本文详细介绍了构建文本知识图谱、视觉知识图谱、多模态知识图谱的关键技术，比如信息提取、知识融合、知识表示等.作为知识工程的重要组成部分，知识图谱，尤其是多模态知识图谱的发展对大数据时代的高效知识管理、知识获取、知识共享有着重要的意义.
摘要：
介绍了北京空气质量多模式集成预报系统（ＥＭＳ Ｂｅｉｊｉｎｇ）．系统中区域空气质量模式包括中国科学院大气物理所自主开发的嵌套网格空气质量模式系统（ＮＡＱＰＭＳ）模式、美国环保署（ＥＰＡ）开发的Ｍｏｄｅｌｓ ３／ＣＭＡＱ模式及美国Ｅｎｖｉ ｒｏｎ公司开发的ＣＡＭｘ模式等，均使用ＳＭＯＫＥ排放模型统一处理大气污染排放清单．此系统各模式采用统一的模拟区域和网格分辨率，采用中尺度气象模式ＭＭ５提供统一的气象场，并采用算术平均、权重集成等方法集成各空气质量模式结果，并投入北京空气质量业务预报，有效支持了北京奥运会空气质量数值预报．业务预报结果表明：１）采用ＳＭＯＫＥ处理的奥运排放清单较接近实际，２００８年８月各空气质量模式可吸入颗粒物（ＰＭ１０）日均值预报结果相对偏差为－３％ ～１７％，与观测数据相关系数在０７以上；２）在排放清单较接近实际的情况下，ＰＭ１０日均值多模式算术平均优于单个空气质量模式；３）分析２００８年４—１１月业务预报表明，采用权重集成方法预报的ＰＭ１０日均值优于算术平均方法，达６１％．总体上，权重集成方法优于算术平均结果．
介绍了北京空气质量多模式集成预报系统（ＥＭＳ Ｂｅｉｊｉｎｇ）．系统中区域空气质量模式包括中国科学院大气物理所自主开发的嵌套网格空气质量模式系统（ＮＡＱＰＭＳ）模式、美国环保署（ＥＰＡ）开发的Ｍｏｄｅｌｓ ３／ＣＭＡＱ模式及美国Ｅｎｖｉ ｒｏｎ公司开发的ＣＡＭｘ模式等，均使用ＳＭＯＫＥ排放模型统一处理大气污染排放清单．此系统各模式采用统一的模拟区域和网格分辨率，采用中尺度气象模式ＭＭ５提供统一的气象场，并采用算术平均、权重集成等方法集成各空气质量模式结果，并投入北京空气质量业务预报，有效支持了北京奥运会空气质量数值预报．业务预报结果表明：１）采用ＳＭＯＫＥ处理的奥运排放清单较接近实际，２００８年８月各空气质量模式可吸入颗粒物（ＰＭ１０）日均值预报结果相对偏差为－３％ ～１７％，与观测数据相关系数在０７以上；２）在排放清单较接近实际的情况下，ＰＭ１０日均值多模式算术平均优于单个空气质量模式；３）分析２００８年４—１１月业务预报表明，采用权重集成方法预报的ＰＭ１０日均值优于算术平均方法，达６１％．总体上，权重集成方法优于算术平均结果．
摘要：
随着道路车量不断增多,由交通异常事件造成的非正常拥堵情况严重影响了出行者的出行效率和路网的整体运行水平.因此,需要准确及时地检测出非正常拥堵情况,通过诱导、疏通等方式改善拥堵状况.对车流量的准确预测是检测非正常拥堵的有效方法.根据交通流量的不确定性和非线性的特点,将改进的BP神经网络模型和ARIMA模型进行组合,建立组合预测模型.实验结果表明,组合模型的预测结果比单个模型的预测结果理想,且达到较高的预测精度.
随着道路车量不断增多,由交通异常事件造成的非正常拥堵情况严重影响了出行者的出行效率和路网的整体运行水平.因此,需要准确及时地检测出非正常拥堵情况,通过诱导、疏通等方式改善拥堵状况.对车流量的准确预测是检测非正常拥堵的有效方法.根据交通流量的不确定性和非线性的特点,将改进的BP神经网络模型和ARIMA模型进行组合,建立组合预测模型.实验结果表明,组合模型的预测结果比单个模型的预测结果理想,且达到较高的预测精度.
摘要：
针对多变量时间序列(MTS)的异常点的探测问题,提出了采用由粗到细的二次探测方案.基于滑动窗口数据的置信区间,构造了变化趋势值特征和相对变化趋势值特征分别用于二次探测,同时研究了特征的快速提取算法.通过对OPEN3000数据监测系统采集的事故发生前后某市城南变电站各设备表的数据集进行异常点探测,结果表明提出的算法能够快速准确地探测出异常点的位置.
针对多变量时间序列(MTS)的异常点的探测问题,提出了采用由粗到细的二次探测方案.基于滑动窗口数据的置信区间,构造了变化趋势值特征和相对变化趋势值特征分别用于二次探测,同时研究了特征的快速提取算法.通过对OPEN3000数据监测系统采集的事故发生前后某市城南变电站各设备表的数据集进行异常点探测,结果表明提出的算法能够快速准确地探测出异常点的位置.
摘要：
提出了一种量化水汽输送路径的方法，基于ＮＣＥＰ／ＮＣＡＲ再分析资料研究了南海强、弱夏季风年水汽输送路径的特征．结果表明：南海强夏季风年水汽输送路径偏东偏南；弱夏季风年水汽输送路径偏西偏北，且弱夏季风年水汽输送路径呈抛物线型．南海夏季风活动和夏季风槽的异常必然引起水汽输送的异常，而南海地区水汽输送强度与前期黑潮区域海温异常存在密切联系．
提出了一种量化水汽输送路径的方法，基于ＮＣＥＰ／ＮＣＡＲ再分析资料研究了南海强、弱夏季风年水汽输送路径的特征．结果表明：南海强夏季风年水汽输送路径偏东偏南；弱夏季风年水汽输送路径偏西偏北，且弱夏季风年水汽输送路径呈抛物线型．南海夏季风活动和夏季风槽的异常必然引起水汽输送的异常，而南海地区水汽输送强度与前期黑潮区域海温异常存在密切联系．
摘要：
我国钢铁产量连续11 a位居世界第一,同时也消耗了大量的化石燃料,排放出大量的温室气体．根据联合国政府间气候变化专门委员会(IPCC)的通用方法计算我国钢铁工业的碳排放情况并进行研究分析．结果显示:1994—2006年内钢铁工业碳排放量平均占碳总排放的14％,煤炭类能源产生的CO2平均占钢铁工业碳排放量的97％,钢铁年产量的增长伴随着CO2排放量的增加且两者的相互依赖性有加强的趋势,但1994—2006年内吨钢CO2排放量呈降低的趋势．因此,钢铁工业是我国碳减排的重点行业,其碳减排工作应该尽快展开,而优化能源消费结构是最有效的减排路径,此外也要加强技术创新或是引进国外先进技术以提高能源利用效率．
我国钢铁产量连续11 a位居世界第一,同时也消耗了大量的化石燃料,排放出大量的温室气体．根据联合国政府间气候变化专门委员会(IPCC)的通用方法计算我国钢铁工业的碳排放情况并进行研究分析．结果显示:1994—2006年内钢铁工业碳排放量平均占碳总排放的14％,煤炭类能源产生的CO2平均占钢铁工业碳排放量的97％,钢铁年产量的增长伴随着CO2排放量的增加且两者的相互依赖性有加强的趋势,但1994—2006年内吨钢CO2排放量呈降低的趋势．因此,钢铁工业是我国碳减排的重点行业,其碳减排工作应该尽快展开,而优化能源消费结构是最有效的减排路径,此外也要加强技术创新或是引进国外先进技术以提高能源利用效率．
摘要：
通过模拟案例对设施选址中的中值问题、中心问题、覆盖问题等建立模型并进行分析，再引入诸如气象要素、地形要素等约束条件，用层次分析等方法建立设施选址综合目标函数，并对设施选址方法提出一些建议．
通过模拟案例对设施选址中的中值问题、中心问题、覆盖问题等建立模型并进行分析，再引入诸如气象要素、地形要素等约束条件，用层次分析等方法建立设施选址综合目标函数，并对设施选址方法提出一些建议．
摘要：
在时间序列建模时，随机扰动项经常表现出非高斯性质，造成传统的时序模型的估计和预测偏误．针对这个问题，提出一种新的时间序列混合模型———多维高斯混合转移分布模型（ＭＧＭＴＤ模型），用来处理残差项不是白噪声的情况，并提出采用遗传算法进行参数估计．将新提出的ＭＧＭＴＤ模型应用于对国际原油价格的预测分析中，进行模型的可行性检验．实证结果显示，ＭＧＭＴＤ模型可以得到较好的预测结果．
在时间序列建模时，随机扰动项经常表现出非高斯性质，造成传统的时序模型的估计和预测偏误．针对这个问题，提出一种新的时间序列混合模型———多维高斯混合转移分布模型（ＭＧＭＴＤ模型），用来处理残差项不是白噪声的情况，并提出采用遗传算法进行参数估计．将新提出的ＭＧＭＴＤ模型应用于对国际原油价格的预测分析中，进行模型的可行性检验．实证结果显示，ＭＧＭＴＤ模型可以得到较好的预测结果．
地址：江苏省南京市宁六路219号 邮编：210044
联系电话：025-58731025 E-mail：nxdxb@nuist.edu.cn
南京信息工程大学学报 ® 2023 版权所有 技术支持：北京勤云科技发展有限公司
