期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
内分泌干扰物测试技术和评估体系 被引量:5
1
作者 宋峙嶙 李圆圆 +2 位作者 熊忆茗 李金波 秦占芬 《中国环境科学》 EI CAS CSCD 北大核心 2023年第5期2601-2612,共12页
内分泌干扰物是近年来被学术界和国际社会高度关注的一大类污染物,对生态安全和人体健康存在已知的和潜在的危害.本研究介绍了目前国际公认的内分泌干扰物测试方法,主要涉及雌激素、雄激素和甲状腺通路的干扰活性测试;在分析不同级别方... 内分泌干扰物是近年来被学术界和国际社会高度关注的一大类污染物,对生态安全和人体健康存在已知的和潜在的危害.本研究介绍了目前国际公认的内分泌干扰物测试方法,主要涉及雌激素、雄激素和甲状腺通路的干扰活性测试;在分析不同级别方法的特点和局限性的基础上,指出内分泌干扰活性检测和不良效应评估不能很好关联是鉴别内分泌干扰物的技术瓶颈;进一步梳理了欧盟、美国等发达国家测试和评估内分泌干扰物的方案或策略,并由此比较了各自的特点和共性;在此基础上,分析了我国内分泌干扰物研究现状及存在的问题,并就我国构建内分泌干扰物测试和评估体系提出几点建议. 展开更多
关键词 内分泌干扰物 测试技术 评估体系 雌激素 雄激素 甲状腺激素
下载PDF
基于自我学习遗传算法的云制造资源优选 被引量:1
2
作者 宋士琳 赵柱 +2 位作者 薛鹏 马沁怡 周茂军 《组合机床与自动化加工技术》 北大核心 2021年第8期31-35,共5页
为进一步提高云制造环境下制造资源方案的优选水平,并在满足资源需求者需求的情况下提高资源提供者生产效率,确定了一种基于自我学习算法改进后的遗传算法的云制造资源优选方法。该方法以最大化资源提供者生产效率和满足资源需求者需求... 为进一步提高云制造环境下制造资源方案的优选水平,并在满足资源需求者需求的情况下提高资源提供者生产效率,确定了一种基于自我学习算法改进后的遗传算法的云制造资源优选方法。该方法以最大化资源提供者生产效率和满足资源需求者需求为优化目标,建立了一套可以根据资源供需双方可选数据进行资源方案优化的数学模型,最后利用基于Sarsa算法改进后的遗传算法予以实现。当生产制造任务确定的情况下,该方法可以有效优化云制造平台的资源方案,从而有效减少当前制造任务的完成时间,为云制造服务模式下制造资源优选提供了一种解决方案。 展开更多
关键词 云制造 资源优选 自我学习 遗传算法
下载PDF
Numerical simulation research on response characteristics of surrounding rock for deep super-large section chamber under dynamic and static combined loading condition 被引量:13
3
作者 FAN De-yuan LIU Xue-sheng +3 位作者 TAN Yun-liang song shi-lin NING Jian-guo MA Qing 《Journal of Central South University》 SCIE EI CAS CSCD 2020年第12期3544-3566,共23页
The stability control of surrounding rock for large or super-large section chamber is a difficult technical problem in deep mining condition.Based on the in-site geological conditions of Longgu coal mine,this paper us... The stability control of surrounding rock for large or super-large section chamber is a difficult technical problem in deep mining condition.Based on the in-site geological conditions of Longgu coal mine,this paper used the dynamic module of FLAC3D to study the response characteristics of deep super-large section chamber under dynamic and static combined loading condition.Results showed that under the static loading condition,the maximum vertical stress,deformation and failure range are large,where the stress concentration coefficient is 1.64.The maximum roof-to-floor and two-sides deformations are 54.6 mm and 53.1 mm,respectively.Then,under the dynamic and static combined loading condition:(1)The influence of dynamic load frequency on the two-sides is more obvious;(2)The dynamic load amplitude has the greatest influence on the stress concentration degree,and the plastic failure tends to develop to the deeper;(3)With the dynamic load source distance increase,the response of surrounding rock is gradually attenuated.On this basis,empirical equations for each dynamic load conditions were obtained by using regression analysis method,and all correlation coefficients are greater than 0.99.This research provided reference for the supporting design of deep super-large section chamber under same or similar conditions. 展开更多
关键词 deep mining super-larger section chamber static load dynamic load frequency dynamic load amplitude dynamic load source distance
下载PDF
工业云环境下服务的搜索与匹配
4
作者 赵柱 宋士琳 +2 位作者 孟璐 马沁怡 周茂军 《组合机床与自动化加工技术》 北大核心 2021年第9期175-179,共5页
随着工业云环境下的制造服务和需求的逐渐增多,如何快速而准确地在众多资源中寻找到最适合的服务就显得格外重要。提出一种工业云环境下服务的搜索与匹配方法。首先对服务资源和服务需求进行标准化描述和标注,在信息解析器的基础上对资... 随着工业云环境下的制造服务和需求的逐渐增多,如何快速而准确地在众多资源中寻找到最适合的服务就显得格外重要。提出一种工业云环境下服务的搜索与匹配方法。首先对服务资源和服务需求进行标准化描述和标注,在信息解析器的基础上对资源与需求间进行逐级匹配,且提出一种对属性指标权重的赋值法,为用户提供更符合要求的云服务。并且在文章最后经过案例验证,证明了该方法能够较为准确的在候选资源中筛选出合适的服务。 展开更多
关键词 云制造 资源描述 服务搜索 服务匹配
下载PDF
基于GAN和DWT的船舶红外偏振图像超分辨方法
5
作者 宋施霖 朱志宇 +1 位作者 张哲卿 杜星月 《激光与红外》 CAS 2024年第11期1777-1783,共7页
针对海面船舶红外偏振成像分辨率低、细节不清的问题,提出一种小波变换与生成对抗网络结合的方法提高图像分辨率。使用纯卷积神经网络模型(ConvNeXt)改进超分辨网络(SRGAN),采用非局部均值对原始低分辨船舶红外偏振图像进行去噪,用改进... 针对海面船舶红外偏振成像分辨率低、细节不清的问题,提出一种小波变换与生成对抗网络结合的方法提高图像分辨率。使用纯卷积神经网络模型(ConvNeXt)改进超分辨网络(SRGAN),采用非局部均值对原始低分辨船舶红外偏振图像进行去噪,用改进的SRGAN对低分辨率图像进行初始超分辨率,使用二维离散小波变换提取初始超分图像的细节信息,最后将细节信息通过小波逆变换与原始低分辨率的船舶红外偏振图像融合。与传统超分辨方法相比,本文方法得到的超分辨图像的峰值信噪比和结构相似性有明显提升。本文实现了红外偏振图像超分辨率与细节信息融合的同时进行,得到的超分辨率图像既保留了原始图像的红外偏振信息,又融合了高分辨率的细节信息。 展开更多
关键词 船舶红外偏振图像 图像超分辨率 生成对抗网络 二维离散小波变换
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部