基于NAM模型的长白山北景区泥石流降雨阈值研究

泥石流严重影响山区生活和建筑环境安全,建立泥石流降雨I-D阈值可以有效降低泥石流灾害的影响。但是现有的建立曲线的统计方法高度依赖于大量的泥石流和降雨事件,对于缺乏观测数据的山区来说是非常困难的,且以统计方法建立起来的阈值曲线精度有限。该文采用由NAM模型和物理模型耦合的阈值模型,其中NAM模型是集总式概念性水文模型,模拟的是流域范围内发生的降雨径流过程,可以模拟出降雨所引发的径流值。该模型在长白山北景区得到验证,长白山北景区是一个典型的泥石流沟谷,历史上记载了数次泥石流事件。利用历史引发泥石流的降雨观测数据,对提出的阈值模型进行了验证,该新模型的精度被确定为85.72%,证明该模型在泥石流预测预警方面具有很大的应用潜力。

基于熵权法和TOPSIS模型的城市韧性评估——以长春市为例

随着城市外部环境的不断变化,城市面临的不确定性扰动也在不断增加,为了实现城市可持续发展,提高城市韧性已成为全球共识。因此,该文从社会、生态、基础设施和经济韧性四个层面建立城市韧性评价体系,基于熵权法确定权重,利用TOPSIS模型对长春市2016—2020年的城市韧性进行评价,结果表明:(1)长春市城市韧性水平在2016—2020年间随时间呈增长趋势;(2)长春市城市韧性水平在空间上存在差异,具体表现为“南高北低”;(3)在不同时期,不同层面的韧性对城市韧性的影响不同。最后,基于上述所选取的四个层面提出提高城市韧性的策略,为长春市城市韧性建设提供依据。

基于深度强化学习的电网前瞻调度智能决策架构及关键技术初探

随着新型电力系统建设的快速推进,电网运行方式不确定性增加,调度对象类型/数量指数级增长,当前基于物理模型的电网调度计划存在优化决策计算速度慢、耗时长以及应对多重不确定场景适应性不够等问题,特别是日内阶段仍经常依赖调度员人工调控。为此,该文结合电网前瞻调度的时序滚动优化、多元对象决策、调度多目标构建等实际特点,提出基于深度强化学习的电网前瞻调度智能决策功能架构,分析离线训练模块、在线决策模块和效果评估模块3部分的具体实现;并在适用于电网前瞻调度的深度强化学习算法、学习样本效率提升、调度多目标奖励函数设计、拓扑改变情形下的迁移学习和前瞻调度效果评估等关键技术方面进行了初步探索,基于IEEE30节点算例验证了所提算法和技术的有效性。最后,探讨了电网前瞻调度智能决策需进一步研究的问题。

与椰子过招

趁着“五一”小假期,许多亲戚来串门。这不,表哥来了。咦？表哥手里还提着个新玩意——足足有汤碗碗口那么大的棕黑色球状物体。走近一瞧——原来是个大椰子!等表哥坐定,大家开始打量起这个“黑球”来,左敲敲,右拍拍,想喝椰汁却怎么也找不着突破口,大家只好望“椰”兴叹。

关于新型高性能泡沫混凝土制备技术分析

随着我国经济建设的不断发展壮大,社会各界均开始进行大量的建筑物铸造工作,建筑用地也在这新的社会情态发展之下变得日渐稀少。同时,随着人们生活质量的不断提升,对于建筑用材方面的要求也变得更为严苛。较高性能混凝土的运用成为建筑领域工作人员重点研究的问题,新型的混凝土材料拥有更多的使用优势,其生产方式及制备放大也逐渐成为人们研究的重点内容。