联合Transformer注意力机制的PM_(2.5)浓度预测网络研究

应用深度学习技术进行PM_(2.5)浓度预测方法的研究,提出联合Transformer注意力机制的循环预测网络。模型的核心是多头注意力-长短期记忆网络(MH-LSTM),通过构建统一记忆单元捕捉时空特征关联。MH-LSTM单元使用LSTM联合Transformer注意力机制对时间变化和全局空间特征统一建模形成记忆信息。记忆信息“之”字流向跨越堆叠的MH-LSTM模块,高层记忆信息辅助下一时刻低层记忆信息的获取。应用该模型结合河北省生态环境监测中心提供的PM_(2.5)浓度数据开展预报试验,结果表明,相对于卷积LSTM网络(ConvLSTM)、预测循环神经网络(PredRNN)、双重记忆网络(MIM),该模型预测的平均绝对误差分别减小了18.13%、10.23%、9.62%,实现了同时捕捉PM_(2.5)浓度的时空相关性,具有更优预测性能。

AZ51镁合金交流微弧氧化膜层厚度的研究

在氢氧化钾和氟化钾组成的电解液中,采用交流微弧氧化处理技术对AZ51镁合金进行表面处理.研究了处理参数对陶瓷氧化膜层厚度的影响,确定了膜层的组织构成.结果表明：KOH浓度在300～400 g/L时,膜层厚度几乎随着KOH浓度的增加呈线性增长;KF浓度在400～1 000 g/L,膜层厚度增加最快;电压处于50～80 V时,能够促进膜层的快速生长;当电解液温度在20～70℃,随着电解液温度的升高,膜层厚度逐渐增加;膜层厚度随处理时间延长快速增长,超过100 s后趋于平缓.膜层主要由氟化镁和氧化镁组成,致密膜层的最大平均厚度约为30μm,膜层厚度超过30μm后,膜层将出现＂沙化层＂.