基于OOD泛化性验证和深度全连接神经网络的泥石流易发性评价方法

提升易发性评价精度有助于山区泥石流灾害早期的识别和监测预警。大部分机器学习模型在训练、测试集合上表现良好,但实际应用过程精度较差,不利于工程选址规划和防灾减灾,如何提高机器学习模型评价精度与泛化性具有重要意义。选取深度全连接神经网络,与梯度提升树、随机森林模型和贝叶斯网络等机器学习方法共同进行模型精确性评价和OOD(out-of-distribution)泛化性验证,从而找出在训练、预测和应用中均具有较高精度的方法。以四川省雅安市为例,采用小流域单元进行区域网格划分,将数据集合按7∶3比例随机分为训练集和测试集,使用经验法则(3-sigma)剔除异常数据,并基于多变量(Iterative Imputer)和K-近邻法对缺失值填充进行泥石流灾害易发性评价。在泥石流易发性因子的共线性、敏感性和预测能力的分析结果基础上,选定14个易发性因子构建模型评价指标体系,进行泥石流易发性评价与对比。通过对模型的精确性评价及OOD泛化性验证发现:深度全连接神经网络模型曲线下的面积(AUC)、准确率(Acc)、召回率(Recall)的值比梯度提升树等的计算结果分别超出了0.027、0.02、0.02,而平均绝对值误差(MAE)降低了0.003;OOD泛化性验证准确度超出了0.056。研究表明,深度全连接神经网络对于泥石流易发性评价的预测效果较好,能够提高泥石流评价的精度,增加评价的适应性,可为泥石流易发性评价提供新思路。

基于GE iFix软件和西门子PLC的碱回收蒸发控制系统

通过VBA编程的方法,分析GE iFix数据库的结构和存储方式,结合后台调度,成功的开发了快速的日报表;并引入VBA数组概念,以数组名作起始地址,扩展下标进而扩展了GE iFix的I/O(输入/输出)点数;通过截取字符串,巧妙地解决了GE iFix数据库标签名不能很好的支持中文的问题。针对稳定的浓黑液浓度控制,分析了黑液浓度的主要影响因素——效压力和蒸气流量,采用了串级以及前馈控制,在实践中综合使用了GE iFix和SIMATIC PLC,获得了比较好的效果。

如何实现多校区网络资源共享

随着教育资源的整合,有一部分教学单位由二个或二个以上的校区组成。如何实现校区之间信息的同步、合理的、充分的利用是一个关键的问题。本文给出了解决方案。

深化改革 强化管理——校办企业摆脱困境之出路

本文就校办企业摆脱困境问题，提出几项措施。

西门子SIMATIC PCS7系统在连蒸控制系统中的应用

通过SIMATIC PCS7构建了制浆过程中的连续蒸煮工段自动控制系统,解决了连蒸系统开发与运行过程中的一些关键点,如反喷阀的控制,配碱的串级自动控制,用顺序控制图SFC(Sequential function chart)编程实现自动循环排渣等等;并根据工厂的现实情况构建合适而稳健的通信网络。

基于物理模型试验的堰塞坝冲刷溃决过程研究

中国是堰塞湖灾害最严重的国家之一,堰塞湖对上游淹没区和下游溃决演进区的人民生命财产安全构成巨大威胁,深入掌握堰塞坝冲刷溃决过程可为应急泄流道的设计和下游应急避险措施的制定等提供重要科技依据。以2018年金沙江白格滑坡堰塞湖为研究背景,采用室内物理模型试验的手段对堰塞坝冲刷溃决过程进行了系统研究。结果表明:堰塞坝冲刷溃决过程一般可分为4个阶段:过流孕育阶段、溯源侵蚀阶段、溃决发展阶段及河床再平衡阶段,其中:当溯源冲刷的陡坎追溯到上游坡顶,泄流槽进口断面在侵蚀作用下突然拓宽,泄流槽将连通形成底坡i>0的斜坡道,进而导致水流流速和流量突然增大,堰塞坝进入溃决快速发展的阶段。试验进一步探究了泄流槽开挖位置、开挖深度和宽度对溃决过程的影响。研究发现:当泄流槽开挖宽度不变,深度增大时,洪峰流量降低、峰现时间延迟,溃决流量过程线更为平坦;当泄流槽开挖深度不变,宽度增大时,峰现时间延迟。最后,对泄流槽的优化设计提出建议,泄流槽位置宜布置在坝顶高程最低的垭口,以减小洪峰流量,缩短溃决历时;开挖泄流槽时,应优先考虑加大泄流槽深度,最大限度地降低溃决时的堰塞湖水位。

PECVD制程中磷烷轻掺杂N+A-SI成膜稳定性的研究

为解决G8.5世代线PECVD制程中磷烷轻掺杂N+A-SI成膜中频繁出现反射功率超过3000 W导致的沉积中断,研究了磷烷流量、RF Generator的匹配特性及RFoffset的电极间距对磷烷轻掺杂N+A-SI成膜中最大反射功率的影响,实验结果表明,在电极间距为20.875~21.875 mm之间进行RFoffset可显著降低磷烷轻掺杂N+A-SI成膜中的最大反射功率至3000 W以内,保证磷烷轻掺杂N+A-SI成膜过程的稳定,且该方法可有效地解决此问题,而提高磷烷流量及使用匹配特性较好的RF Generator解决该问题均存在一定的局限性。