Microstructure Characteristics and Elevated Temperature Mechanical Properties of a B Containedβ-solidifiedγ-TiAl Alloy

The improved microstructure and enhanced elevated temperature mechanical properties of Ti-44Al-5Nb-(Mo,V,B)alloys were obtained by vacuum arc re-melting(VAR)and primary annealing heat treatment(HT)of 1260℃/6 h/Furnace cooling(FC).The phase transformation,microstructure evolution and tensile properties for as-cast and HTed alloys were investigated.Results indicate that three main phase transformation points are determined,T_(eut)=1164.3℃,T_(γsolv)=1268.3℃and T_(βtrans)=1382.8℃.There are coarse lamellar colonies(300μm in length)and neighbor reticular B2 andγgrain(3-5μm)in as-cast alloy,while lamellar colonies are markedly refined and multi-oriented(20-50μm)as well as the volume fraction and grain sizes of equiaxedγand B2 phases(about 15μm)significantly increase in as-HTed alloy.Phase transformations involvingα+γ→α+γ+β/B2 and discontinuousγcoarsening contribute to the above characteristics.Borides(1-3μm)act as nucleation sites forβ_(eutectic) and produce massiveβgrains with different orientations,thus effectively refining the lamellar colonies and forming homogeneous multi-phase microstructure.Tensile curves show both the alloys exhibit suitable performance at 800℃.As-cast alloy shows a higher ultimate tensile stress of 647 MPa,while a better total elongation of more than 41%is obtained for as-HTed alloy.The mechanical properties improvement is mainly attributed to fine,multi-oriented lamellar colonies,coordinated deformation of homogeneous multi-phase microstructure and borides within lamellar interface preventing crack propagation.

基于自注意力机制与词汇增强的中文医学命名实体识别

针对中文医学文本实体嵌套导致的单词边界识别困难问题以及现有栅格结构集成词汇特征所面临的语义信息损失严重的情况,提出一种用于中文医学命名实体识别(MNER)的自适应词汇信息增强模型。首先,利用双向长短期记忆(BiLSTM)网络编码字符序列的上下文信息并捕捉较长距离的依赖关系;然后,对字符序列中每个字符的潜在单词信息进行字词对建模,采用自注意力机制实现不同单词之间的内部交互;最后,通过基于双线性注意力机制的词汇适配器将词汇信息集成到文本序列中的每个字符中,有效增强语义信息的同时充分利用单词丰富的边界信息,并抑制相关性低的单词。实验结果表明,所提模型与基于字符的基线模型相比,平均F1值分别提升了1.37~2.38个百分点,并在结合BERT后取得了最优的效果。

大兴安岭地区多年冻土区不同深度土壤碳分布特征

高纬度多年冻土区是对气候变化响应最敏感的区域,多年冻土退化严重影响土壤碳循环过程,揭示不同地表覆盖类型下多年冻土区土壤有机碳的垂直分布规律,对于预测未来多年冻土区土壤碳库变化有重要意义。本研究以大兴安岭高纬度多年冻土区森林、森林沼泽、灌丛沼泽为研究对象,利用钻探法采集土柱(7~8m),对3种不同植被下的土壤碳(有机碳、可溶性有机碳)进行测定,进一步分析土壤碳含量的垂直分布特征。结果表明,随着深度增加,土壤碳含量降低,有机碳含量变化范围为14.55~95.98g/kg(森林沼泽)、17.48~132.93g/kg(森林)、2.58~396.50 g/kg(灌丛沼泽),但在多年冻土层中也存在较高碳含量的情况;活动层土壤有机碳和可溶性有机碳平均含量均表现为:灌丛沼泽>森林>森林沼泽,多年冻土层土壤有机碳和可溶性有机碳平均含量均表现为在森林沼泽>森林>灌丛沼泽;各组分碳在活动层的变异系数表现为30.31%~114.26%,各组分碳在多年冻土层的变异系数表现为30.23%~192.09%;相关分析表明,土壤碳与深度和pH呈负相关,与土壤水分显著正相关。

基于双路先验自适应图神经常微分方程的交通流预测

准确的交通流量预测是智能交通系统不可或缺的组成部分。近年来,图神经网络在交通流预测任务中取得了较好的预测结果。然而,图神经网络的信息传递是不连续的潜在状态传播,且随着网络层数的增加存在过平滑的问题,这限制了模型捕获远距离节点的空间依赖关系的能力。同时,在表示道路网络的空间关系时,现有方法大多仅使用先验知识构建的预定义图或仅使用路网状况构建的自适应图,忽略了两类图结合的方式。针对上述问题,提出了一种基于双路先验自适应图神经常微分方程的交通流预测模型。利用时间卷积网络捕获序列的时间相关性,使用先验自适应图融合模块表示道路网络的空间关系,并通过基于张量乘法的神经常微分方程以连续的方式传播复杂的时空特征。最后,在美国加利福尼亚州4个公开的高速公路流量数据集上进行对比实验,结果表明所提模型的预测效果优于现有的10种对比方法。

微区扫描电化学测试技术原理及其应用进展

微区扫描电化学测试由于其独特的检测手段被广泛运用。本文综述了扫描振动电极技术(SVET)、扫描开尔文探针技术(SKP)、电化学阻抗谱技术(LEIS)、扫描电化学显微技术(SECM)四个微区扫描电化学测试技术的原理。并总结了微区扫描电化学测试技术在腐蚀、生物科学扫描、界面反应和能源方面的发现与应用。微区扫描电化学技术与传统电化学测量技术、扫描电镜技术等相结合,将有助于更深入地理解电化学行为,为材料、生物、能源等领域研究取得新突破提供技术支持。

油气输导体系研究综述

输导体系作为纽带连接着烃源岩和圈闭,对其进行刻画,一方面可以确定油气运移路径,另一方面可以准确定位油气藏的位置,重要性不言而喻。本文在介绍输导体系基础的概念、特征和分类的前提下,还对优势运移通道的确定、输导能力定量判断方法以及所起的控藏作用进行了详细分析。总结了输导体系的研究方法与存在需要解决的问题,研究方法分别从地质分析、物理模拟和数值模拟三方面进行论述,对于未来的发展提出应该使所用参数与所处时期相对应,加强对输导效率的研究,重视三维动态的展示,以及与多个学科联动结合发展。

On the Orthogonal Decomposition of a Flat Symmetric Bilinear Form

ＯｎｔｈｅＯｒｔｈｏｇｏｎａｌＤｅｃｏｍｐｏｓｉｔｉｏｎｏｆａＦｌａｔＳｙｍｍｅｔｒｉｃＢｉｌｉｎｅａｒＦｏｒｍＬｉＴｉａｎｒｕｉ；ＺｅｎｇＹｏｎｇｇｅｎ（ＤｅｐａｒｔｍｅｎｔｏｆＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓ），ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏ...

面向通信成本优化的联邦学习算法

联邦学习是一种能够保护数据隐私的机器学习设置,然而高昂的通信成本和客户端的异质性问题阻碍了联邦学习的规模化落地。针对这两个问题,提出一种面向通信成本优化的联邦学习算法。首先,服务器接收来自客户端的生成模型并生成模拟数据;然后,服务器利用模拟数据训练全局模型并将其发送给客户端,客户端利用全局模型进行微调后得到最终模型。所提算法仅需要客户端与服务器之间的一轮通信,并且利用微调客户端模型来解决客户端异质性问题。在客户端数量为20个时,在MNIST和CIFAR-10这两个数据集上进行了实验。结果表明,所提算法能够在保证准确率的前提下,在MNIST数据集上将通信的数据量减少至联邦平均(FedAvg)算法的1/10,在CIFAR-10数据集上将通信数据量减少至FedAvg算法的1/100。

基于组标签的多标签流特征选择算法

流标签是当前多标签学习领域中一个较新颖的挑战性问题,存在标签空间未定、标签数量不断增加甚至趋于无穷等问题.在多标签学习的特征选择中,每当有新的标签到达时标签空间都将发生改变,传统的多标签特征选择算法需重新进行特征选择,所以不适用.针对此问题,采用将流标签进行分组批量处理的方式,并考虑标签之间的相关性,提出一种新的流式多标签特征选择方法,考虑分组后每组标签内部潜在的关联结构和不同标签组之间的标签差异性,赋予每组标签不同的权重来计算每个特征与标签空间的模糊互信息.同时,结合mRMR(Max-Relevance and Min-Redundancy)的特征选择策略进行冗余特征的剔除,从而挑选最优的特征子集.该方法同时适用于固定标签空间和流式标签空间中的特征选择问题.最后,选取八个多标签基准数据集,采用四种评价指标与已有相关的多标签特征选择方法进行对比实验,实验结果证明了提出方法的有效性和高效性.

中原地区秋大棚豇豆种植风险及管理要点

豇豆含有较多的优质蛋白和不饱和脂肪酸,深受大众喜爱,种植效益高,并连续多年保持稳定。随着专用品种的出现和栽培设施的升级,豇豆种植模式和栽培季节呈现多样化发展趋势。以中原地区为例,生产上有春保护地、春露地、越夏露地以及秋延后保护地等多种栽培模式。

基于模糊粗糙集的无监督动态特征选择算法

动态特征选择算法能够大幅提升处理动态数据的效率,然而目前基于模糊粗糙集的无监督的动态特征选择算法较少。针对上述问题,提出一种特征分批次到达情况下的基于模糊粗糙集的无监督动态特征选择(UDFRFS)算法。首先,通过定义伪三角范数和新的相似关系在已有数据的基础上进行模糊关系值的更新过程,从而减少不必要的运算过程;其次,通过利用已有的特征选择结果,在新的特征到达后,使用依赖度判断原始特征部分是否需要重新计算,以减少冗余的特征选择过程,从而进一步提高特征选择的速度。实验结果表明,UDFRFS相较于静态的基于依赖度的无监督模糊粗糙集特征选择算法,在时间效率方面能够提升90个百分点以上,同时保持较好的分类精度和聚类表现。

面向单调特征选择的改进模糊排序互信息

缺失值、异常值等低质信息的大量存在使得实际应用中单调分类任务通常不满足一致性单调约束。然而,现有的面向单调分类的特征选择算法中用于评估特征相关性的互信息度量准则在处理不一致单调分类任务时不满足特征集合与度量准则之间的单调性限制关系。针对此问题,首先对经典的模糊排序信息熵进行了改进,使之满足单调性限制关系。进一步定义了模糊排序互信息(nFRMI)用于评估特征之间的单调一致性,并证明了该度量准则在一致性和不一致性单调分类任务中均满足单调性约束,此外结合最大相关最小冗余(mRMR)准则提出了两阶段的特征选择算法。算法第一阶段利用nFRMI计算每个特征的特征重要度,然后根据特征重要度得到特征排序;第二阶段采用Wrapper方法选出具有最优分类性能的特征子集。仿真实验从UCI挑选了四个单调分类数据集,并从分类精度指标对所提出的特征选择算法的有效性进行了验证。

一种基于序列到序列时空注意力学习的交通流预测模型

城市交通流预测是研究交通时空序列数据的动态演化并预测未来交通情况的关键技术,对于智能交通预警及管理决策来讲至关重要.但是有效的交通流建模非常具有挑战性,因为它受到很多复杂因素的影响,例如交通网络的时空依赖性和序列突变性等问题.一些研究工作将卷积神经网络(convolutional neural networks, CNN)或循环神经网络(recurrent neural networks, RNN)用于交通流量预测建模.但是,直接使用经典的深度学习模型难以有效捕获与交通流相关的多通道多变量序列数据中的隐含时空依赖性特征.针对上述问题,提出了一种新的序列到序列时空注意力深度学习框架(spatial-temporal attention traffic forecasting, STATF)来处理城市交通流建模任务,它是一种基于卷积LSTM编码层和LSTM解码层,并辅助注意力机制的端到端深度学习模型,可以自适应地学习与城市交通流相关的多通道多变量时空序列数据中的时空依赖性和非线性相关性特征.基于3个真实的交通流数据集实验结果表明:不管是单步预测还是多步预测条件下,STATF模型都具有更优的预测性能.

基于三相四线制最优潮流的低压配电网光伏-储能协同控制

大规模户用光伏不平衡接入低压配电网会造成严重的电压越限、网损和三相不平衡。针对当前户用光伏消纳控制技术对三相四线制低压配电网不适用的问题,提出了一种基于三相四线制最优潮流的低压配电网光伏-储能协同控制方法。考虑电压、电流的幅值和相角,采用三相四线制节点导纳矩阵建立了低压配电网的网络拓扑结构;综合考虑网损和三相不平衡度最小,建立了储能元件有功功率和光伏逆变器无功功率的三相四线制线路多时段协同控制模型;通过复数变量拆分和模型凸化以降低三相四线制模型的求解难度,采用CPLEX算法包求出模型全局最优解。仿真结果表明,所提出的基于最优潮流的控制方法在大规模光伏和负荷不对称接入条件下能够有效抑制电压越限,同时达到降低网损、改善电网三相不平衡的目的。

超网络模型构建及特性分析

关联矩阵是超网络的一种表述形式,节点度、节点超度和超边度是度量超网络的一种方法。从关联矩阵出发对超网络进行研究,重点研究了自相似超网络及随机超网络,并给出了基于矩阵运算的超网络构建方法的若干性质。自相似超网络可通过对一个简单初始超图的关联矩阵进行迭代的Tracy-Singh积运算得到,而随机超网络可通过对多个简单初始超图的关联矩阵进行顺次的Tracy-Singh和运算得到。自相似超网络的分形维数不超过2,且当初始超图是连通的且非二分超图时,自相似超网络的直径不超过初始超图直径的两倍,即同时具有小世界特性。随机超网络的节点度、节点超度和超边度均呈正态分布。仿真实验证实了所构建的超网络的各项特性。

三支决策-基于粗糙集与粒计算研究视角

从三支决策3个历史发展阶段出发,通过粗糙集和粒计算两个研究视角对三支决策的发展踪迹和演化过程进行介绍。分析了三支决策与粗糙集理论的历史脉络、内在联系和相互关系,探讨了决策粗糙集、概率粗糙集、粗糙集和三支决策之间的包含关系;探讨了基于多层次粒计算和多视角粒计算下的三支决策方法;提出了一个基于三支决策的粒计算研究框架模型。最后,给出了三支决策的研究现状和未来发展方向。

三支决策的时空性

从三支决策发展历史和已有研究出发,在总结和分析三支决策近年来理论、方法、算法及应用的基础上,基于时间和空间两个维度,分别提出了时间三支决策模型和空间三支决策模型。时间三支决策注重在动态决策环境下对序贯决策进行诠释;空间三支决策主要基于"多层次"和"多视角"的粒计算思想对最优粒层和粒度进行选择。此外,对三支决策的时空性作了深入探讨和分析,厘清了三支决策发展过程和研究脉络。最后,对三支决策的研究现状进行总结,并给出未来发展方向。

迁移学习在食用油光谱模型转移中的应用

由不同光谱仪器采集的光谱数据建立的模型在共享使用时,会出现模型失效问题,使得模型的利用率低,不利于光谱行业的发展需要。尝试采用迁移学习方法探究在食用油酸值和过氧化值2个指标上的模型转移。实验样本为大豆油、花生油、芝麻油和玉米油共50个食用油样本;实验仪器为VERTEX70傅里叶红外光谱仪和AntarisⅡ傅里叶近红外光谱仪(包含光纤探头和透射探头)。以不同的仪器组合设计了3组实验,采用偏最小二乘法建立近红外光谱定量分析模型,进行了模型转移研究。以第一组实验为例,经过迁移学习后建立的酸值和过氧化值模型的相关系数,由0.068419和-0.371980上升至0.730980和0.819040;校正均方根误差系数由0.358180和0.090110下降至0.192480和0.032720。实验表明,迁移学习可以有效地缓解模型失效问题,提高了模型的泛化能力。该研究可为光谱分析模型的广泛应用提供新的思路。

基于一致性算法的户用光伏逆变器和储能分布式控制策略

高比例户用光伏并网会导致电压越限等严重的电压问题,光伏逆变器无功控制和储能有功控制是低压配电网有效的电压控制手段。针对低压配电网通信条件有限以及逆变器无功功率和储能有功功率协调研究不充分的现状,文中提出了一种基于一致性算法的光伏逆变器和储能两阶段分布式控制策略。首先,通过控制效果-成本系数对设备调节效果和调节经济性进行分析,提出了先调节逆变器无功功率再调节储能有功功率的电压控制架构。其次,在逆变器控制阶段,以无功利用率作为一致性变量,保证了电压调节任务按逆变器容量进行分配;在储能控制阶段,以储能荷电状态作为一致性变量,既考虑了储能的容量,又实现了储能功率和荷电状态的同时控制。仿真结果表明,所提控制方法可以有效抑制电压越限,降低电压控制成本,同时还给出了所提控制策略参数的选取范围。

基于知识库的开放领域问答系统

问答系统能够理解用户问题,并直接返回答案。现有问答系统大多是面向领域的,仅能回答特定领域的问题。文中提出了基于大规模知识库的开放领域问答系统实现方法。该系统首先采用自定义词典分词和CRF模型相结合的方法识别问句中的主体;其次,采用模糊匹配方法将问句中的主体与知识库中实体建立链接;然后,通过相似度计算以及规则匹配等多种方法识别问句中的谓词并与知识库实体的属性建立关联;最后,进行实体消歧和答案获取。该系统平均F-Measure值为0.695 6,表明所提方法在基于知识库的开放领域问答上具有可行性。