“.NET”模式的CAPP系统

本文针对目前CAPP系统存在的问题提出了一种基于互联网的“ .NET”模式的CAPP系统并简单介绍了其主要思想及特点。最后本文还探讨了用组件技术实现工艺表格的定制和编辑的关键技术智能表格的研究和实现。

基于“.Net”技术与三层架构的高校多媒体设备管理系统的设计与实现

介绍了B/S模式的结构特点和三层架构开发技术.通过对高校多媒体设备管理系统的功能需求分析.提出了系统的数据层、业务逻辑层与表示层的规划设计及解决方案,实现了一个基于Net架构的高校多媒体设备管理系统.

高职“.NET”人才培养教学设计

NET平台下的程序开发作为高职院校计算机软件技术专业的一个重要的就业方向,其教学设计已经成为学生学好相关内容的关键。.NET人才培养方向教学设计以就业为导向,融“教、学、做”为一体,强化了学生能力的培养。

基于设计模式的“.Net”数据库访问接口设计

通过对ADO.Net数据访问机制的分析,结合Abstract Factory(抽象工厂)F、actory Method(工厂方法)2种设计模式,阐述了基于“.Net”的数据库访问接口的从分析、设计到实现的开发过程.通过该接口的使用,实现了数据库访问代码的复用,将大大提高应用系统在不同类型数据库间的可移植性.

基于BEPS模型的云南省碳源/汇时空特征及其适用性分析

净初级生产力(NPP)和净生态系统生产力(NEP)是估算陆地生态系统碳源/汇的重要指标,云南为我国碳汇的主要区域之一,开展云南NPP和NEP时空变化特征分析对科学评估陆地生态系统碳源/汇功能,以及开展碳排放交易具有重要意义。基于BEPS模型1981-2019年NPP和NEP产品,采用线性趋势分析、文献对比等方法,研究云南NPP和NEP时空变化特征及其在云南的适用性。结果表明:(1)1981-1999年云南NPP和NEP呈水平波动,2000年后云南NPP和NEP呈明显波动上升趋势,2000-2019年云南NPP高值区域主要分布在西部和南部,而NEP高值区则主要分布在东部和西部局部地区;(2)2000-2019年云南NPP和NEP除西北部部分地区为下降趋势外,其余大部地区为上升趋势;(3)云南NPP峰值出现在7、8月,谷值出现在2月,NEP峰值出现月份与NPP基本相同,但谷值出现月份较NPP滞后1-3个月,6-10月是云南碳汇的主要月份;(4)BEPS模型估算的NPP与目前广泛应用的CASA和遥感模型结果较为一致,时空变化特征与云南生态恢复措施和气候特征吻合,其估算的NEP与陆地生物圈模型(IBIS)模型和中国通量观测研究联盟(ChinaFLUX)碳水通量观测数据较为接近,时空变化大部地区与云南生态恢复措施和气候特征基本吻合,表明BEPS模型在云南具有较好的适用性。

“双碳”目标下的经济社会系统性变革:特征、要求与路径

实现碳达峰碳中和是一场广泛而深刻的经济社会系统性变革,强调单一目标或有限目标调控的研究范式,对碳中和目标下净零碳转型复杂性的理解存在局限性,难以有效反映与应对多重目标、多重约束下社会经济系统性、全局性深刻变革的影响。理解与研判“双碳”目标下经济社会系统性变革的主要特征、具体要求与实现路径,能够提升对“双碳”目标的认识,更好地释放系统性变革带来的红利以及规避所伴随的风险,推动实现“双碳”目标下经济社会的高质量发展,并为全球碳中和理论构建与实践探索作出贡献。

基于YOLOv7的木材缺陷检测模型Wood-Net的研究

为改善利用人工方式识别木材缺陷存在的效率低、人工成本高的问题,同时实现在木材加工过程中使用新兴方式对不同的缺陷进行快速准确检测以提高木材利用率,针对现有的目标检测网络在木材缺陷检测方面存在诸如检测精度低、报错率高以及识别种类少等局限,设计了用于木材缺陷检测的深度学习网络Wood-Net。Wood-Net将注意力机制ECA(efficient channel attention module)引入YOLOv7的主干网络,以便更好地区分木材缺陷之间的细微差别;将ECA与Res2Net结合后形成ECA-Res2Net模块,ECA-Res2Net模块克服了单纯的Res2Net跨通道交流能力不足的问题,增强了网络对更细粒度特征的提取能力;将ECA-Res2Net模块与SPPCSPC(spatial pyramid pooling and channel spatial pyramid convolution)并联形成ResSPPCSPC模块,增加了描述图像本身特征数量的能力,由此构成新方法Wood-Net。本研究将准确度、召回值、mAP@0.5以及mAP@0.5∶mAP@0.95 4个数值作为系统性能的评价指标。利用自建数据集训练Wood-Net,得到试验数据。试验结果表明:Wood-Net模型比基准模型YOLOv7在木材优选上精确率提高了4.52%,mAP@0.5∶mAP@0.95提高了6.62%;比基准模型YOLOv5s在木材优选上精确率提高了6.79%,mAP@0.5∶mAP@0.95提高了5.67%。ECA注意力机制能够有效提升E-ELAN的通道间信息交互能力;Res2Net模块具有很强的细粒度特征提取能力,在网络中引入Res2Net模块后,网络各项性能指标收敛速度快,在Res2Net中加入ECA后能够使单纯的Res2Net考虑多通道特征之间的关系,完成信息融合,提高检测性能。

气候变化和人类活动对云南省植被净初级生产力的影响

深入理解气候变化和人类活动对植被变化的驱动机制对于生态保护和可持续发展有重要的科学意义。本研究基于MOD17A3/NPP产品数据,采用线性趋势分析、Mann-Kendall显著性分析、Hurst指数和二阶偏相关分析,探讨云南省2001-2021年植被NPP的时空分布特征和未来持续性以及植被NPP与气候条件的关系。采用偏导趋势残差法分离和量化气候变化和人类活动对植被NPP的影响。结果发现,空间上,2001-2021年云南植被NPP年均值南高北低。不同植被类型NPP值(单位:gC∙m^(-2))从大到小依次为:林地(1106.7 gC∙m^(-2))、灌木(964.4 gC∙m^(-2))、农田(946.6 gC∙m^(-2))和草地(878.8 gC∙m^(-2))。植被NPP随海拔上升先增后降。(2)在研究时段内,植被NPP年均值为1020.8±30.7 gC∙m^(-2),最小值和最大值分别出现在2010年(950.0)和2019年(1062.1)。植被NPP呈显著增加趋势,增加率为2.1 gC∙m^(-2)∙a^(-1)(p<0.05),增加和显著增加的面积分别占研究区总面积70.0%和26.3%。不同植被类型NPP的增加率(单位:gC∙m^(-2)∙a^(-1))从大到小依次为:草地(4.1 gC∙m^(-2)∙a^(-1))、农田(3.5 gC∙m^(-2)∙a^(-1))、灌木(2.8 gC∙m^(-2)∙a^(-1))和林地(1.3 gC∙m^(-2)∙a^(-1))。Hurst指数均值为0.60,植被NPP未来变化趋势持续增加和由减少转为增加的面积占总面积的55.5%和9.3%,表明大部分地区植被NPP未来仍将持续增加。(3)2001-2021年云南省平均气温显著增加,降水和太阳辐射波动减少。大部分地区植被NPP与气温、降水和太阳辐射正相关,气温对植被NPP的影响大于降水和太阳辐射。(4)气候变化和人类活动对云南植被NPP变化的相对贡献率分别为27.1%和72.9%,正贡献的面积分别占研究区总面积的59.4%和64.6%,相对贡献率>60%的面积占比分别为12.7%和73.4%。大部分地区人类活动对植被NPP的影响大于气候变化。云南植被改善主要受气候变化和人类活动的共同作用的影响,植被退化则主要受人类活动主导和两者共同作用的影响,生态保护、恢复工程对云南植被改善有着显著的促进作用。

基于HCPN的复杂BPMN协作模型数据流建模与验证

为了保证复杂BPMN协作模型的正确性,不仅要涵盖多实例和子进程等复杂元素,还要在检测控制流错误的同时检测数据流错误。但业务流程建模标注(BPMN 2.0)缺乏形式化语义的描述,这对模型正确性的验证造成了阻碍。因此,给出了一种具有弧权重的层次化着色Petri网(HCPN)的定义,它既可以对数据流进行形式化表示,又可以对多实例和子进程结构进行建模。进一步提出了从BPMN协作模型到HCPN模型的形式化映射方法。然后基于HCPN模型的弧权重给出了缺失、丢失和冗余3种数据流错误的定义,并提出了对应的检测算法。最后,设计了一个自动化建模与验证的框架,通过一个案例研究说明了该方法的有效性。

基于遥感指数与深度学习的黄河冰凌遥感监测识别分析

黄河流域特殊的地理位置和环境因素造就了其复杂的凌情特征,及时准确掌握凌汛期间冰凌变化规律与特点是凌汛监测防治的关键任务。卫星遥感可实现黄河冰凌的大范围快速提取,目前常用的方法有遥感指数与深度学习两类,为验证和对比不同方法对黄河冰凌遥感监测识别的有效性,基于Sentinel-2遥感数据,利用归一化积雪指数及其改进形式和U^(2)-Net等三种方法对2023年黄河宁蒙段冰凌进行遥感提取。结果表明:NDSI、MNDSI、U^(2)-Net三种方法的结果分类精度分别为83.42%、87.98%和92.01%;Kappa系数分别为0.88、0.90和0.97;三种方法均对冰凌有较好的提取效果,但指数法对于流凌、清沟等其他类型的识别效果较差,浅滩处提取的边界较为杂乱,U^(2)-Net可以精确区分出清沟,提取冰凌边界的效果更好。

广西甘蔗碳汇测算方法研究及时空格局分析

为了实现广西全区植被减源增汇目标,对广西主要经济作物甘蔗的碳吸收和碳排放量进行科学的测算,并开展甘蔗碳汇时空格局的研究分析;利用广西全区14个地级市2010—2020年甘蔗产量、农资投入等相关统计数据测算广西全区甘蔗净碳汇量,并运用空间自相关分析法分析2005—2020年间广西各市时空分布格局。结果表明:2010—2020年,广西全区甘蔗净碳汇量逐步上升;2005—2020年,广西全区甘蔗碳汇量在地级市尺度下不存在明显的全局空间自相关关系;广西全区甘蔗碳汇量逐步形成以南宁市为核心的局部溢出格局,充分利用南宁市的技术、产业优势扩大甘蔗碳汇的空间溢出效应,对提高广西全区的甘蔗碳汇水平至关重要。

基于改进U-net的少样本煤岩界面图像分割方法

煤岩图像语义分割技术是煤岩界面识别的重要研究方向,现有的语义分割模型通常依赖于大样本数据集进行训练,然而目前已标注的煤岩图像数据样本难以获取,并且缺乏公开数据集。针对以上问题,提出了一种基于改进U-net模型的样本煤岩界面图像分割模型。将裁剪后具有更强特征提取能力且结构上更为简单的VGG16替换U-net的原始骨干特征提取网络,提升对图像信息的特征提取能力并获得更快的训练速度,在U-net网络的跳跃连接和解码器上采样部分引入注意力机制模块,对提取的特征层进行处理,提升模型对煤岩界面图像关键特征的提取能力,提高分割精度。使用迁移学习方法对改进的模型进行预训练,提高模型泛化能力同时避免过拟合,使模型更适用于小样本数据集训练。通过使用自制的煤岩界面数据集对所改进的网络模型性能进行验证,并将该模型与经典Unet、DeepLabv3+、PspNet、HrNet网络模型进行了对比。试验结果表明:在同样使用由125幅煤岩界面图片构建的小样本数据集进行训练的情况下,所提改进模型相较于经典U-net模型在分割精确度和检测效率方面都有显著提升,模型精确度提高了1.84%,平均交并比提高了5.34%,类别平均像素准确率提高了0.48%,检测速度增幅为5.3%。同时,与其他网络模型相比,所提改进模型在小样本煤岩界面图像的语义分割中优势显著,表明所提改进思路的有效性。

基于残差U-Net和自注意力Transformer编码器的磁场预测方法

利用有限元方法对几何结构复杂的电机和变压器进行磁场分析,存在仿真时间长且无法复用的问题。因此,该文提出一种基于残差U-Net和自注意力Transformer编码器的磁场预测方法。首先建立永磁同步电机(PMSM)和非晶合金变压器(AMT)有限元模型,得到深度学习训练所需的数据集;然后将Transformer模块与U-Net模型结合,并引入短残差机制建立ResUnet-Transformer模型,通过预测图像的像素实现磁场预测;最后通过Targeted Dropout算法和动态学习率调整策略对模型进行优化,解决拟合问题并提高预测精度。计算实例证明,ResUnet-Transformer模型在PMSM和AMT数据集上测试集的平均绝对百分比误差(MAPE)均小于1%,且仅需500组样本。该文提出的磁场预测方法能减少实际工况和多工况下精细模拟和拓扑优化的时间和资源消耗,亦是虚拟传感器乃至数字孪生的关键实现方法之一。

基于模糊神经网络的微电网荷储协调智能控制方法

针对传统比例-积分-微分(proportional integral derivative,PID)控制和模型论控制方法难以应对新型电力系统背景下微电网面临的运行场景复杂多变的问题,提出了基于模糊神经网络的微电网荷储协调智能控制方法。首先确定了微电网模糊控制输入及输出变量,以平抑净负荷波动及减少储能充放电频次为目的,将微电网控制经验总结成模糊规则表,采用神经网络深度学习算法修正模糊控制模型的隶属度函数中心、宽度和输出权重来提高模型的自适应能力,从而制定了可调控负荷和储能的功率控制系数;进而针对模糊神经网络控制输出的负荷调控需求量在各可调控负荷间分配的问题,提出了基于灵活性供给指标排序的负荷调控优先级选择方法,最终完成了微电网系统储能单元和可调控负荷控制策略的制定。某典型微电网系统算例仿真结果表明,所提方法制定的各可调控负荷与储能控制策略能在避免储能频繁和过度充放电的同时,在并网状态下有效减弱并网功率对上级电网造成的随机扰动,在孤岛状态下能够有效平抑系统功率波动,提升系统运行稳定性。

基于改进条件生成对抗网络的可控场景生成方法

可再生能源发电具有较强的随机性和波动性,为实现高效可靠的场景建模,提出一种基于改进条件生成对抗网络的可控场景生成方法。提出基于条件生成对抗网络的场景生成框架,结合Transformer的全局注意力机制以及常规卷积和深度可分离卷积的局部泛化机制,设计适用于提取可再生能源发电不同维度特征的网络结构;利用条件生成对抗网络模型建立低维气象特征隐空间和高维可再生能源发电数据之间的映射关系,提出一种可控场景生成方法,并建立随机场景生成、场景约减、极端场景生成和连续日场景生成4种生成策略。基于实际光伏、风电数据和气象数据的仿真结果表明,所提模型与方法能够有效学习可再生能源发电的随机性、时序性、波动性及空间相关性,实现对不同策略下场景的可控生成。

融合注意力和扩张卷积的遥感影像道路信息提取方法

针对高分辨率遥感影像语义分割存在地物边缘分割不连续、道路及背景特征复杂多样导致道路提取分割精度不高的问题,提出了一种融合双通道注意力和扩张卷积的遥感影像道路信息提取语义分割网络(A 2DU-Net)。首先,在特征提取部分引入坐标注意力(coordinate attention,CA)模块,捕捉道路位置、方向和跨通道信息,精确定位道路信息。其次,针对网络对细节特征丢失的敏感问题,在编码器的末端利用不同扩张率的空洞卷积构建多尺度特征融合的空洞空间金字塔池化模块(multi-scale Atrous spatial pyramid pooling module,MASPPM)来获得更大的感受野,提高网络性能。最后,为了避免U-Net中纯跳跃连接在语义上不相似特征的融合,在编码器和解码器的跳跃连接之间增加了双通道注意力机制来实现门控筛选,抑制非目标区域的特征,提高网络的分割精度。实验在公共道路数据集Massachusetts上对网络模型进行测试,OA(准确率)、交并比(IoU)、平均交并比(mIoU)和F1等评价指标分别达到98.07%、64.39%、81.20%和88.67%。与主流方法U-Net和DDUNet进行比较,mIoU分别提升了3.07%、0.22%,IoU分别提升了1.98%、0.52%。实验结果表明,所提出的方法优于所有的比较方法,能够有效提高道路分割的精确度。

模卡砌块组合保温墙体热工性能及其经济性分析

随着超低能耗建筑、近零能耗及零能耗建筑的发展,新型外墙围护结构引起广泛地研究和重视.模卡砌块作为一种新型外墙自保温技术,开始在上海、江苏等国内一些发达地区被试点和应用,但目前暂无相应规范指导,其热工性能及经济性仍缺乏系统性研究.文中以夏热冬冷地区某公共建筑为例,采用DeST能耗模拟软件,建立了传统外保温墙体、模卡砌块组合保温墙体三维分析模型,研究了膨胀聚苯板、岩棉板、聚氨酯板、挤塑聚苯板4种不同类型保温材料及6种不同厚度(30、50、70、90、110、130 mm)下模卡砌块组合保温墙体的热工性能.进一步,采用净现值法,对不同工况下的砌块组合保温墙体进行了经济性分析.研究表明:在相同外墙保温厚度下,聚氨酯板的保温效果最佳;不同保温材料厚度对应的净现值都呈现出先上升后下降的趋势,结合净现值和节能率,其最优厚度分别为70、70、40、60 mm,对应的节能率分别在达到我国建筑节能65%的标准上再降低7.08%、6.81%、5.1%、6.5%.

基于FMCW雷达的人体生命体征信号预测算法

将FMCW雷达检测到的人体生命体征信号,用于预测未来一段时间内人体生命体征信号是否异常,具有明显的应用价值。该方向当前研究主要针对如何进一步降低重构误差、提升生命体征信号的预测精度。为此,本文提出一种自适应变分模态分解-长短期记忆神经网络的生命体征信号预测方法。针对静止状态下的人体,通过雷达采集到的生命体征信号,采用粒子群算法优化变分模态分解VMD的模态分量个数K和惩罚系数α的值,实现自适应选取后用于VMD分解,再将分解后的模态分量进行叠加重构。采用粒子群算法优化长短期记忆网络模型中的网络层数、学习率、正则化系数等3个参数,自适应选取合适的参数组合,将重构后的信号通过优化后的LSTM网络进行预测。实验结果显示本文所提预测方法在10位志愿者的预测结果与原始数据的均方根误差平均值为0.017 188 9,平均绝对误差的平均值为0.007 158,相较于当前其他研究,预测精度上有明显提升。

东北农区农业净碳汇时空分布及驱动因素

农业兼具碳源和碳汇双重属性,是我国实现碳达峰碳中和目标的重要组成部分。从农业碳排放公平性角度出发综合管控农业碳源和碳汇量,明晰农业净碳汇的驱动因素对于实现东北农区农业低碳发展具有重要意义。基于2000—2020年黑龙江省各市域的社会经济及农业生产等数据,本研究通过生态承载模型、经济效率模型和地理探测器对区域农业碳排放公平性特征及净碳汇驱动因素进行探究。结果表明:黑龙江省农业净碳汇总量呈现波动上升趋势,由2000年的1.21×10^(7)t上升至2020年的4.02×10^(7)t。齐齐哈尔、绥化和哈尔滨三市农业净碳汇量较高,三市总和占黑龙江省碳汇量的51%以上。从农业碳排放公平性分区来看,双高区主要向南部和中部的哈尔滨、黑河和绥化等地聚集,双低区逐渐向东部的鸡西、双鸭山和鹤岗等地集中。双低区持续向经济高值区、生态高值区以及双高区发展,但不同市域间差距依旧显著。耕地面积和机械化水平是农业净碳汇空间分异的主导驱动因素。交互探测结果显示耕地面积和机械化水平与其他各因素的交互作用最强,同时净碳汇量受机械化水平和城镇化水平交互作用的影响最大。研究表明,黑龙江省需根据各地区具体情况制定差别化的绿色农业管控措施,以推进东北农区农业可持续发展。

一种道路裂缝检测的变尺度VS-UNet模型

为解决目前现有的图像分割算法存在检测精度低、对裂缝检测缺乏针对性等问题,采用多尺度特征融合方法,提出一种扩展LG Block模块Extend-LG Block,其由多个并行不同膨胀率的空洞卷积组成.通过参数可调节分支数量和空洞卷积膨胀率,从而改变其感受野大小,进而提取和融合不同尺度的裂缝特征.对比在深层使用多尺度特征融合模块的网络以及使用固定尺度结构进行多尺度特征融合的网络的优劣,提出一种变尺度结构的UNet模型VS-UNet,使用多个不同参数的Extend-LG Block替换UNet网络中的基本卷积块.该结构在网络浅层进行多尺度特征融合,多尺度特征融合模块提取的尺度随网络层加深逐渐减少.此结构在加强图像的细节特征提取能力的同时保持原有的抽象特征提取能力,还可避免网络参数的增加.在DeepCrack数据集以及CFD数据集上进行实验验证,结果表明,相较于其他两种结构和方法,提出的变尺度结构的网络在有更高检测精度的同时,在可视化实验对比上对各种大小的裂缝有更好的分割效果.最后与其他图像分割算法进行对比,各项指标与UNet相比均有一定程度提升,证明了网络改进的有效性.研究结果可为进一步提升道路裂缝检测效果提供参考.