“NET三维联动”产教融合外语人才培养中的课程思政实施路径

“NET三维联动”产教融合应用型外语人才培养模式,可通过“课内与课外、学校与企业、校内导师与企业导师”三维联动,将课程思政教育和外语专业实践能力培养从课堂延展到课外活动、社会实践、企业服务,建立网络资源库(Network),向合作企业开展志愿外语翻译服务(Enterprise),校内外双导师(Tutor)共同培养应用型外语人才。

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。

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。

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.

投保人高损失区间存在净损失约束的最优保险设计

在不完全保险情形下,投保人通常期望出险后能够获得保险公司足够的赔偿而将自己的实际损失控制在一定的范围内。为了满足这类投保人的需求,本文引入了投保人的净损失约束,研究在该约束下投保人的最优保险问题。研究表明:如果Arrow模型的解满足该约束,本模型的解与Arrow模型解一致,最优保单是有且仅有一个免赔额的部分保险契约,否则最优保单将存在两个免赔额。投保人效用最优时,本模型在应对高损时所提供的赔付水平始终不低于Arrow模型,而本模型在应对低损时对于IARA(DARA/CARA)型投保人所提供的赔付水平依次要低于(高于/等于)Arrow模型。此外,投保人的期望效用将随着其净损失上限的提高而逐渐增大,直到Arrow模型的解满足该约束时其效用达到最大。

加快发展新质生产力的主要措施与产业政策转型

发展以智能技术为代表的新质生产力,在时间分布上要动态合理地配置传统产业改造、新兴产业壮大、未来产业培育三大任务,尤其要高度重视用智能化新技术对传统产业进行改造升级;在具体策略上要积极推进针对现有产业的“智改数转网联”三大行动,尤其要注重“网联”行动;在治理结构上要大力培育“链主”企业、“专精特新”企业、中小企业三类主体,尤其要聚焦上下游互动与市场化治理,以突破各种创新的瓶颈;在动力机制上要努力增强创新、改革、开放三大引擎的动能,尤其要加大对内开放的力度;在要素结构上要充分展现知识、技术、人才三大要素的市场价值,畅通教育、科技、人才的良性循环。同时,不仅要在理论上澄清一些认识误区,也要对现有产业政策的实施方式进行改革,如从注重产能扩张转向创新支持、从地方主导型转向中央主导型、从挑选“输家赢家”转向创造竞争环境、从补贴生产者转向补贴用户,以防止在实践中出现产能严重过剩等泡沫化现象与问题,最大限度地支持新质生产力发展。

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。

基于UNet3+生成对抗网络的视频异常检测

为解决传统视频异常检测方法在不同场景下多尺度特征提取不完全的问题,提出两种方法:一种是用于简单场景的基于UNet3+的生成对抗网络方法(简称U3P^(2)),另一种是用于复杂场景的基于UNet++的生成对抗网络方法(简称UP^(3))。两种方法分别对连续输入的视频帧生成预测,引入多种损失函数和光流模型学习其外观与运动信息,通过计算AUC进行性能评估。U3P^(2)方法以6.3 M参数量在Ped2数据集的AUC提升约0.6%,而UP^(3)方法在Avenue数据集的AUC提升约0.8%,验证其能够有效应对不同场景下的异常检测任务。

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。

结合坐标注意力与生成式对抗网络的图像超分辨率重建

针对现有生成式对抗网络GAN的图像超分辨率重建模型中存在着特征信息利用不充分、VGG式判别器对局部细节的判断能力较弱以及训练不稳定的问题,提出了一种结合坐标注意力与生成式对抗网络的图像超分辨率重建模型。首先,以嵌有坐标注意力的残差块构建生成器,沿通道和空间2个维度聚合特征,更充分地提取特征。然后,调整Dropout加入网络的方式使其作用于生成器中,提高模型的泛化能力。接着,以U-Net结构构造判别器,输出详细的逐像素反馈,以获取真假图像间的局部差异。最后,在判别器中引入谱归一化正则化,稳定GAN的训练。实验结果表明,当放大因子为4时,在基准测试集Set5和Set14上取得的峰值信噪比平均提高了1.75 dB,结构相似性平均提高了0.038,能够重建出更加清晰且真实的图像,重建图像具有良好的视觉效果。

“三生”空间视角下苏南水网乡村景观生态风险评价——以石头潭片区为例

苏南水网乡村是新型城镇化建设的先行区,然而快速经济建设对“三生”空间景观格局造成较大干扰,引发的景观生态风险变化值得关注。研究以苏州市石头潭片区为例,选取1990、2000、2010、2020年4期土地利用数据,基于景观格局指数构建景观生态风险评价模型,定量分析研究区“三生”空间景观生态风险时空分异特征。结果表明,1)1990-2020年石头潭片区“三生”空间面积变化显著。生态空间面积稳步增加;农业生产空间面积逐年缩减;工业生产空间、城镇生活空间与农村生活空间扩张显著。“三生”空间类型转移以农业生产空间转向城镇生活空间与工业生产空间为主。2)研究区“三生”空间与景观生态风险存在关联性,高风险区主要分布于澄湖等水域生态空间,中风险区主要为沿湖荡分布的农业生产空间与农村生活空间,低风险区多为成片聚集分布的城镇生活空间与工业生产空间。1990-2020年石头潭片区景观生态风险等级不断上升,较高、高风险区面积逐步扩张,面积占比分别上升14.43%、7.50%。3)石头潭片区景观生态风险存在显著空间正相关性;生态风险指数空间分布以高-高与低-低聚集为主,空间分异特征明显。

基于改进VGG16的自编码器视频异常检测算法

在使用自编码器结构的神经网络处理视频异常检测任务时,U-Net风格的自编码器由于编码器层数深度过浅,导致在面对复杂的数据集时,不能充分抽取更多有用的特征信息。同时,在训练模型时使用MSE(均方误差),仅考虑了预测帧与真实帧之间的像素级相似性,对于复杂场景,像素级相似性可能无法准确判断预测帧与真实帧之间的相似性。针对以上问题,对基于U-Net风格的自编码器进行改进,提出了一种使用改进的VGG16作为编码器的视频异常检测算法,同时在均方误差的基础上添加结构相似性(SSIM)损失函数。改进的VGG16去掉了全连接层,并加入了残差连接防止特征退化,添加SSIM在计算像素级相似性的同时计算图像的亮度、对比度和结构等方面的相似性来优化网络。实验结果表明,改进后的算法,在Ped2数据集上检测效果达到95.91%,在Avenue数据集上检测效果达到84.89%,与改进前的方法相比分别提高了0.80%和0.19%,验证了所提方法的有效性。

面向流程制造的数字孪生车间可视化监控系统研究

为了解决流程制造过程监控实时性差、准确性不足的问题,在数字孪生技术迅速发展且与制造业结合愈发紧密的背景下,提出基于生产要素数据、生产工艺流程与多工序设备实体对象的数字孪生车间可视化监控系统架构。从要素、状态、运行逻辑等多个维度对多工序耦合生产线实体对象进行孪生建模,基于OPC UA统一架构的数据采集传输,虚拟车间的实时驱动等关键技术,实现了流程制造设备状态、生产要素工艺全流程三维可视化监控。基于某流程制造企业制丝生产试验线开展了应用验证,为提升流程制造过程中全生产要素的预见性、联动性、自治性提供了方法和实现途径。