胎儿体质量估计对初产妇巨大儿分娩方式及围产结局的临床观察

目的观察胎儿体质量估计对初产妇巨大儿的分娩方式和围产结局的影响。方法选取2022年1月至2023年12月北京市海淀区妇幼保健院分娩的足月单胎初产妇206例,根据估计体质量分为甲组(估计胎儿体质量<4000 g,118例)和乙组(估计胎儿体质量≥4000 g,88例)。比较两组产妇及新生儿的分娩方式和分娩结局等。结果206例初产妇年龄21~39岁,平均(30.6±3.4)岁。与乙组相比,甲组阴道分娩比例较高(61.9%比40.9%)、剖宫产比例较低(32.2%比56.8%),两组分娩方式的差异有统计学意义(P<0.05)。甲组试产率明显高于乙组(90.7%比59.1%),差异有统计学意义(P<0.05)。甲组产后出血量(容积法)和校正产后出血量均高于乙组[350(300,500)ml比300(300,380)ml,440(230,720)ml比360(160,560)ml],差异有统计学意义(P<0.05)。两组胎儿窘迫、肩难产、新生儿窒息比例的差异无统计学意义(P>0.05)。结论低估胎儿体质量可增加初产妇巨大儿试产率及阴道分娩率,也增加了产后出血量,但并未增加胎儿窘迫、肩难产、新生儿窒息等分娩并发症。建议胎儿估计体质量<4500 g且有阴道分娩意愿的产妇,应该在充分告知的情况下,增加试产机会。

基于相位质量融合估计与信息滤波的相位解缠方法

L波段差分干涉SAR卫星(陆探一号,LT-1)是我国首个L频段全极化民用SAR卫星星座,该组卫星将长期服务于自然资源监测监管,DEM生产是其主要任务之一。众所周知,相位解缠是影响DEM反演精度的关键因素之一,然而,高噪声及大梯度变化区域解缠结果精度低一直是相位解缠的瓶颈难题。对此,本文提出了一种相位质量融合估计策略引导的迭代信息滤波与解缠方法。首先,对干涉图像素的相干性、相位梯度、噪声分量和干涉条纹边缘进行估计与拟合,进而指导解缠路径布设,提高相位解缠结果的准确性;然后,采用中心差分信息滤波器实现解缠相位的准实时状态估计,进而提高解缠方法的稳健性;最后,通过TerraSAR-X/TanDEM-X双星及LT-1A/B双星SAR数据进行试验验证。结果表明,本文方法精度较统计费用流算法提高了约65.3%;较无迹信息滤波解缠算法提高了约13.6%。此外,试验结果不仅验证了本文方法的有效性,而且证明LT-1双星系统可达到高精度地形重建的预期效果,能为我国后续多云多雨区的DEM产品生产提供高精度的数据源。

联合图像最优特征提取及改进RBF神经网络的苹果质量估计

目的:以阿克苏苹果为例,设计一种联合图像最优特征提取和改进RBF神经网络学习的苹果质量估计方法,以克服人工分级称重成本高、误差大的缺陷。方法:首先,建立苹果图像采集系统,得到苹果前景图像信息;其次,设计苹果图像特征集合最佳子集提取策略,将最佳子集提取过程转化为目标函数优化问题,并利用改进的离散蝗虫优化算法进行求解,从而得到最佳苹果图像特征子集;最后,构建基于RBF神经网络学习的苹果质量估计模型,将最佳特征子集作为网络输入,并采用蝗虫优化算法优化配置RBF神经网络超参数,从而实现对苹果质量的有效估计。结果:所提苹果质量估计方法精度更高,质量估计值平均相对误差率为1.23%。结论:该方法可以有效实现苹果质量预估,也能够推广应用到其他类似轴对称形状的水果质量估计。

基于云端地图的智能网联商用车质量估计算法研究

整车质量是车辆动力学参数中的一个关键状态量。在辅助驾驶系统中,整车质量的准确估计对规划控制算法至关重要。传统的质量估计算法在同时估计车辆质量与道路坡度时面临挑战,尤其是坡度估计的误差可能严重影响质量估计的准确性。当前,云控平台提供了高精度的道路地图信息,为进一步优化质量估计算法提供了全新的思路。本研究基于云控平台的车云协同框架,设计了云控系统下的商用车质量估计系统架构。进而基于扩展卡尔曼滤波理论,并结合云端的道路地图信息,开发了商用车质量估计算法。通过将道路坡度视为已知参数而非变化的状态量对整车质量进行估计,并利用实车试验采集到的行驶数据进行了算法对比验证。试验结果表明,基于云端坡度信息的质量估计算法,在空载与满载工况下均能实现快速收敛,估计质量的绝对百分比误差在3%以内,相较于传统的同步估计车辆质量与道路坡度的算法,能够更快且更准确地收敛到车辆真实质量附近。

基于纵-横向动力学耦合的整车质量与道路坡度估计

针对汽车行驶过程中存在侧向分力时应用纵向动力学模型进行整车质量与道路坡度估计存在偏差的问题,提出了基于纵-横向动力学耦合的质量估计模型和坡度估计算法。通过分析加速阶段对质量估计的影响,设定质量估计触发条件,并使用带遗忘因子的递推最小二乘法对整车质量进行估计,融合运动学卡尔曼滤波算法与动力学扩展卡尔曼滤波算法对道路坡度进行联合估计。通过Simulink-CarSim联合仿真与实车试验对算法进行验证,结果表明,基于纵-横向动力学的质量估计算法误差为0.82%,融合坡度估计算法误差在3%以内,验证了该算法具有较好的准确性与实时性。

双遗忘因子最小二乘法车辆质量和时变坡度估计

针对双遗忘因子最小二乘法由于数据饱和导致车辆变质量估计失效,在坡道起步时导致坡度估计性能下降的问题,提出一种改进算法。建立了车辆行驶时的纵向动力学数学模型,并根据最小二乘递推估计理论得到双遗忘因子最小二乘递推估计模型;针对原始算法的变质量估计问题,通过引入车速作为车辆停车的判断参数,并在停车后重新初始化协方差矩阵来消除数据饱和的影响;采用AVL CRUISE与Matlab/Simulink联合仿真对识别算法进行了验证。仿真对比分析表明,有效地验证了改进算法的合理性和可靠性,提高了算法在车辆质量和坡度估计时的收敛速度和精度。

基于视觉的夜间细颗粒物浓度估计

基于视觉的细颗粒物浓度(PM_(2.5))估计技术依据成像时悬浮细颗粒物对光线散射和吸收的整体影响来评估其浓度。这类技术具备良好的普适性,可实时检测广阔区域。已有研究依赖大气光均匀且充足的日间场景,无法适用于缺乏大气光且光照不均匀的夜间场景。本文提出首个基于视觉的夜间PM_(2.5)浓度估计方法,通过图像处理捕获人造光源在不同散射方向的光强分布,并以此特征拟合浓度值。该方法创新地将人造光源及周边光晕区域视为夜晚雾霾信息的主要来源。由于夜间自然光照强度相对人造光源较低,其主导的区域往往趋于漆黑,导致日间雾霾信息的主要来源(自然光照下像素颜色随着景深增加而逐渐接近“大气光/天空”颜色)在夜间的作用相比光源处要小很多。该方法明显优于日间PM_(2.5)估计方法,平均误差(MAE)为6.187μg/m^(3),决定系数(R^(2))为0.857,对比最新的端到端的神经网络方法在MAE和R^(2)上分别有20.69%、13.36%的相对提升。

融合无监督质量估计指标的译文质量估计方法

质量估计的目的是在没有参考译文的情况下衡量翻译内容的质量,这对于需要高质量翻译任务中的机器翻译系统至关重要.针对有监督的翻译质量估计中普遍存在的缺乏标记训练数据和模型框架中两阶段学习目标差异的问题,以及无监督的质量估计中存在的因为任务目标模糊、特征学习不完全而导致最终结果远不如有监督模型的问题,本文提出了将无监督质量估计中的估计指标当作特征融入有监督的质量估计模型中的方法,以此来互相弥补两种模型之间存在的缺点.在WMT2020的高资源对和低资源对上的实验结果证实,相对于基线的有监督和无监督模型,两者结合的方法能够更好的提高翻译质量估计的准确性,与人工评分的皮尔逊相关系数都有所提升.

基于RLS重型商用车驾驶室质量估计方法研究

为了实时获取商用车驾驶室悬置系统主动控制的重要参数,本文以某国产重型商用车作为研究对象,对重型商用车驾驶室质量估计方法进行研究。提出一种通过车架和驾驶室2组加速度信号,实时估计驾驶室质量的方法,在Matlab/Simulink环境下,对商用车驾驶室建立三自由度1/4驾驶室激励模型,基于递推最小二乘算法(recursive least squares,RLS)估计质量,并用C级路面仿真验证其正确性,同时,为验证质量估计算法的可行性与准确性,采用Matlab/Simulink进行仿真和实车试验。试验结果表明,在仿真状态下,本文所估计的驾驶室质量,在0.5 s内可迅速趋于参考值,能够准确、实时的估计驾驶室质量,估计误差集中在±20 kg范围内;在车辆起步工况下,最大误差为25.9%,但是随着车辆的平稳运行,误差稳定在10%以内,具有较好的收敛性。该研究为商用车驾驶室质量估计提出了新方法。

基于最小二乘法的商用车整车质量估计研究

整车质量对换挡决策与换挡性能方面有着重要影响。针对商用车整车质量变化较大的特性,基于车辆纵向动力学特性和递归最小二乘法对整车质量进行估计研究。基于MATLAB建立整车质量估计算法,利用TCU自带的坡度信号增加整车质量估计的准确性。经过整车试验,验证该算法的有效性。

考虑实时质量的公交车预测能量管理策略研究

现有关于混合动力公交车能量管理策略的研究多基于固定质量,无法体现车辆实际行驶过程中整车载荷变化,因此提出一种考虑车辆实时质量变化的预测能量管理策略。利用混合动力公交车整车模型和基于规则的能量管理策略,探究车辆质量变化对公交车行驶能耗的影响。提出基于强跟踪扩展卡尔曼滤波(STEKF)算法的车辆质量估计方法,仿真发现该算法估计结果相对误差控制在3%以内,具有较高的估计精度及较快的收敛速度。基于长短期记忆网络(LSTM)预测的车辆未来工况信息和STEKF模型所获得的质量信息,提出一种基于DP-MPC的混合动力公交车分层预测能量管理策略,通过仿真发现,相较于基于规则的能量管理策略,所提出的控制策略节油效果提高14.85%,显著提升整车燃油经济性,对未来车辆的精细化管理具有重要的现实意义。

融合人脸图像深度和外观特征的BMI估计方法

身体质量指数(BMI)是人类健康重要指标。从2D正脸图像中估计3D人脸信息并提出一个端到端BMI估计框架,以进一步提高BMI估计性能。首先,计算人脸468个3D关键点,并根据关键点相对头部质心的深度绘制深度人脸图;其次,提取人脸图像的方向梯度直方图(HOG)并可视化以表示外观特征;最后,利用卷积神经网络(CNN)VGGNet、ResNet分别对深度人脸图和HOG进行特征提取,并使用Hadamard积融合2个骨干网络的特征以估计BMI。与目前已有方法的对比实验中,本文提出方法在2个公开数据集上的整体平均绝对误差(MAE)分别比最优结果低0.38和1。上述实验结果证明了本文提出的融合3D人脸图像深度和外观特征的BMI估计方法的有效性。

基于小波包的松动件质量估计方法

小波包由于其多尺度特点,具有良好的局部特性,为此将基于小波包提取的冲击信号的特征值应用于松动件质量估计。通过小波包分解获取各频段小波包系数,计算各频段小波包系数的能量谱,并进行归一化,得到特征值矢量;以此特征值矢量作为输入参数,松动件质量作为输出参数,应用支持向量机(Support vector machine,SVM)实现松动件质量估计。应用平板试验台对所提方法进行对比试验验证,分析表明所提方法对不同质量的松动件都具有较好的质量估计效果,且性能稳定。

突发性链路感知的自适应链路质量估计方法

提出了一种无线传感器网络中突发性链路感知的自适应链路质量估计方法 EasiLQE。节点周期性地发送控制分组,采用长周期主动探测机制探测链路的质量;同时,节点被动侦听接收到分组的RSSI均值,当低于某一阈值时,触发短周期链路质量探测过程。最后节点使用基于误差的滤波器估计链路在未来一段时间内的质量。实验结果表明,EasiLQE既能实时准确地感知突发性链路在短时间内的持续变化,又能平滑短暂的低幅度波动而保持良好的稳定性,同时维持较低的估计开销。

油品质量估计中的统计分析方法

提出将统计分析技术用于油品质量估计。石油炼制过程中的油品质量是难于在线测量的参数。作者提出通过实际生产过程历史数据的统计分析，揭示油品质量与过程参数的内在联系，寻找它们之间的量值关系，建立质量指标的估计模型，进而实现从易于测量的过程参数，在线估计油品质量的方法。文章介绍了在本项研究中采用的过程数据统计压缩；变化信息的统计提取；主元素分析；部分最小二乘回归技术。研究结果表明：统计分析是揭示数据空间的内在结构，提取数据中隐含信息的有效工具。经统计分析处理后的数据能比较准确地说明实际生产过程参数间的相互关系，为提高质量的估计精度。

基于机器视觉的梭子蟹质量估计方法研究

传统梭子蟹养殖定期质量估计的方法是捕捞部分梭子蟹进行称重,会对其造成物理和应激伤害,且检测过程中受到人为因素干扰,因此利用机器视觉技术对梭子蟹的质量进行估计.通过摄像头拍摄不同生长阶段的梭子蟹图像,对图像进行模板校正及图像分割,提取梭子蟹面积特征参数.利用最小二乘法对面积和质量进行拟合,其中二次多项式相关性最好可达到0.9220,测试平均相对误差6.40%,证明该方法可以满足梭子蟹质量估计的要求.

服务组合的质量估计模型

分析了目前服务组合的研究现状和存在的问题,从准确性和实用性的角度提出了一个新的服务质量模型,包括服务时间、服务代价、可靠性、可维护性和满意度等5个服务质量标准,并研究了该服务质量模型的计算方法.在服务质量模型的基础上,重点研究了服务组合的质量估计问题,提出了一种服务组合质量估计的数学模型,分析了该模型的特点及相关工作,并用仿真实验验证了该模型的有效性.

分馏塔产品质量估计MIMO软测量

针对加氢裂化分馏塔多个产品的质量指标需同时预报的一类ＭＩＭＯ软测量建模问题，研究了适用于ＭＩＭＯ软测量建模的一种改进的ＰＬＳ算法。通过采用实际过程数据进行建模，指出该算法具有所需训练数据少、允许数据相关、算法收敛快等优点，是处理多变量系统软测量建模的一种有效方法。

基于车辆动力学的道路坡度与整车质量估计

基于动力学方法估计自动变速器坡道换挡控制所需的道路坡度和整车质量。建立7速双离合自动变速器动力学模型,利用卡尔曼滤波算法估计变速器输出轴转矩,将其作为道路坡度和整车质量估计算法的输入。基于整车纵向动力学方程,采用改进型递推最小二乘法设计道路坡度和整车质量实时估计算法。仿真和实车试验结果表明,开发的估计算法能在不增加传感器的前提下实现较为准确的道路坡度和整车质量估计。

基于神经网络特征的句子级别译文质量估计

机器翻译质量估计是自然语言处理中的一个重要任务,与传统的机器翻译自动评价方法不同,译文质量估计方法评估机器译文的质量不使用人工参考译文.针对目前句子级别机器译文质量估计特征提取严重依赖语言学分析导致泛化能力不足,并且制约着后续支持向量回归算法的性能,提出了利用深度学习中上下文单词预测模型和矩阵分解模型提取句子向量特征,并将其与递归神经网络语言模型特征相结合来提高译文质量自动估计与人工评价的相关性.在WMT15和WMT16译文质量估计子任务数据集上的实验结果表明:利用上下文单词预测模型提取句子向量特征的方法性能统计一致地优于传统的QuEst方法和连续空间语言模型句子向量特征提取方法,这揭示了提出的特征提取方法不仅不需要语言学分析,而且显著地提高了译文质量估计的效果.