基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测

为了对反映回转支承性能退化状况的健康指标进行准确预测,提出了一种基于改进时间卷积网络(temporal convolution network,TCN)的退化趋势预测模型——密集时间卷积网络(densely temporal convolution network,DTCN)。该模型借鉴Dense-Net网络中的Dense-block模块对网络结构进行改进,以解决时间卷积网络在训练中损失函数下降缓慢,以及网络不易收敛、收敛效果差的问题;使用回转支承全寿命试验数据,借助卷积自编码网络(convolutional auto-encoders,CAE)与隐马尔可夫模型(hidden Markov model,HMM)建立健康指标,验证该改进算法的有效性;将DTCN与其他序列预测模型如长短时记忆网络(long short-term memory,LSTM)、门控循环单元网络(gated recurrent unit,GRU)等对比。结果表明,该模型在预测效果上具有优越性,能够更准确地预测健康指标的变化情况,可用于回转支承的退化趋势预测任务。

基于直接时间研究-密集抽样法的肿瘤日间病房护理人力资源配置研究

目的为明确肿瘤日间病房护理人员配置的详细需求,探究人力资源分配策略。方法采用直接时间研究-密集抽样法于2023年7月24日至30日对南京大学医学院附属鼓楼医院肿瘤科日间病房的护理工作量进行检测,制定日间工作量评估表格,培训观察员,考核护理项目时长,确定病房所需的护士数量及配备比例。结果护理项目共计52种分布在肿瘤日间病房中,其中,直接护理项目34个、间接护理项目18个,根据计算,肿瘤日间病房的护士需求量为11人,患者与护士配置比例为1∶0.2。结论该研究初步计算出肿瘤日间病房恰当的护士人员配比,为护理管理和人力资源分配提供了客观依据。

混合模糊信息粒化和时间序列密集编码器的锂离子电池剩余寿命区间预测方法

锂离子电池的剩余使用寿命(remaining useful life,RUL)是电池健康状态的关键指标,对其进行预测具有重要的现实意义。该工作将模糊信息粒化(fuzzy information granulation,FIG)技术与时间序列密集编码器模型(timeseries dense encoder,TiDE)相结合,提出了一种对锂离子电池的RUL进行区间预测的模型。首先将锂离子电池容量退化时间序列通过FIG技术转化为粒子序列信息,以此得到模糊信息粒子的上下界序列。其次,分别对上下界序列使用TiDE模型进行训练预测,从而得到区间预测的结果。实验结果表明,与基于支持向量回归(support vector regression,SVR)和长短期记忆网络(long short term memory network,LSTM)的区间预测模型以及不使用狐狸优化算法(fox-inspired optimization algorithm,FOA)优化的TiDE模型相比,该工作提出的基于FIG技术结合TiDE模型与FOA的区间预测方法在锂离子电池RUL预测性能上具有更高的可靠性。

密集烘烤转火时间对烤烟中性致香物质和评吸质量的影响

对中烟100烟叶进行了不同转火时间(正常转火、推迟转火6 h、推迟转火12 h)的密集烘烤试验。结果表明,上部叶的中性致香物质总量、新植二烯含量分别以推迟转火6 h、12 h处理为最高,中部叶的两者含量均以推迟转火6 h处理为最高;上部叶的类胡萝卜素降解产物总量、芳香族氨基酸类降解产物、美拉德反应产物和西柏烷类降解产物含量均以推迟转火6 h处理为最高,中部叶的上述4项指标,除美拉德反应产物总量以推迟转火12 h处理为最高外,其余均以正常转火处理为最高。中、上部叶类胡萝卜素降解产物3-羟基-β-二氢大马酮含量均以推迟转火6 h处理为最高,其余处理条件下以痕量存在。中部叶美拉德反应产物3,4-二甲-基2,5-呋喃二酮含量以推迟转火12 h处理为最高,上部叶则以推迟转火6 h处理为最高。上、中部叶推迟转火6 h和12 h的处理,总体评吸质量均比正常转火处理高。

高校突发事件中密集学生群恐慌特征及风险研究

随着我国高等教育政策的调整,各个高校招收学生的数量明显增加。由于学校的教学设施和生活设施的改善速度不能满足目前学生增长的速度,在各个高等学校的教学大楼、实验大楼、公寓大楼和其他学习生活密集区域内都构成了密集学生群。如遇突发事件(爆炸、火灾、恐怖)需要紧急疏散时,学生极易互相拥挤,互相践踏跌倒,发生重大伤亡事故。本文对密集学生群、当代大学生心理特征状态(紧张、焦虑、忧郁、沮丧、愤怒、敌意、有力、好动、疲劳、惰性、困惑、迷茫、不安、恐慌等)以及行为特征状态(吸引、参与、倾向、凑兴、印象、效应、压力、逆反、好奇、兴趣、刺激、恐慌等)进行了分析,并对某高等学校教学大楼中密集学生群、密集时间、密集区域及恐慌特征进行了实际统计研究。在分析密集学生群风险的基础上,建立密集学生群风险模型,对某高校教学大楼密集学生群的风险进行了实例计算,提出了合理可行的对策措施,同时为各个高校制定突发事件(爆炸、火灾、恐怖)应急救援预案提供了科学依据。

随机采样移动轨迹时空热点区域发现及模式挖掘

针对随机采样条件下移动轨迹在时间轴分布疏密不均的特点,在将三维时空轨迹转换为一维时间投影数据的基础上,提出一种基于密集时间区间自动检测的时空热点区域发现与移动模式挖掘方法。通过自底向上的动态聚类方式以探测密集时间区间,进而在密集时间区间内进行移动轨迹的时空热点区域发现。最后,采用深度优先的序列模式挖掘算法挖掘频繁移动模式集合。基于合成数据的仿真试验,验证了算法在有效性及可扩展性方面均具有较好的性能。

中国-东盟自贸区进口通关时间的贸易效应及比较研究——基于不同时间密集型农产品的实证

本文以2006-2012年中国-东盟8个国家的24种时间密集型和31种非时间密集型农产品的4900个贸易数据为对象,实证检验并比较了进口通关时间的贸易效应。总体上,进口国进口通关时间对农产品产生了显著的负面贸易效应。进口通关时间每延长10%可导致自贸区内农产品贸易额下降5.68%,即使剔出新加坡贸易数据的稳健性检验显示这一负面影响仍达到4.25%,且进口通关时间对时间密集型农产品负面贸易效应显著高于非时间密集型农产品4.5%-6.2%左右,同时进口通关时间接近的国家农产品年贸易额亦更大。论文的政策蕴意在于,后自贸区时代,在互利共赢的基础上,以降低通关时间作为贸易便利化的突破口,通关时间的降低和同步化可以实现对中国-东盟关税削减的制度红利式微的有效替代。

A long-term-based handover decision algorithm for dense macro-femto coexistence networks

For the dense macro-femto coexistence networks scenario, a long-term-based handover（LTBH） algorithm is proposed. The handover decision algorithm is jointly determined by the angle of handover（AHO） and the time-tostay（TTS） to reduce the unnecessary handover numbers.First, the proposed AHO parameter is used to decrease the computation complexity in multiple candidate base stations（CBSs） scenario. Then, two types of TTS parameters are given for the fixed base stations and mobile base stations to make handover decisions among multiple CBSs. The simulation results show that the proposed LTBH algorithm can not only maintain the required transmission rate of users, but also effectively reduce the unnecessary numbers of handover in the dense macro-femto networks with the coexisting mobile BSs.

遥感地表温度产品时空融合方法研究综述

受传感器性能的制约,利用单一卫星热红外遥感数据反演到的地表温度产品难以兼顾时间分辨率和空间分辨率,而时空融合技术能够发挥多传感器互补的优势,获得时间密集度高、空间细节丰富的地表温度产品,从而在算法层面上解决这一矛盾。随着时空融合研究的深入,地表温度开始显露出与其他产品有着明显区别的融合特性,而内在机理和应用潜力都有待被整理和挖掘。本文就立足于地表温度与时空融合的交叠区,对两者结合而生的研究成果进行收集、分析和总结,系统地概述了该领域的研究背景、原理、方法和应用,并重点突出与泛在时空融合技术的之间的联系与区别;最后,基于地表温度数据的特点和时空融合的局限性,总结了该领域所面临的主要挑战,并对可行的解决方法和发展方向进行了展望。