城市街区单元绿地空间格局与植物群落碳汇效益优化研究

【目的】目前城市绿地已经进入存量发展阶段,如何在城市有限绿地空间条件下实现“碳中和”目标,合理布局低碳绿地空间格局,科学配置植物群落以增加生物多样性,成为目前城市绿地碳汇效益研究的重点和难点。【方法】以西安市碑林区和沣西新城的城市绿地空间格局为研究对象,对研究区域内街区单元的绿地空间格局进行分析并分类,探索街区单元绿地空间格局与碳汇量化关系,并从平面布局和垂直结构两方面提出城市街区单元绿地碳汇效益的优化方法,并选取碳储量最低的单核心辐射型街区单元的3个绿地样方进行碳汇效益优化设计。【结果】总结出4种西安市典型城市街区单元绿地空间格局模式,明晰了碳储量分布特征以及绿地空间格局对碳储量的影响机制,提出了城市街区单元绿地空间格局碳汇效益优化方法,发现碳储量与斑块类型面积(CA)、景观形状指数(LSI)呈极显著正相关关系,与聚集度(AI)呈极显著负相关关系。各类绿地空间格局碳储量大小为多核心辐射型>散点分布型或廊道穿越型>单核心辐射型,建议在单核心辐射型街区单元优化中增加植物群落层次结构,并增加高固碳植物种类及数量,提升样方内年固碳量。【结论】从中观尺度讨论街区单元绿地空间格局与植物群落碳汇效益之间的关系,使城市中小尺度绿地发挥应有的生态系统服务功能,探索街区单元绿地空间格局的构成要素与设计方法,为低碳绿地设计提供参考,提升城市街区单元内社区生活圈的人居环境质量。

基于可爆性分区方法的露天矿炸药单耗预测模型

露天矿山爆破作业要求矿岩爆破块度均匀,对岩体可爆性进行评价与应用是优化爆破设计、改善爆破效果的重要依据。在总结分析岩体可爆性主要影响因素的基础上,对司家营铁矿15个爆区矿岩物理力学参数和节理裂隙参数进行了聚类分析和相关分析。结果表明:可以采用抗拉强度、岩石密度、岩体完整性系数和平均节理间距4个指标对岩体可爆性进行评价;同时用蚁群算法优化BP神经网络对评价指标进行赋权,提出了基于加权聚类分析的露天矿岩体可爆性分区方法;然后结合钻孔信息与地质模型,使用距离幂次反比法插值得到矿岩可爆性分区块体模型;利用多元回归分析方法,建立了基于可爆性分区指标的炸药单耗预测数学模型,可为后续类似工况爆区矿岩爆破设计提供参考,对优化爆破设计工作具有指导意义。

基于CBAM-CGRU-SVM的Android恶意软件检测方法

随着Android恶意软件的种类和数量不断增多,检测恶意软件以保护系统安全和用户隐私变得越来越重要。针对传统的恶意软件检测模型分类准确率较低的问题,提出一种基于卷积神经网络(CNN)、门控循环单元(GRU)和支持向量机(SVM)的模型CBAM-CGRU-SVM。首先,在CNN中添加卷积块注意力模块(CBAM)以学习更多恶意软件的关键特征;其次,利用GRU进一步提取特征;最后,为了解决图像分类时模型泛化能力不足的问题,使用SVM代替softmax激活函数作为模型的分类函数。实验使用了Malimg公开数据集,该数据集将恶意软件数据图像化作为模型输入。实验结果表明,CBAM-CGRU-SVM模型分类准确率达到94.73%,能够更有效地对恶意软件家族进行分类。

ZJ116卷接机组可快速更换接装纸规格的胶前导纸块设计

【目的】提高ZJ116卷接机组更换接装纸规格时的作业效率。【方法】通过对胶前导纸块的结构原理进行分析,采用仿真方法对胶前导纸块进行了重新设计。【结果】以3台ZJ116卷接机组为对象进行测试,结果表明,新研制的胶前导纸块可实现一次性成功更换接装纸规格,接装纸导纸块的更换调整时间从59.67min减少到2.15min。【结论】该胶前导纸块的设计,支持更多接装纸规格,实现了更换接装纸规格无需更换导纸块,提高了效率,为国产卷接机组烟支牌号、规格的快速更换提供了新的思路。

城市治理中条块网络化重塑的底层逻辑、识别机理与典型实践

作为行政体系中的基本单元,“条条”和“块块”协调有序的关系是形成社会治理共同体的前提和基础。近年来以优化条块主体协作配合关系为重点的城市治理改革实践不断推进,如何科学认识城市治理中条块改革的底层逻辑并总结其过程特征,对中国城市治理的发展有着重要现实意义。既有研究往往假定治理主体皆是网络结点,而治理行动都是网络化互动,忽视了网络发展的门槛条件和动态演化特征,难以有效提取城市治理结构变迁的理论逻辑与关键经验。本文回归“网络”的概念本质,提出网络“结点化—纽带化—结构化”的三个基本维度,构建了城市治理中条块交互网络化的识别机理,并基于C市J区“街部双向回应”的创新实践进行单案例研究。研究发现,目前条块关系的网络化发展趋势是适应城市治理内外部需求的理性选择,街道(块)与部门(条)在发展成为对等均衡的网络结点过程中,基于信息、执行、协调和监督等关系的建立与强化形成多重嵌入的网络纽带,并逐步转向相对稳定的领导型网络结构,进而在促进条块交互网络化成长的同时,也不断提高治理效能。

沿空留巷工艺配套成套支护装备技术

介绍了沿空留巷工艺行业发展现状和趋势,根据现有沿空留巷配套支护装备存在支护效果不理想、效率低、安全性差的问题,研制了采空区挡矸支架组、后伸缩端头支架、循环交替支护成套装备。阐述了成套支护装备的总体结构、主要特点、运行方式、巷道中的布置方式以及使用效果。

基于地震属性优选技术的煤层气开发单元划分

为了进一步提高煤层气井开发效果,提取了目标煤层的多种地震属性,同时建立了已开发井产量分布样本;在此基础上,通过对所有地震属性与产量样本拟合分析,利用指标权重法计算,相干和均方根振幅2种地震属性对产量影响的累积贡献率达到85%以上,因此优选了相干和均方根振幅2种地震属性;通过2种属性与产量的拟合相关系数,建立了综合属性预测公式,划分了有利开发单元,使得预测结果与已开发井产量的相关性得到加强。结果表明:通过开发井资料与地震属性优选技术,可准确的划分开发单元。

Block Bootstrap方法在季节时间序列单位根检验中的应用

传统的参数类检验方法存在参数极限分布非标准、参数解析式推导烦琐、差分平稳后序列均值难估计等问题。为了避免上述问题,文章改进季节时间序列单位根检验方法,首先基于非参数Block Bootstrap方法提出BB-HEGY检验统计量,并给出临界值;其次,通过比较BB-HEGY统计量和传统的HEGY统计量的有限样本性质,发现BB-HEGY统计量具有更好功效和检验水平,尤其在季节频率上有更明显的优势;最后,通过对中国宏观经济指标的实证检验,进一步证明BB-HEGY检验统计量的优越性。

异形双曲面楼承板节点构造及施工方法

为解决异形双曲面钢筋桁架组合楼板施工的难题,对某工程异形双曲面楼承板施工过程中的几种技术措施进行分析和总结,形成较为完整的施工工艺。总结的单元化、以直代曲等技术可为滑雪场、商业楼等异形双曲面钢筋桁架组合楼板施工提供借鉴。

基于CBAM-GRU的通信信号自动调制识别

本文研究了一种基于卷积注意力机制模块(CBAM)与门控循环单元网络(GRU)结合的CBAM-GRU分类模型,用于非合作通信系统中的自动调制识别技术。将信号预处理后的时域幅度值、相位值以及I/Q值合并,转换为输入采样值矩阵,进入网络进行信号分类识别。使用无线电数据集RadioML2016.10a进行仿真实验,并将CBAM-GRU模型与卷积神经网络(CNN)、长短期记忆网络(LSTM)、GRU、卷积长短时深度神经网络(CLDNN)进行比较。实验结果表明:CBAM-GRU模型的分类识别率达到92.79%,相较于对比模型分别提高了8.52%、1.84%、1.75%、8.61%,比传统的CNN或LSTM模型,在处理信号时能够更有效地捕捉时空特征,从而提高识别精度。

铁路信号的针对性设计与图实一致性研究

针对当前铁路信号施工图纸存在“图实不一”“单端配线”等问题,结合具体工程设计项目,从实现施工图纸“双端配线”和“图实一致性”的角度,深入分析修改“通用电路”和“通用组合”对工程质量的影响,提出针对性设计“定型电路”和“定型组合”的解决方案,即按需安排组合内部继电器,完善组合内部配线,强化细节设计,改进电路表达形式,规范配线方式等。针对性设计施工图纸,可提高出图效率,节省施工用时,有效避免施工中修改图纸,工程质量较高。进一步提出改进意见,以完善标准、规范制定,为建立信号设计标准图库,以及今后的信号工程设计提供借鉴。

区域感知实时人像超分辨率重建网络

在人像超分辨率重建领域,传统方法通常将整幅图像进行统一处理,导致效率低下。为降低模型的推理时延,提出了一种实时超分辨率重建模型RASR。该模型利用门控单元处理低分辨率图像,识别出人像边缘区域;采用分区重建策略,使用不同尺寸的子模型分别针对包含或不包含人像边缘的区域进行重建。实验结果表明:与现有方法相比,RASR模型在4倍上采样重建场景下的推理时延降低了88%,能够更有效地重建高分辨率人像图像。

制氧机组冬季防冻实践总结

某制氧厂由于地处新疆北部,冬季环境温度极低,极易造成制氧机组冻堵。为解决该问题,对机组容易冻堵的薄弱点、系统关键部位以及机组停运后可能存在的冻堵隐患进行了梳理,有针对性地制定了一系列防冻措施,有效缓解了冻堵的问题,保证了机组冬季的安全稳定运行。

以街区为单元的老旧小区改造实施路径探索

在城市化的进程中,老旧小区的改造对于提升居民生活质量以及推动城市的可持续发展意义重大。本文深度剖析了老旧小区改造的传统模式及其局限性,如改造不全面、推进迟缓、碎片化等问题。在此基础上,提出了以街区为单元的更新改造模式,通过科学规划、多元融合以及长效治理,整合小区内外环境、公共资源与社区服务,以实现更出色的更新成效。并以北京市朝阳区某街区为例,详细阐述了这一模式的实施路径,从政策、规划和管理等维度探讨了其可行性和推广前景。研究表明,该模式不仅理论创新,而且在实践中具有良好的可复制性和适应性,对提升居民生活品质、促进城市整体发展作用显著。

基于GRU-DRSN的双通道人体活动识别

人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attention module)注意力机制的GRU-DRSN双通道并行模型,有效避免了传统串行模型因网络深度加深引起梯度爆炸和消失问题。同时并行结构使得两条支路具有相同的优先级,使用深度残差收缩网络(deep residual shrinkage network, DRSN)提取数据的深层空间特征,同时使用门控循环结构(gated recurrent unit, GRU)学习活动样本在时间序列上的特征,同时进行提取样本不同维度的特征,并通过CBAM模块进行特征的权重分配,最后通过Softmax层进行识别,实现了端对端的人体活动识别。使用公开数据集(wireless sensor data mining, WISDM)进行验证,模型平均精度达到了97.6%,与传统机器学习模型和前人所提神经网络模型相比,有更好的识别效果。

美国制裁与国内阻断法下企业的困境及出路

在美国制裁不断扩张的背景下,阻断体系的建立使企业陷入遵守制裁法和阻断法的两难境地。为了维护企业利益,应当从企业自救和完善国内阻断法体系两个角度出发。企业方面,在面对制裁时,应加强同其他企业的合作,并积极寻求美国国内和国际层面的救济途径。同时,企业应严格遵守阻断法,并将其作为自我保护的法律依据。国家方面,为更好地维护企业利益并释放更多的生存空间,我国的阻断体系需要进一步完善。在发布禁令上,除了被动报告外,还应赋予工作机制主动认定的权力,即主动发布属于禁令范围的法律,以供企业参考。在豁免机制和政府支持上,应落实相关的实体及程序的规定,并明确违反阻断法的处罚标准。此外,阻断法中的追偿诉讼也应更好地与国内民事法律体系相衔接,为诉讼提供合理、正当的法律依据。

油田区块机采井综合能源利用及效果分析

随着油田开发进入“双高”阶段,区块机采系统出现运行参数调整难度大、低产低效井增多等问题,为了有效解决生产中存在的问题。文中通过对区块采用塔架式抽油机、长冲程抽油机等先进的节能技术,按照“地上与地下一体化、技术与管理协同化”的工作思路,开展区块综合能源利用工程建设,可实现年节电1408.61×104 kWh,实现减少碳排放10943.49 t。同时对形成的典型经验做法进行推广,探索机采井提质增效模式,使模式具有可推广、可复制,发挥示范引领作用,推动油田绿色低碳、节能减排之路,实现高质量发展。

网架高空散装法施工的实践与应用研究

网架高空散装法可以满足高空作业要求,但施工工艺、流程和技术方法带有一定的独特性,需要重视技术应用和质量控制。以网架高空散装法施工基本流程为切入点,结合共性要求和工程特点,首先,分析其施工实践要点;其次,结合矿业公司建设“终端站”工程实际情况,论述该技术的应用方法;最后,对施工过程和施工检查等内容进行分析,以服务网架高空散装法的后续应用。

基于时序特征灰度图与多任务学习的综合能源负荷短期预测

准确预测综合能源系统(Integrated energy system,IES)中的电、冷、热多元负荷是提高各类能源综合效率、获得更大经济效益的关键。因此,提出一种基于时序特征灰度图与多任务学习的综合能源负荷短期预测方法。首先将初始特征集通过最大互信息系数(Maximum information coefficient,MIC)改进的快速相关滤波算法(Fast correlation-based filter,FCBF)对IES时序特征数据集进行相关性分析和冗余性分析;然后将特征选择结果利用因数重构法与MIC-gamma图像增强的方法重构为时序特征灰度图,能够直观有效地反映实际数据的特征相关性;其次采用基于多任务学习框架的(Convolutional block attention module-convolutional neural network-deep bidirectional gated recurrent unit,CBAM-CNN-DBiGRU)网络进行训练,嵌入的卷积注意力机制模块(Convolutional block attention module,CBAM)与(Deep bidirectional gated recurrent unit,DBiGRU)结构能有效加强共享层的关键信息提取和时序信息处理能力;最后以美国亚利桑那州立大学的IES数据为例对提出的方法进行测试。选取典型工作日和典型休息日并对比多种深度网络模型,测试结果表明,该模型在典型工作日的加权平均绝对百分比误差与加权均方根误差分别最大降低了0.8813%与229.2593 kW,在典型休息日则分别最大降低了0.9942%与360.8007 kW,能够有效提升IES多元负荷预测精度。

基于卷积神经网络的HEVC帧内预测算法优化

作为HEVC标准中最基础、最重要的技术之一,帧内预测对实现视频编码的高速、高质量和高压缩率具有重要的作用。文中针对帧内预测复杂性问题进行研究,提出一种基于深度卷积神经网络(CNN)的方法,通过学习来预测CTU的划分,从而减少HEVC帧内编码的复杂性。通过建立一个大规模的CTU划分数据库,并利用CNN的能力学习各种CTU划分模式,能够准确地预测CTU的划分,从而避免了传统的穷举搜索,实现了HEVC编码复杂性的显著降低,提高了编码效率。实验结果表明,提出的方法在测试序列和图像上分别将帧内编码时间减少了62.25%和69.06%,与其他最先进的方法相比,比特率分别仅增加了2.12%和1.13%,达到了优化的目的。