考虑谐波严重程度的长时间尺度谐波责任划分方法

针对现有谐波责任划分方法未考虑不同谐波严重程度下责任所造成的实际影响差异,提出一种考虑谐波严重程度的长时间尺度谐波责任划分方法。考虑谐波数值分布与变化趋势两方面因素划分工况,并计算各工况综合权重量化谐波严重程度;基于典型相关性分析原理筛选长时间尺度数据,并根据谐波责任定义式估算谐波责任;结合上述综合权重获取长时间尺度综合谐波责任划分指标;采用仿真算例与实测数据进行验证,与传统方法相比,所提方法可反映各谐波源在长时间尺度下不同次数谐波造成的累计影响,更适用于谐波精准治理与公平奖惩工作。

从经营方式演化看中国农业现代化的前沿问题

在对家庭联产承包责任制改革确立农户主体地位及土地流转和规模化过程进行梳理的基础上,研究了正在蓬勃发展的几种有代表性的农业组织形式的特点和现代农业演化趋势,针对租佃高成本、超大规模垄断性经营和政府补贴等方面的问题,提出了相应的政策建议。

长期模拟失重实验中医证候诊断量表的研究

目的制订适用于长期模拟失重实验受试者整体健康状态评价的中医证候诊断量表,并对其信度与效度进行初步评价。方法本研究基于对长期航天飞行不同阶段中的人体中医病机的认识,通过文献调研结合专家咨询的方法制订量表。采用重测信度和内部一致性系数来检验量表信度;进行为期90 d的头低位卧床实验,采用项目分析和因子分析法评价量表的效度,采用旋转成分矩阵分析各条目与维度间的相关性。结果长期模拟失重实验中医证候诊断量表包含8个维度、57个条目。信度分析结果:30名受试者前后两次量表评分总分相关系数为0.889,表明量表的稳定性很高;量表的克龙巴赫α系数为0.934,表明量表内部一致性非常好;分半信度校正后为0.858,表明量表的信度很高。效度分析结果:57个条目在高分组和低分组的差异均有统计学意义(P<0.01),各条目与量表总分的皮尔逊相关系数均>0.4(P<0.001);采用主成分因子分析法提取8个公因子,累积贡献率为55.293%;旋转成分矩阵分析结果经医理分析和专家反馈显示,与初始8个维度的重合度高达87.5%,表明量表的结构效度良好。结论量表具有良好的信度和效度,能够进行中医证候诊断,适用于长期模拟失重实验,可为受试者主观感受的评价提供客观量化新方法。

融合多尺度CNN与双向LSTM的唐卡问句分类模型

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度卷积神经网络(convolutional neural network,CNN)与双向长短期记忆神经网络(long short term memory,LSTM)融合的唐卡问句分类模型,本文模型将数据的全局特征与局部特征进行融合实现唐卡问句分类任务,全局特征反映数据的本质特点,局部特征关注数据中易被忽视的部分,将二者以拼接的方式融合以丰富句子的特征表示。通过在Thangka数据集与THUCNews数据集上进行实验,结果表明,本文模型相较于Bert模型在精确度上略优,在训练时间上缩短了1/20,运算推理时间缩短了1/3。在公开数据集上的实验表明,本文模型在文本分类任务上也表现出了较好的适用性和有效性。

白龙江流域大型高位滑坡成灾动力过程模拟研究

白龙江流域山高坡陡,分布大量高位滑坡,是我国高位地质灾害风险极高的地区。舟曲县立节镇北山古滑坡位于白龙江左岸,滑坡剪出口与江面高差约700 m,历史上曾发生过多次变形破坏。通过资料搜集、遥感调查与解译、现场调查等手段,查明了立节北山滑坡的地质环境与变形破坏特征,基于光滑质点流体动力学与等效流体模型,开展滑坡后破坏运动过程模拟,对远程致灾危险进行预测分析。模拟分析表明,立节北山滑坡若发生失稳剧滑,将形成高位高速远程滑坡-碎屑流灾害,滑动距离达1 600 m,最大运动速度45.7 m/s,沿途铲刮方量77.7万m~3,滑体扩容系数1.32。滑体约200 s后完全停止运动并堆积,堆积区面积2.2×10~5 m~2,覆盖坡脚立节镇一半的范围,最大堆积厚度17.8 m,最大冲击速度30 m/s。研究结果为立节北山滑坡开展风险评价与分区提供定量化数据,为白龙江流域大型高位滑坡精细调查与风险评估提供参考依据。

采用局部-全局区域重检测机制的无人机长期跟踪算法

为解决基础跟踪器面对遮挡和移出视野等长期跟踪场景时易出现跟踪失败等问题,提出了一种基于局部-全局区域重检测的无人机长期跟踪算法。设计了基础滤波器,将高置信度样本与其结合,并融入自适应时空正则化,解决了滤波器退化问题,提高了模型鲁棒性以及复杂场景下的性能;优化了滤波器更新策略,通过评价跟踪结果进行自适应更新;设计快速尺度滤波器,解决了跟踪过程中的尺度变化问题;设计了局部-全局区域重检测机制,跟踪失败时启动重检测器恢复跟踪目标,先完成局部区域重检测,若恢复跟踪失败,再利用全局区域重检测器继续恢复目标跟踪状态。实验结果表明:所提算法在UAV20L数据集上的精确度和准确率分别可达0.724和0.621,与基于时空正则化相关滤波器的跟踪算法(STRCF)相比分别提升了25.9%和20.6%,与同类主流算法相比,跟踪效果得到提升,证明了算法的有效性。

不均匀积雪致大跨网架结构局部损伤分析

网架结构管球连接处局部损伤是此类结构的重要安全隐患。在风致雪漂移引起的不均匀积雪荷载作用下,局部损伤会加剧,最终导致结构局部破坏。因此很有必要分析不均匀积雪荷载作用下带伤服役网架结构局部损伤劣化情况。采用CFD数值模拟技术,以一正放四角锥网架结构为研究背景,分析了在90°风向角、12 m/s风速下,持续降雪24 h中网架结构屋面不均匀积雪分布的变化情况,并建立可表征网架结构管球连接处存在裂纹损伤的多尺度模型,分析了网架结构节点存在不同裂纹尺寸局部损伤时,不均匀积雪致网架结构局部损伤劣化程度。结果表明:网架结构风致积雪不均匀程度非常显著,而且当网架结构管球连接处存在局部裂纹损伤时,在降雪中后期,有管球连接损伤的节点大多都出现了不同程度的裂纹扩展,节点为最不利分布的穿透型裂纹时,裂纹扩展最大为15.64 mm。说明在持续特大降雪这种极端荷载作用下,带伤服役网架结构局部损伤将进一步加剧,危及结构使用安全。

户用光伏接入的低压配电网电能质量问题分析与附加损耗量化评估

针对户用光伏的大量无序接入导致低压配电网附加损耗严重增大的问题,对配电网附加损耗的量化分析是实现电力系统节能降损的必要途径之一。以户用光伏接入电网后的附加损耗为对象,研究考虑户用光伏发电与配电线路附加损耗的量化关系。首先,对户用光伏接入下附加损耗的变化表征进行理论分析,建立有源低压配电网三相四线制等效电路与数学模型;然后,研究户用光伏不同容量与接入相序下的多类型电能质量扰动情况,建立复合电能质量扰动附加损耗模型;最后,依据典型日的光伏出力功率曲线与附加损耗模型,通过算例分析并验证了所提长时间尺度下户用光伏对配电网附加损耗的量化评估方法的准确性。

多因素协同的大型活动场馆周边路段速度预测

大型活动会引起举办场馆周边区域路网出现交通流短时骤增与消散,导致周边区域路网交通运行呈现偶发性与不确定性波动,而现有预测方法通常难以捕捉特殊事件下交通流受多维因素复杂影响及其演变机理。为充分挖掘路段速度的时间序列和影响因素特征,揭示速度预测中不同影响特征间的耦合作用机理,提出了一种结合可解释机器学习与长短时记忆网络的速度预测模型(MC-LSTM)。结合大型活动的特点构建影响因素集,采用XGBoost算法评价活动规模、性质等因素特征对场馆周边路段速度的影响相对重要度,量化多元因素对场馆周边路网运行状态的协同效用,融合LSTM网络,考虑交通状态的时间依赖关系,捕获不同历史时期的时间相关性,实现对活动期间场馆周边路段速度的精确预测。以北京市连续6个月的大型活动期间周边路网为例进行模型验证,结果表明:所构建的MC-LSTM模型的预测精度可达94.5%以上,优于考虑多因素协同的XGBoost模型、只考虑单因素特征的LSTM模型及未考虑外部特征的LSTM模型,证明该研究所提出的模型有效性与稳定性更优,可为大型活动场馆周边路网交通组织优化和制定针对性交通管控与保障措施提供定量化的决策依据。

超长尺度浮式防波堤多模块耦合动力响应分析

为研究多模块浮式防波堤模块之间的耦合动力响应规律,基于目标海域环境条件,提出一种能够提供特大掩护水域的超长尺度浮式防波堤总布置设计方案,并对超长尺度浮式防波堤的构型、连接结构及系泊系统进行设计。在此基础上,基于三维势流理论对超长尺度浮式防波堤的水动力性能进行频域和时域分析,考虑环境载荷作用下浮式防波堤多模块耦合运动,并对其中间及两侧模块的运动响应及系泊缆张力进行对比分析。研究结果表明:横浪和斜浪工况下,超长尺度浮式防波堤中间模块在垂荡、横摇和纵摇方向上的运动均最剧烈。由于防波堤首部模块在横浪和斜浪工况下横荡运动最剧烈,因此浮式防波堤首部模块迎浪运动侧系泊缆在2种工况下所受张力最大,这在超长尺度浮式防波堤系泊系统设计过程中需重点关注。数值模拟结果可为此后超长尺度浮式防波堤设计及工程化应用提供技术支撑。

时空多尺度关联特征融合的二维卷积网络细粒度动作识别模型

针对传统二维(2D)卷积网络提取时空特征尺度单一以及对细粒度动作数据集中帧与帧之间的远程时间关联信息利用不足的问题,本文提出时空多尺度关联特征融合的2D卷积网络细粒度动作识别模型。首先,为建模视频多尺度空间关联以加强对细粒度视频数据的空间表征能力,模型使用多尺度“特征压缩、特征激发”方式,使网络所提取空间特征更加丰富有效。然后,为充分利用细粒度视频数据时间维度上的运动信息,本文引入时间窗口自注意力机制,利用自注意力机制强大的远程依赖建模能力同时只在时间维度上进行自注意力操作,以较低计算成本建模远程时间依赖关系。最后,考虑到所提取时空特征对不同类型动作分类的贡献不均等,本文引入自适应特征融合模块,为特征动态赋予不同权重实现自适应特征融合。模型在2个细粒度动作识别数据集Diving48和Something-somethingV1上识别准确率分别达到86.0%和46.9%,分别使原始主干网络识别准确率提升3.8%和1.3%。实验结果表明,在只使用视频帧信息作为输入的情况下,本模型达到与现有基于Transformer和三维卷积神经网络(3D CNN)算法相当的识别准确率。

基于交互式特征与多尺度特征的文本相似度研究

针对文本相似度分析过程中缺乏信息传递和忽略多元语义信息而导致相似度计算结果准确率低的问题,结合双向长短期记忆网络(BiLSTM),提出一种新颖的交互式特征与多尺度特征的文本相似度模型(IF-MSF)。首先,利用BiLSTM对句子进行编码提取全局特征矩阵,分别用软注意力机制和余弦相似度对特征矩阵进行交互,以相互传递两组特征矩阵内部的语义信息。其次,加权两组交互式特征以综合所有交互信息,并利用BiLSTM对加权交互式特征和初始编码特征再编码以捕获特征之间的差异信息。再次,使用多尺度卷积提取差异信息的多元语义特征并结合通道注意力机制增强重要特征信息。最后,融合两组增强特征判断文本对是否相似。实验选取2个数据集来验证该方法,该模型F1值分别取得最高值88.15%和85.03%,优于其他方法。

基于双光栅传感器隧道混凝土温度应变发展特性研究

为了更好地预防隧道混凝土开裂,对混凝土温度、应变的发展规律进行研究,该文依托衢州市智慧新城三江中路连通工程,建立数据采集系统,现场监测混凝土温度与应变,该监测方法克服了传统方法温度、应变监测不灵敏以及监测数据不连续的缺陷,并且所采用的高性能双光栅温度‒应变式传感器可同时监测同一位置的温度与应变,利用温度补偿的方法克服了环境温度对监测结果的影响,提高了监测结果的精度,对监测结果进行分析,揭示隧道混凝土施工期温度、应变的发展规律。分析表明:温度随时间的变化可以分为初始阶段、快速升温阶段、缓慢降温阶段与趋于稳定阶段,应变的变化趋势与温度类似,应变峰值出现的时间稍微滞后于温度;由于养护条件、边界条件、钢筋布置等多种因素的影响,不同测点的应变在水平方向存在较大差异。

基于锚框的远距离多尺度红外目标跟踪技术

在红外目标跟踪过程中,由于目标距离和视角的变化,红外目标的成像面积通常很小,使得红外图像中缺乏足够的像素信息,无法准确提取目标的特征,增加了目标跟踪的难度。因此,提出基于锚框的远距离多尺度红外目标跟踪技术。利用编码的方式对应追踪框图与真实框图,得到目标框中心坐标值。为保证计算的精准度,通过设定特征融合阈值判定提取信息与真实信息较高的重叠度,并按照锚框的边缘、中心以及顶点坐标对应划分像素网格,根据特征值输出分类输出向量,完成红外目标特征提取。由此采用损失函数给出锚框、目标框、实际框的类别损失以及候选框等不同类别损失函数,按照不同点在网格中的体素值,以编码形式逐一对比候选框和真实框数据,通过迭代实现远距离多尺度红外目标跟踪。实验结果表明,所提方法对远距离多尺度红外目标的识别效果较好,查全率曲线基本保持在0.9以上。说明所提方法具有良好的远距离多尺度红外目标跟踪效果。

基于CNN-LSTM-Attention的月生活需水预测研究

需水预测是进行水资源配置的重要部分,对于水资源合理开发利用和社会可持续发展有重要指导意义.本文以陕西省为研究区,结合大数据分析法,提出一种基于CNN-LSTM-Attention的月生活需水预测模型.首先,通过卷积神经网络(convolutional neural networks,CNN)提取数据动态变化特征,然后利用长短期记忆(long short-term memory,LSTM)网络对提取的特征进行学习训练,最后使用注意力(attention)机制分配LSTM隐含层不同权重,预测月生活需水量并对比实际数据.结果表明,CNN-LSTM-Attention模型的相对平均误差值和决定系数(R2)分别为2.54%、0.95,满足预测精度需求,相比于LSTM模型预测精度更高.进一步证明了模型预测的合理性,可为陕西省水资源规划提供指导.

基于SDP和MCNN-LSTM的齿轮箱故障诊断方法

齿轮箱在长期使用过程中,不可避免地会产生齿轮故障和轴承故障,严重影响传动精度和设备运行安全。基于此,针对齿轮箱常见故障类型,研究多通道对称点图案(symmetrized dot pattern, SDP)数据处理方法,并利用最小能量误差法实现SDP关键参数的选取。结合多尺度卷积神经网络(multi-scale convolutional neural network, MCNN)的空间处理优势、长短时记忆网络(long short term memory, LSTM)的时间处理优势及其良好的抗噪性和鲁棒性,提出了一种基于SDP和MCNN-LSTM的齿轮箱故障诊断模型。同时利用东南大学齿轮箱数据集,验证了基于SDP和MCNN-LSTM的齿轮箱故障诊断方法对齿轮和轴承常见故障类型特征提取的有效性,并与现有其他故障诊断方法进行对比,结果表明了所提方法具有更高的精度。

青藏高原1981-2015年暖季降水变化趋势:受控于大尺度环流型变化

利用最新的高时空分辨率融合降水数据集,研究青藏高原的长期降水变化趋势。结果表明,在1981—2015年的暖季(5—9月),青藏高原降水量显著增加(格点平均趋势为0.9 mm/a),其东北部、中部和西部最为显著。采用T模态倾斜旋转主成分分析法(PCT),将青藏高原500 hPa位势高度场分为9个典型环流型,发现第2和第4环流型(T2和T4)是暖季降水量增加的主导环流型(DT)。DT位势高度场为西低东高的“槽脊对峙”分布,青藏高原暖季降水量增加体现在DT主导降水日数和日均降水量的共同增加。除DT环流型数量的增加导致青藏高原中西部降水增加外,降水增加机制还包括降水条件的优化,即T2以“槽脊对峙”加强为驱动的动力条件优化为主导,T4以“水汽滞增”加强为驱动的热力条件优化为主导。

多时间尺度小波变换和LSTM自编码器电弧故障检测方法

在光伏发电系统中,电弧故障检测是维持系统安全运行的关键问题。以往的电弧故障检测方法大多基于单时间尺度的故障特征,然而单一时间尺度特征往往会受到环境变化的干扰,导致检测精度降低,针对这一问题,提出一种多时间尺度小波和长短时记忆(LSTM)自编码器电弧故障检测方法,该方法首先在机理分析的基础上找到电弧3个特性,即电弧初始阶段电流发生突变、燃弧阶段电流均值降低、燃弧阶段高频分量变大。再基于上述电弧特性进行小波变换提取对应多尺度特征,然后使用LSTM自编码器进行端到端的自动检测。与以往方法不同,该方法提取了电弧特性的多种时间尺度特征,增加了故障信号的检测依据,降低了受外界干扰时检测结果出现误报漏报的可能性。理论分析和实验结果表明,所提出的方法降低了故障电弧检测的误报率,提高了其准确率。

基于U形多尺度注意力方法的真实图像去噪

针对真实世界图像去噪算法存在对上下文信息和全局信息利用不足导致的去噪效果不佳问题,提出一种U形金字塔注意力网络(UPCA)。U形结构由多尺度特征模块与长距离通道注意力模块融合形成的金字塔注意力模块组成,U形结构通过拼接操作可以将每一层的输出特征图融合,减少卷积过程以及下采样过程中图像细节特征的丢失。多尺度特征金字塔模块可以更好地利用上下文信息从而更好地恢复出干净的图像,而建立长距离依赖的通道注意力模块可以更好地利用全局信息,提高网络的去噪效果。同时在损失函数部分加入噪声项来加快训练时收敛的速度以及提高去噪效果。UPCA网络在数据集SIDD和DND进行对比实验,验证了UPCA网络的可行性和先进性,同时与同样使用通道注意力的RIDNet相比UPCA网络的PSNR/SSIM指标提升了0.81 dB/0.044,去噪后的效果图直观表现也更好,而且同等参数下训练所需的算力更小。

面向图像数据的ConvNeXt特征提取研究

卷积神经网络在计算机视觉任务中已取得诸多成果,无论是目标检测还是分割,都依赖于提取到的特征信息,一些模糊性的数据和物体形状各异等问题为特征提取带来了极大的挑战。传统的卷积结构只能学习到特征图相邻空间位置的上下文信息,无法对全局信息进行提取,而自注意力机制等模型虽具有更大的感受野和建立全局的依赖关系,但存在计算复杂度过高和需要大量数据等不足。为此,提出了一种CNN与LSTM结合的模型,该模型在增强局部感受野的前提下,可以更好地结合图像数据的全局信息。研究以主干网络ConvNeXt-T为基础模型,通过拼接不同大小卷积核以融合多尺度特征来解决物体形状各异的问题,并从水平和垂直两个方向聚合双向长短期记忆网络关注全局与局部信息的交互性。实验对公开访问的CIFAR-10,CIFAR-100,Tiny ImageNet数据集进行图像分类任务,所提出的网络在3个数据集实验中相较于基础模型ConvNeXt-T在准确率上分别提高了3.18%,2.91%,1.03%。实验证明改进后的ConvNeXt-T网络相较于基础模型在参数量和准确性方面都有了大幅度提升,可提取到更加有效的特征信息。