自动网格体系在柱体绕流大涡模拟中的适用性评估

为了评估基于snappyHexMesh方法生成的自动网格体系在二维柱体绕流大涡模拟中的适用性,比较了该自动网格体系与人工网格体系对于Re为3 900圆柱绕流和Re为22 000方柱绕流的数值模拟结果。通过设置合理的计算域以及数值格式,采用snappyHexMesh自动网格以及人工网格的算例都表现出良好的数值稳定性。将不同网格体系的数值模拟结果与物理试验结果进行对比,结果表明,采用snappyHexMesh网格可以提高数值求解效率;圆柱绕流对网格体系的变化比较敏感,不同密度的snappyHexMesh网格会显著影响圆柱气动力特征以及尾流区域的流场结果;snappyHexMesh网格体系可以准确预测方柱绕流,在方柱绕流大涡模拟中具有相较于圆柱绕流更好的适用性。     

基于特征类内紧凑性的不平衡医学图像分类方法

近些年,基于深度学习的算法和模型在各种图像分析任务中都取得了显著的成功,与常见的自然图像相比,医学图像数据集依然面临高度不平衡的问题,不平衡数据会导致特征空间里的决策边缘倾向样本多的类别,导致分类效果的下降.为了解决该问题,提出一种基于卷积神经网络考虑特征类内紧凑性的不平衡医学图像分类方法（Z-Score Compactness-based Convolutional Neural Network,ZC3NC）.首先,从一个卷积神经网络的最后一层卷积层提取训练集样本与测试集样本的特征图,随后引入一个新的Z分数来度量测试集数据的特征图相对训练集每个类在特征空间上的偏离度,偏离度的度量基于类内的紧凑度,其主要关注样本的分布特性,对各类样本数量的不平衡性不敏感.最终,根据计算的偏离度,对测试集的数据进行分类.在DermaMNIST数据集上的实验表明,在不对数据和神经网络模型做任何额外增强的情况下,该方法的平衡准确率比原卷积神经网络模型平均提高11.15%,最多提高14.08%,证明提出的分类方法能有效地提高多种卷积神经网络对不平衡医学图像数据的分类性能.此外,和最先进的不平衡分类方法 Und...     

监利市外来入侵植物种类、分布和危害特征研究

基于文献、问卷及实地调查等方法,统计分析监利市外来入侵植物的种类、生活型、原产地和分布特征,并划分了危害等级.结果显示:1)监利市外来入侵植物有18科36属45种,以菊科(Asteraceae)、苋科(Amaranthaceae)和豆科(Leguminosae)为主,共计24种,占比53.3%,其中,菊科植物最多,占比26.7%;2)从生活型来看,以草本植物为主,占比97.8%;3)从原产地来看,原产于美洲的种数最多,占比59.6%,欧洲和亚洲次之,均占比14.9%;4)从入侵等级与危害程度来看,有恶性入侵类植物1种,严重入侵类8种,局部入侵类7种、一般入侵类24种和有待观察类5种;5)从分布特征来看,1、2级入侵植物主要分布在新沟镇、毛市镇和棋盘乡等乡镇;3级入侵植物主要分布在周老嘴镇、分盐镇和汴河镇等乡镇;4、5级入侵植物在监利市分布较少,呈零星分布.同时本研究提出监利市外来入侵植物防控建议,包括关注已入侵植物及其原产地、加快建立健全的风险评估系统、加强科普宣传等,为我国区域外来入侵植物的防控提供科学依据.     

贵州省大气污染物浓度变化特征及气团传输来源分析

通过对贵州省各市(州)大气污染物观测资料分析表明：PM_2.5、PM₁₀、SO₂、NOx年均浓度逐年降低,而O_3-8hmax出现逐年增高。2017年PM_2.5超过国家《环境空气质量标准》(GB 3095—2012)的二级标准限值的天数排前三位分别为六盘水市、遵义市和毕节市,为27、21和22 d,基本出现在冬季;贵阳市超标16 d,超标率为4.1%,最高浓度为107μg/m³。对PM_2.5进行溯源分析表明：贵阳市、遵义市和六盘水市主要来自于本地源贡献,分别占了85%、93%和90%。本地排放源中,贵阳市主要是移动源、道路扬尘、建筑扬尘,贡献比例分别为26%、22%、20%;遵义市主要是居民燃煤和移动源,贡献比例分别为25%和20%;六盘水市主要是工业源和居民燃煤,贡献率分别为28%和20%。不同季节气团传输存在差异,并且不同城市在相同季节的传输也存在差异。中长距离气团传输主要来自于成渝地区,短距离主要是本地传输。溯源及气团传输分析表明,...     

基于神经网络的船舶稳性预报研究

为省略船舶稳性计算中横摇阻尼以及船舶阻力等参数的复杂计算过程,提出一种采用径向基函数(RBF)神经网络对第二代完整稳性失效概率预报的方法.研究包括过度加速度、瘫船稳性以及骑浪/横甩3种失效模式.通过研究船舶相关参数对各失效模式失效概率的影响,确定采用RBF神经网络对每种失效模式进行预报时输入特征的选取,从而降低训练时长.使用训练后的网络对样本船稳性进行预报,采用均方误差和平均绝对百分比误差对预报结果进行评估.对3种失效模式预报结果的平均绝对百分比误差分别为6.49%、7.09%、5.70%,均小于10%,表明采用RBF神经网络可较为精准地对船舶稳性进行预报.     

基于离散特征系统的抛物方程源项反演方法

主要研究离散特征系统下抛物方程源项反演的对数型正则化方法。首先,用有限差分法离散椭圆算子,利用分块矩阵的特点计算出椭圆算子的离散特征值和相应的特征向量;然后,将它们应用到抛物型方程源项反演的对数型正则化方法中。通过数值实验表明,对数型正则化方法可以通过离散特征值及其对应的特征向量成功实现。     

改进的YOLOv4肺结节检测算法

针对目标检测YOLOv4算法在肺结节检测中存在的小目标漏检和肺结节位置失真等问题,设计了一种改进的YOLOv4肺结节检测算法.在原始YOLOv4网络的基础上,将特征融合网络的上采样过程替换为双线性插值法,并采用张量堆叠的方法使顶层的语义信息与底层的位置信息形成更高通道的特征张量.实验结果表明,与原始的YOLOv4算法相比,改进的YOLOv4算法在公开数据集LUAN16上的平均精确度与预测速度分别提高了4.54%和28.1%,可视化结节位置表达更精准.     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

基于卡诺机的大规模MIMO通信容量建模及性能分析

信息本质上以能量和熵的形式在通信系统中流动,类似于传统热机中的能量流动过程。结合热力学卡诺机模型和经典香农信息论理论,建立了一个广义的热力学(multiple input multiple output, MIMO)通信系统模型,对大规模天线通信场景下使用前向纠错码的信道容量进行分析。利用通信系统中存在的自由度和熵的概念,推导了热力学模型下的广义信道容量,并对信道容量与噪声自由度及编码开销的关系进行验证仿真。仿真结果表明,所提出的热力学信道容量与香农信道容量是一致的。     

变压器绕组短路故障多特征融合诊断

绕组匝间短路是变压器最常见的初期故障类型之一.为了提高轻度故障的诊断准确率,考虑绕组短路电流、绕组温度、电流密度和磁通偏移特征,提出了变压器绕组短路故障的多特征融合诊断方法.首先建立了变压器绕组短路的COMSOL空间模型,将仿真结果和理论计算结果进行对比,证明空间模型的正确性.然后,对变压器轻度故障时进行了故障模拟和故障特征分析,提取其电流特征参量、温度特征参量、电流密度偏移率和磁通偏移率作为故障特征.采用BP网络进行故障识别.变压器的工程诊断实例验证了本文方法的有效性.