基于CPN网络的Deep Web数据语义标注

全面准确地标注Deep Web数据是实现Deep Web数据集成系统的关键问题,然而现有的DeepWeb数据语义标注方法还不能很好地解决这一问题.提出一种基于CPN网络的Deep Web数据语义标注方法,通过提取属性值的基本特征,采用CPN网络实现Deep Web数据语义标注.同时,采取了一种有效的方法准确获取Deep Web结果页面中的属性值,为语义标注奠定了良好的基础.与同类成果相比,基于CPN网络的Deep Web数据语义标注方法提高了语义标注的准确率及召回率.     

浅谈深基坑开挖周围地表沉降的预测方法

深基坑开挖是一项复杂的系统工程,在支护加固以及变形控制不当的情况下,常会因边缘地面沉降量超出设计值而危及周围各种构筑物的正常使用：如地下市政管线的破裂,周围建筑物的倾斜等。本文总结并对比基坑开挖周围地表沉降的预测方法,并提出了自己的一些看法。     

一种改进Mask R-CNN的运动目标定位方法

针对在复杂场景下传统算法对运动目标分类精度不高且无法直接输出关键点空间坐标这一问题,本文提出了一种基于改进Mask R-CNN的运动目标定位方法。该方法在TensorFlow 框架下采用自制数据集预训练提取多尺度的卷积,将采集到的网络视频流通过RoIAlign算法处理获得像素级的特征并匹配SIFT特征点建立空间坐标系统,在空间约束下结合Kalman filtering补偿运动轨迹,通过投影变换矩阵将像素坐标转换为世界坐标。实验表明该方法提高了模型在干扰背景下的鲁棒性,平均误差在8cm以内,实现了在复杂场景下可以获得实时高精度的定位信息。     

基于时效信息和深度学习的离港航班延误预测

针对离港航班延误预测问题,利用深度神经网络模型,结合时效航班信息数据和时效气象数据,提出了一种基于时效信息和深度学习的离港航班延误预测模型。利用真实数据开展数值试验,结果表明了所构建的延误预测模型可以在较短时间内获得较高的航班延误预测精度,并且具有较大的航班延误预测时效;同时随着延误时间阈值的增加,预测精度不断提高,损失值不断降低;尤其以60分钟为阈值时,模型的预测精度可以达到91.26%,说明了模型的有效性。     

抽出处理措施的有效性评价

应用经过拟合的模型,对实例中实施的抽出水处理措施的有效性作了数值模拟分析,结果表明,在模拟时段内场地区碳岩含水层中ＴＣＥ污染羽状体的分布范围及其浓度均有比较明显的减小,去污效率比较理想。已由抽水试验证实,其有利因素之一就是污染含水层介质具有较强的水力传导性,鉴于系统的不确定性,应对抽出处理方案进行多阶段设计。     

生理盐水中TiNi基形状记忆合金耐蚀机理研究

采用电化学测试技术对 Ti Ni基形状记忆合金在生理盐水中的腐蚀机理进行了研究 .结果表明 ,Ti Ni合金与 Ti Ni Cu合金相比 ,阳极钝化区拓宽、孔蚀电位正移、腐蚀率减小 .通过EDX分析和 SEM观察发现 ,Ti Ni基形状记忆合金蚀孔内存在富 Ti贫 Ni的 Ti2 Ni析出相 ,是萌生孔蚀的敏感位置 .在生理盐水中 Ti Ni Cu合金的耐蚀性比 Ti Ni合金劣 ,是由于 Ti Ni Cu合金存在不同晶体结构区域 ,造成电化学性质不均匀 ,加之晶界疏松状态的 Cu的表面富集 ,促进阳极溶解过程所致     

深圳湾潮间带湿地沉积物的重金属分布特征

对深圳湾潮间带湿地的9个采样点采集的沉积物样品进行了分析,测定了沉积物的粒径分布、重金属(Cu,Zn,Cr,Pb,Ni)的总量和生物有效态含量．分析了深圳湾湿地沉积物重金属含量的时空变化以及重金属不同形态之间的关系,从生物有效态含量在总量中占有的比例说明了深圳湾重金属污染比较严重,对重金属生物有效态的测定方法进行了简化．对各采样点的重金属积累量与底栖动物群落之间可能存在的关系进行了讨论．     

盐碱荒地滴灌施氮对甜菜干物质积累、氮代谢的影响

盐碱荒地膜下滴灌种植甜菜,冠／根比平衡点较常规灌提前１５天以上。收获时,随施氮量的增加块根干物质呈递增趋势。叶丛氮代谢有２个高峰：苗期（６月４日,主要）和块根糖分增长末期（８月２４日）;块根氮代谢的变化与叶丛相似。植株对氮吸收量与施氮量呈正相关（Ｒ＝０．９９６８）;高氮处理的甜菜生育后期地上部氮分配率仍较高,不利于块根增长和糖分积累,甜叶片硝酸还原活性总体上随生育进程而提高,至７月２８日左右达最大值,而后减弱,说明甜菜氮的吸收与同化以生育中前期为主,氮肥的分次施入应在块根增长初期完成。     

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。     

深孔卸压爆破技术改变围岩应力结构的试验研究

针对围岩内高应力集中造成巷道支护后难以稳定的问题,应用"深孔卸压爆破技术",重新调整围岩应力分布,使深部围岩内积聚的弹性能以变形破裂的形式释放,使应力集中的弹性区转移到围岩更深处,在围岩深部形成应力集中的自承载圈,在巷道周围表层一定范围内形成低应力卸压圈.通过改变围岩应力分布,使围岩内高应力得到释放和转移,消除巷道附近围岩应力集中,在底板岩层中形成上自撑岩环体和下自撑岩拱体两层自撑结构,有效地控制巷道变形,保持了巷道稳定,达到深部围岩-浅部围岩-支架系统耦和支护的目的,充分发挥了围岩自承能力.卸压后的巷道采取常规支护技术就能保持长期稳定.