四川若尔盖湿地国家级自然保护区水体氢氧同位素与水化学特征

【目的】了解若尔盖湿地国家级自然保护区水环境特征、水体补给关系,为合理保护和改善湿地水生态环境提供理论参考。【方法】采用液态水/水汽同位素分析仪测定了氢氧稳定同位素丰度,通过离子色谱仪测定八大离子水化学特征指标,对若尔盖湿地国家级自然保护区不同水体(降水、河水、沼泽水、地下水)的化学参数和氢氧稳定同位素[(δ(D)和δ(¹⁸O)]进行分析,研究该区域水化学类型和同位素空间分布特征,探讨了其形成原因和环境意义。【结果】①湖泊水体、黑河及其入沼泽水体、出沼泽水体的主要化学类型都为$HCO_{3}^{-}$-Ca型(重碳酸钙型水);②若尔盖夏季“大气水线”为δ(D) = 8.28 δ(¹⁸O)+13.86,说明受局地水汽、二次蒸发影响小,但蒸发强烈。偏小的δ(¹⁸O)和δ(D)值,反映了雨季受海洋性暖湿气团的影响,降水集中且丰沛,重同位素沿途受雨水冲刷作用较强的特点。HYSPLIT模拟结果证明若尔盖夏季水汽来源于平稳的西风带,受西风环流控制;③降水是其他水体(河水、沼泽水、地下水)最初始的补给来源;河水斜率与沼泽水斜率相近,趋近平行,说明二者的补给关系最为频繁和密切,其中沼泽水接受黑河的支流——果曲、津曲、阿蒙曲、德纳的补给,而黑河的干流与沼泽则是交汇补给。【结论】若尔盖各水体水化学特征主要受流域水岩作用所调控,水体氢氧稳定同位素特征揭示了流域降水、蒸发、大气环流及水文循环过程。     

基于CA-ResNet网络与nadam优化的入侵检测算法

[目的]针对深度学习模型在网络入侵检测中进行参数训练时因梯度消失而导致深度学习模型过拟合在测试集上准确率下降的问题.提出一种结合LeakyRelu激活函数与ResNet的网络入侵检测算法,即CA-ResNet,并采用nadam优化器对模型进行优化.[方法]该模型在DNN的基础上增加了网络的层次,结合了ResNet和LeakyRelu激活函数.[结果]解决了模型训练时梯度消失的问题,保证了该模型在测试数据集上的表现,使得训练的模型的泛化能力更强,同时通过增加网络的单层维度和总层次的深度,提高了网络的特征提取能力和对尺度的适应性.[结论]使用KDD Cup99数据中的Corrected数据集对算法进行验证.实验表明,该算法与CNN和CNN-BiLSTM算法相比具有更高的准确率和F1-score,准确率能够达到95.0％,F1-score能够达到97.5,时间复杂度为线性时间复杂度.     

战场上的"新魔法师"--炸弹失能武器

杀气腾腾的战场突然安静了下来,各种武器好像被施了魔法,:炸弹不爆炸了,坦克原地不动了,价值昂贵的武器好像都成了一堆废铁.你也许会说这简直是白日做梦,但是今天科技的发展可能要使这些"白日梦"变成现实了.这就是科学家近来发明的战场"魔法师"--炸弹失能武器.     

加工中心工艺参数智能生成系统的研究

为了提高加工中心的应用水平,优选刀具及自动生成工艺参数是一个极其重要而又难以获得满意解决方案的课题。该文提出一种以基本切削数据库为基础综合利用多种人工智能技术,根据实际工况,通过学习修正、记忆、实时生成对实际加工环境具有广泛适应能力的最佳切削参数和优选刀具的新方法。利用这一系统可以使一个普通操作工人达到专家级对加工中心机床的应用水平。生产验证表明,利用本软件选择的刀具和切削参数使生产效率平均提高５０％以上。     

基于ARM的图像监控系统的开发

设计了一种基于ARM和嵌入式Linux操作系统的图像监控系统。以S3C44B0X为核心,通过USB摄像头进行图像的采集,利用JPEG算法将摄像头采集的数据进行压缩编码,采用GPRS无线传输模块将压缩后的信息传输给远程的PC机,通过可视化软件Labview编写能恢复采集到的图像信息,将图像进行实时的显示和控制的上位机软件。本系统对于数据的采集不局限于固定的地点,并且利用无线传输成功的实现了远程的监控,具有很好的实用价值。     

蓝隐藻PC645两种β亚基的分离及空间结构差异性

为了确认蓝隐藻(Chroomonas placoidea T13)藻蓝蛋白PC645中新发现的β亚基的空间结构差异性,以纯化的C.placoidea PC645为材料,经6 mol/L尿素变性后,摸索了两次DEAE Sepharose Fast Flow阴离子交换层析法,大规模分离得到了β₁亚基和两种β₂亚基洗脱样品。吸收光谱表明所得的这三种β亚基洗脱组分均保持着活性状态。圆二色谱(CD)显示,β₁亚基与两种β₂亚基的可见光区CD谱相近,但远紫外区和近紫外区光谱存在不同,这说明两种β亚基具有相同的色基组成,但其蛋白质的二、三级空间结构存在差异,其中β₁亚基中α-螺旋的比例高于β₂。上述结果不仅进一步确定了新的β亚基的存在,也为重新认识特异的隐藻藻胆蛋白的亚基组成和组装方式提供了实验依据。     

基于人体时空骨架特征的图卷积行为识别算法

【目的】为了充分利用动态的人体骨架特征，提高行为识别精度，提出一种基于人体时空骨架特征的图卷积行为识别算法。【方法】首先在空间上确定主关节点，再融合各关节点与主关节点之间的向量和关节点间的骨骼长度，获取瞬时状态下关节点的相对位置关系；然后计算相邻两帧之间由相同关节点构成的时序动作信息来描述运动状态；最后，将时空信息融合到时空图卷积网络中，进行端到端训练。【结果】与时空图卷积网络识别算法相比，在400分类Kinetics行为识别数据集上的Top-1和Top-5指标分别提升了1.78%和1.77%，在NTURGB+D数据集的两个基准上的Top-1分别提升4.13%和2.61%。【结论】提出的基于人体时空骨架特征的图卷积行为识别算法是有效实用的。