充填体强度影响因素及组合预测模型

水灰比、堆积密实度和比表面积是充填体强度的重要影响因素，但有关各因素对强度影响显著性的研究较少，为此通过3因素5水平正交试验，分别对龄期为3d，7d和28d的试块开展单轴抗压强度试验.对试验结果进行方差分析，获得不同龄期各因素F统计值比(水灰比∶堆积密实度∶比表面积):3d为698.404∶26.148∶0.910，7d为862.626∶35.465∶1.286，28d为1585.404∶31.695∶1.338.分析各因素F统计值和P值，确定因素显著性大小关系为:水灰比>比表面积>堆积密实度;水灰比和比表面积为主要影响因素，堆积密实度为次要因素，所以控制水灰比可以有效控制充填体强度.绘制各因素水平趋势图，以最有利于充填体抗压强度原则确定最优组合为水灰比1.2，比表面积410m²/kg，堆积密实度0.6%.改变最优配比中水灰比值，开展30组不同水灰比的3d，7d和28d试块的抗压强度试验.以试验强度为原始数据，结合灰色预测、模糊分类和马尔可夫理论，建立3d，7d和28d试块强度组合预测模型；分析实测值与GM(1，2)模型、曲线回归模型和组合模型预测平均相对残差，结果表明，组合模型较其他模型具有较高的精度和稳定性.     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

一种HEVC样点自适应补偿快速算法

为解决高性能视频编码标准H.265/HEVC中引入的样点自适应补偿技术的计算复杂度极高导致严重影响编码效率的问题,提出一种HEVC样点自适应补偿快速算法.首先根据编码单元(coding unit, CU)的划分深度确定亮度树形编码块(coding tree block, CTB)中需要提取边缘方向的区域,然后利用边缘方向提取算法获得亮度CTB的边缘方向列表,并根据此列表减少亮度CTB在模式判别过程中遍历的模式数量,最后利用亮度和色度CTB之间的相关性进一步简化色度CTB的模式判别过程.实验结果表明,在性能损失较小的情况下,本算法可以在全I帧(AI)、随机访问(RA)、低延时B帧(LB)、低延时P帧(LP)四种配置下分别节省31.75%、 56.85%、 52.81%、 51.51%的样点自适应补偿编码时间.     

基于深度神经网络的高环境 适应性水声通信系统研究

深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性.     

供给侧结构性改革下海归高管与企业创新——来自公司并购的证据

海归人才能否在我国供给侧结构性改革中发挥积极作用是连接我国人才引进与经济转型发展战略的重要议题。从海归高管角度切入，以供给侧结构性改革中企业并购重组活动为观测场景，实证考察海归高管对公司创新的影响。结果发现，海归高管显著提升重组公司专利创新，海归高管指标一单位标差的增加将使不同类型专利创新提高4%~5.8%。在公司并购前引入海归高管、引入海外学习经历的海归高管、在多元化并购中引入海归高管能够更好地提升重组公司专利创新，在国有企业以及金融发展水平区域中引入海归高管能够提升并购公司发明专利创新。机制研究表明：海归高管能通过提升企业风险承担水平、风险容忍度以及缓解融资约束等渠道促进公司发明专利创新。本研究揭示海归高管的风险承担偏好及控制能力有助于促进企业创新驱动转型发展。为我国供给侧结构性改革下如何更好地推动企业高质量发展提供重要启示。     

吸附溶出伏安法检测吸毒人员尿液中吗啡

吗啡既是临床用镇痛剂，也是公认的毒品.为实现对尿液中吗啡的快速、简单、高灵敏度与高选择性检测，将多壁碳纳米管羧基化处理后，直接滴涂于打磨并表征过的玻碳电极表面，制备得到了羧基化多壁碳纳米管修饰玻碳电极(MWNTs-COOH/GCE)，并采用差分脉冲吸附溶出伏安法(ASDPV)对吗啡(MOP)进行检测.结果表明，在优化了传感器的制备及检测条件(包括MWNTs-COOH的滴涂量以及富集时间、富集电位、缓冲溶液的pH等)后，得到的MWNTs-COOH/GCE检测吗啡的工作曲线回归方程为lg(I/μA)=0.687lg[c/(μmol·L^-1)]-0.068 (r~2=0.992 0)，线性范围为1.0×10^-7～1.0×10^-4 mol/L，检出限为8.0×10^-8 mol/L.在使用尿酸酶除去尿液中的干扰物尿酸后，用该传感器检测实际吸毒人员尿液中吗啡的质量分数，得到的检测结果与高效液相色谱检出结果的相对误差绝对值在4.24%以内.通过t检验法发现在置信度为95%时，两种方法并无显著性差异.     

基于MapReduce模型带准备时间的平行机调度优化

研究了一类基于MapReduce模型的平行机调度问题.每个工件包含Map和Reduce两道加工工序,Map工序可以分割为若干个子任务,并且在多台平行机上同时并行加工,Reduce工序只有在该工件的所有Map工序的子任务加工完成后才能进行,而且Reduce只能在一台机器上加工且不可中断.结合工件具有释放时间和加工准备时间等约束,以最小化最大完工时间为目标,构建了混合整数规划模型,并设计了采用差分变异策略和逐维Levy扰动机制的改进正弦余弦算法来求解该模型.最后,利用数值仿真实验与标准正弦余弦算法及遗传算法进行对比,实验结果表明,运用改进正弦余弦算法求解的结果与下界值的平均相对偏差GAP为3.02%,较标准正弦余弦算法以及遗传算法的效果提升显著,显示了该改进算法的有效性.     

基于功能化的纳米锐钛矿TiO2膜修饰电极的乌药醚内酯电化学传感器及其应用研究

将功能化的纳米锐钛矿TiO_2(介笼结构)修饰电极作为乌药醚内酯电化学传感器的氧化还原探针,实现电化学方法检测乌药醚内酯。实验优化了电极修饰液用量、支持电解质和仪器参数等条件。在最优化的条件下,乌药醚内酯的线性范围为0.1～20μg/mL,检测限为0.058μg/m L。将所建立的电化学新方法应用于乌药中乌药醚内酯类的含量测定及药材真伪的鉴定,测得其平均含量为0.303 mg/g,并实现乌药与其伪品荆三棱药材的快速鉴别。     

基于免疫粒子群优化的移动Sink路径规划算法

为了减少能量空洞和延长网络生命周期，在无线传感网中采用移动 Sink 的方式收集节点采集的数据是解决能 量效率问题的有效措施．采集路径的规划问题类似于旅行商问题，无法得到多项式时间的解．提出了将人工免疫算法和粒子群算法相结合，针对移动 sink 数据收集的路径规划问题寻求近似最优解，仿真结果表明: 与其他算法进行性能比较，所提出的优化算法能够有效减少能耗和缩短遍历路径．     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.