非线性广义相关系数的抽样分布、假设检验及其R语言实现

完善广义相关系数理论体系,为实际工作提供一套完整的理论体系。采用构造综合指标,借助于一元线性回归模型,对非线性相关性的广义相关系数的抽样分布及假设检验问题进行研究。该广义相关系数服从F分布或t分布,可用F检验或者t检验对其进行与相关系数与0之间的差异显著性检验。并用R语言编写该函数包,便于应用工作者使用,且丰富了R语言中的函数包。     

基于改进的Wasserstein生成对抗网络和深度残差网络的电缆中间接头局部放电缺陷识别

随着“碳达峰、碳中和”目标的明确，我国已有较多风光电场使用铝电缆作为直埋输电电缆，来实现成本的降低和清洁能源的利用。由于铝电缆接头PRPD谱图样本数量有限，导致了训练模式识别的网络识别准确率低、泛化能力差等问题，本文通过设计三种电缆接头典型缺陷，搭建局部放电实验平台，运用改进的Wasserstein生成对抗网络训练样本数据，借以生成更多新的图像数据，进而将生成样本和原始样本同时投入深度残差网络训练，该方法识别准确率达97.82%。与数据扩充前后不同层数深度残差网络和普通卷积神经网络训练的准确率进行比较，证明了该方法能够有效提升基于小样本条件下的识别准确率，对实际工程具有一定指导意义。     

农业大棚应用环境下网络能耗算法的最优化分析

在传感器网络能耗算法基础上,以农业大棚为背景,通过调节传感器的位置与感知半径对一定体积空间内总能耗最优化问题进行分析.利用传感器改变自身半径所消耗的能耗与传感器在不同半径通信时所消耗的能耗之和来计算总能耗,结合不同传感器个数及不同通信半径情况,分析不同大棚体积内节点能耗的最优化问题.通过对不同传感器节点情况下的分析、对比,证明该算法在不同体积农业大棚环境下,很好地解决能耗消耗问题.     

植物与矿物绝缘油热故障产气差异性分析

为研究不同种类绝缘油在热故障下油中溶解气体差异,对山茶籽绝缘油、FR3绝缘油、25#矿物绝缘油及油纸绝缘体系进行了90～250℃及300～800℃模拟变压器热故障试验,使用色谱法分析了热故障下油中溶解气体,得到相应气体组分、百分含量同热故障温度的对应关系。实验表明,热故障下山茶籽绝缘油的主要溶解气体为H₂与C₂H₆,FR3绝缘油为C₂H₆;矿物绝缘油低温（<300℃）热故障下为H₂与CH₄,中、高温（≥300℃）热故障下为CH₄与C₂H₄。植物绝缘油与矿物绝缘油热故障特征气体的差异表明,在变压器故障诊断中应根据绝缘油类型建立适用的油中溶解气体分析方法。     

见“维”知著“鉴”往知来——造纸研究专家王菊华先生学术成就综述

 王菊华先生是中国著名的造纸研究专家。以王先生在造纸领域公开发表的几十篇论文及其主编的两部专著——《中国造纸原料纤维特性及显微图谱》和《中国古代造纸工程技术史》为基础，结合对王先生的多次访谈，综述了王先生参加工作以来，在造纸原料特性及工艺、造纸起源相关学术问题及古纸分析等方面所取得的成果；由王先生主持研发并不断改进的造纸纤维测量仪，在造纸、文博等领域持续发挥着重要作用。     

理想·现实·坚守——mRNA疫苗先驱卡塔琳·卡里科的科研之路

 以mRNA疫苗为代表的第三代疫苗技术在抗击新型冠状病毒肺炎的过程中发挥了巨大作用。卡塔琳·卡里科和德鲁·魏斯曼合作开发的利用假尿苷及其类似物修饰mRNA的技术是mRNA疫苗成功研制的关键基础。通过回顾该技术的主要开拓者卡塔琳·卡里科的科研历程和新冠mRNA疫苗的研发工作，提出了相关的思考和启示。卡里科的成功与其在困境面前坚定信念，持之以恒地踏实从事基础研究的精神品质是密不可分的，启发学界与社会要进一步关注基础研究在推动源头性创新上的关键作用。     

麦芽糖淀粉酶CDS 1-3在淀粉糖化过程中的作用分析

为探究多糖相互作用对淀粉糖化速率的影响，本研究使用较传统麦芽糖淀粉酶更具支链淀粉水解能力的麦芽糖淀粉酶CDS 1-3，将其与α-淀粉酶及糖化酶协同进行淀粉糖化，并对糖化液进行还原糖测定以及高效液相色谱分析。结果表明：反应到30 min时，CDS 1-3作用效果最明显，相比于Control组，CDS 1-3组糖化液的葡萄糖当量(Dextrose Equivalent,DE)值提高了4.51%。随着反应的进行，DE值提高速率降低。反应到60 min时，DE值提高了1.17%；反应到90 min时，DE值提高了2.12%。高效液相色谱结果显示，在整个反应过程中，CDS 1-3组葡萄糖和麦芽糖的产量始终高于Control组，说明CDS 1-3可有效加快木薯淀粉糖化速率，可应用于淀粉工业中。     

基于数据增强技术与CNN-BiLSTM-Attention的油田注水流量预测及效果

准确识别地层注水情况是油田开发的重要前提，对制定合理的注水发展规划也具有重要的指导意义。为准确预测注水，提出一种结合卷积神经网络、双向长短期记忆网络与注意力机制的油田注水流量预测方法，该方法首先将卷积神经网络(convolutional neural network，CNN)和双向长短期记忆网络(bidirection long short-term memory，BiLSTM)进行联合，用于捕获注水流量的复杂非线性时空关系，然后采用注意力机制来关注输入的重要特征。并针对油田历史数据匮乏问题，提出使用数据增强技术来增加一维时间序列的数据量。采用国内某油田注水井真实历史注水数据进行实验，研究结果表明，本研究中提出的CNN-BiLSTM-Attention预测模型的平均绝对误差(Mmean absolute error，MAE)、均方根误差(root mean square errorRoot Mean Square Error, RMSE)、平均绝对百分比误差(mean absolute percentage errorMean Absolute Percentage Error，MAPE)和决定系数(Ccoefficient of Ddetermination，R2)MAE、RMSE、MAPE 和R2 分别为0.027、0.043、9.936和0.968，通过多种模型对比，表明该方法具有较高的预测精度，可以更准确地预测注水流量。此外，研究还证实，采用数据增强技术可以有效提高模型的预测精度。研究成果可为油田精细化注水提供调整方案与高质量数据，从而为油田智能化开发提供理论依据。     

基于自由变形技术的海上风电安装船减阻优化

通过提高海上风电安装船的快速性，可大大缩短海上风电项目的投入周期.如何在装载量不变甚至增大的情况下减小其航行阻力，是亟待解决的一个重点问题.基于自由变形(FFD)技术及计算流体力学(CFD)方法，对目标船型艉部型线进行优化，通过建立设计变量与总阻力的BP神经网络(BPNN)模型，清晰地展现出变量的相关关系，得出了阻力性能优良的船体艉部形状及型线设计方案.通过CFD方法对优化船型进行数值仿真，验证了优化流程的正确性及优化结果的可靠性，为风电安装船的全船型线优化提供了经验与技术支持.     

基于聚类离散化的Dep-Miner函数依赖发现方法

针对已有函数依赖发现方法直接应用于连续型数据时，易导致依赖关系挖掘失败的问题，该文基于已有Dep-Miner方法，提出基于等间隔离散化的Dep-Miner(ED-Dep-Miner)和基于聚类离散化的Dep-Miner(CD-Dep-Miner)函数依赖发现方法。通过数据离散化，将指标的连续型数据合理地转变为类别数据。实现基于类别数据的函数依赖发现，提升函数依赖发现能力。同时，对Dep-Miner中的部分定理给出了基于反证法和枚举法的通俗化证明。该文将提出的ED-Dep-Miner和CD-Dep-Miner与不带有任何离散化操作的原始Tane和Dep-Miner进行了实验对比。实验结果表明，该文的ED-Dep-Miner和CD-Dep-Miner方法将原始连续型数据转化为离散型分类，挖掘出了更多潜在的函数依赖关系。同时，CD-Dep-Miner的性能要优于ED-Dep-Miner,解决了等间隔离散化存在的边界值问题。