取水监测数据的奇异值识别与修正策略

提高水资源监测数据的真实性与完备性是国家水资源监控能力建设的重要内容.本文基于当前国家水资源监控数据的实际统计状况,提出采用小波变换模极大值的方法实现对取用水监测数据的降噪和奇异值的挖掘,并将辨识出的奇异值进行剔除处理后的监测数据序列作为粒子群-最小二乘支持向量机模型的训练样本,进而根据拟合函数对奇异值进行修正的策略.通过对重点取用水户的取用水监测数据进行实证研究结果发现,利用小波变换模极大值可较大限度地保留取用水监测数据的原始信息,并实现对其中变动幅度偏大数据的分离,可有效降噪并观测取用水监测数据的内在变化规律;同时借助相对误差可进一步挖掘监测数据中存在的奇异值,且辨识效果要好于传统统计方法;而粒子群-最小二乘支持向量机模型对取用水监测数据的样本拟合要比普通最小二乘支持向量机、曲线拟合等方法更为有效,运用该方法修正的取用水监测数据奇异值更加符合实际取用水需求的特点.     

小方坯结晶器水温水速对传热过程影响

通过建立结晶器内钢液和水的二维对流-传热耦合模型过程,研究了小方坯结晶器冷却水入口温度和流速对铜管温度和结晶器内平均热流的影响.该模型使用Fluent进行求解,模拟了钢液和冷却水的流动和传热,凝固坯壳的生长,以及热量以辐射和导热两种通过保护渣和气隙.通过将坯壳厚度和铜管温度与其他研究的结果进行对比来验证模型准确性.研究结果表明,结晶器冷却水的温度显著影响铜管的冷面温度,水温超过313K会导致铜管冷面最高温度超过水的沸点.水流速升高0.49 m·s-1能够消除水温升高4K带来的不利影响.     

航空铝合金板抗鸟撞击性能的数值模拟研究*

利用ANSYS AUTODYN软件建立不同弹体以不同速度撞击不同靶体的仿真模型,模拟鸟撞击航空器整个过程,并利用实验验证模型的有效性,分析各种撞击条件下的弹体撞击靶体时靶体的损伤情况,得到靶体材料的性能、鸟弹的撞击速度和质量对靶体损伤特性的影响。仿真结果表明:靶体材料特性对靶体损伤会产生影响,靶体材料的屈服强度和抗拉强度越大,靶体在撞击过程中的变形就越小,鼓包的高度也越小。而鸟弹的速度和质量也会显著影响靶体受损情况,随着鸟弹速度和质量的增加,靶体鼓包的深度也会不断增加直至靶体产生撕裂破坏。     

风险投资对创业板科技企业创新效率的影响分析

随着我国创新驱动发展战略的深入实施，风险投资对于科技企业创新的推动作用日益重要。本文以风险投资对创业板科技企业创新效率的影响为出发点，对创业板上的科技企业进行实证研究，在建立创新效率评价指标体系的基础上，从风险投资对科技企业创新的影响，到风险投资特征对科技企业创新效率的影响逐步展开分析。研究发现，风险投资介入不仅促进科技企业创新，而且风投联合投资数量、持股比例、机构声誉及资本背景特征会通过影响企业的偿债、盈利及发展能力来影响科技企业创新效率。最后，根据实证结论提出了促进科技企业创新效率些许建议。     

欧洲近代史学与傅斯年的学术思想

欧洲近代史学作为一种舶来品,对于中国史学从传统走向现代,起到了至为重要的推动作用。在欧洲近代史学东传的过程中,傅斯年穿针引线,对欧洲近代史学的引介不遗余力,贡献尤著。尤其是,他对巴克尔史学的借鉴、兰克治史理念的宣扬,以及德国"种族-文化"观念的运用,不仅成为其取得重要史学成就的学术渊源,而且为转型期的中国史学创辟了一条新路径。同时,欧洲近代史学经由傅斯年输入国内,开阔了中国学者的国际视野,为中国史学走向世界,取得国际学术话语权奠定了基础。     

一种稳健的多主瓣干扰抑制方法

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。     

石化工业区中等挥发性有机物排放特征

选择典型石化工业区为研究对象,采集夏季(2021年7—8月)厂区空气IVOCs颗粒相及气相样品,探讨石化工业源排放IVOCs的污染特征,并估算其SOA生成潜势,得到如下结果。1)典型石化工业区的IVOCs颗粒相的平均浓度为4.22±1.54μg/m³,气相的平均浓度为108.87±78.93μg/m³。不论是在气相中还是在颗粒相中,IVOCs白天的平均浓度均高于夜间。2)气相的正构烷烃集中在C₁₂～C₂₂区间,而颗粒相的正构烷烃集中在C₂₂～C₃₅区间。多环芳烃气相集中在萘和菲,颗粒相集中在芴。3)对石化工业区的IVOCs进行定量拆解,其浓度集中在B₁₈～B₂₁区间,4个分区的质量浓度加和占总体IVOCs质量的60.41%。     

HLMGAN:分层学习的多奖励文本生成对抗网络

文本生成是自然语言处理的一项重要任务. 针对生成的文本大多缺乏多样性，且当生成文本过长时，文本生成的质量会有明显下降的问题，提出了一种采用Sentences and Words（SW）奖励机制的传递向量文本生成对抗网络. 首先，为生成器提出了层次结构设计，包括传递特征向量训练模块和生成向量训练模块，同时传递判别模型中真实文本特征向量给生成器的传递特征向量训练模块，由此来提高长文本生成的准确率，生成向量训练模块接收其生成词序列；然后，在训练过程中，使用关系存储核心代替传统的长短期记忆循环神经网络模型作为生成器，提高了模型的表达能力和捕获信息的能力；最后，采用SW奖励机制提高文本生成的多样性. 实验结果表明，分层学习的多奖励文本生成对抗网络（Generation Adversarial Network Based on Hierarchical Learning with Multi-reward Text，HLMGAN）模型在合成数据负对数似然度和双语互译质量评估辅助工具指标中均有所提升.