基于IOWC-GOWA算子及相对熵的区间型组合预测模型

针对用区间型数据描述不确定现象的组合预测问题,为了提高区间型数据的预测精度,首先采用诱导有序加权连续区间的广义有序加权平均(IOWC-GOWA)算子将区间数集结为实数;然后对集结后的实数进行标准化处理;最后从信息论的角度引入相对熵作为最优准则,提出了基于IOWC-GOWA算子及相对熵的区间型组合预测模型;另外,通过实例分析了该组合预测模型的合理性和有效性;结果表明:该组合预测模型可以有效地提高区间型数据的预测精度,即该模型是合理有效的,并且,参数λ和BUM函数的选取会对模型的预测精度产生一定的影响。     

对二组分混溶的非理想溶液的蒸气压曲线偏差一致性的认识

除个别体系,如乙醚-苯胺、乙醚-苯甲酸乙酯等以外,二组分体系对拉乌尔定律的偏差总是当一组分在某一组成X_A时产生了正偏差,而另一组分在相应的组成也是正偏差;如一组分在X_A时产生了负偏差,另一组分也是负偏差,这种现象称为偏差的一致性。这种规律的现象说明必有其内在因素。Dolezalek在1908—1921年之间对这种现象做过一些解释,归纳为Dolezalek理论。有人通过数学证明作为其理论的基础和补充,借助了Duhem-Margules公式:     

海上风电施工

<正>风电作为绿色可再生能源,取之不尽、用之不竭,是一种极为重要、有效的替代能源,有助于缓解我国目前优质能源供应不足的现状,减轻能源进口的压力。相比于陆上风电,海上风力发电具有广阔的空间,占地资源少,且风力和风能密度更大,风机单机容量也显著提高,并靠近电力负荷中心,免去了长距离输送的麻烦,更具发展潜力。我公司参加了2010年国内首批海上风电特许权招投标,并长期跟踪国内某电力集团位于沿海某省的150MW海上风电示范场工程。依据工程现场以及我公司自有资源情况,总结研究出了一套完整的海     

蜂胶提取方法研究进展

本文介绍了醇溶法、超高压提取法、超声波提取法、微波一超声波提取法、临界CO。流体萃取法等多种方法在蜂胶提取加工中的应用,并对各种加工技术在蜂胶提取加工中的应用前景进行了展望。     

直接耦合式微波等离子体CVD金刚石膜装置的研究

利用实验室自行设计了直接耦合式微波等离子体化学气相沉积(Chemical Vapor Deposition,CVD)金刚石膜装置,并在石英管反应腔加上磁镜场来更好的约束等离子体,使等离子体球成为"碟盘"状,使沉积面积大、性能稳定、减少在石英管壁和观察窗的沉积,从而有效的提高电离的活性基团利用率,沉积出高质量的(类)金刚石膜.     

烟台市地质环境质量综合评价与优化利用研究

在烟台市地质环境特点分析的基础上,研究了地质环境质量评价的原则,确定了反映地质环境质量的3个一级评价指标,14个二级评价指标,将评价区域划分为2224个2.5×2.5km2评价单元,利用神经网络的BP模型,对烟台市的地质环境质量进行评价与分区,对烟台市地质环境的优化利用也提出了建议.     

煤矿水灾事故的安全管理原因分析与预防

我国是世界上受水灾威胁最严重的国家之一[1-2],水灾事故发生的严重程度逐渐增加,呈现重特大事故高发的特点.水灾事故的预防是我国煤矿当前安全工作的重点之一,本文将从水灾事故的安全管理原因提出分析并给出预防建议.     

基于有限元逆向优化法识别22Mn B5板硬化模型参数

在车辆碰撞过程的数值模拟仿真中,硬化模型的类型及其表征精度对于分析结果的精度有着直接影响.为了更加科学地选取最优硬化模型并得到其精确参数,本文采用有限元模拟软件与优化软件相结合的有限元逆向优化方法,同时结合热成形22Mn B5高强钢板在不同变形速率下的单向拉伸试验,对Swift、Voce以及Hockeet/Sherby三种硬化模型自动进行参数识别优化,得到了不同应变速率下的最优硬化模型及其相关参数;根据优化得到的硬化模型参数,建立起了不同应变速率下表征材料变形的仿真卡片,用于有限元软件标定22Mn B5高强钢在各个应变速率下的应力-应变曲线以便应用于模拟仿真;结合数字图像相关(DIC)方法对试验数据与优化得到的模拟结果进行对标,发现22MnB5高强钢在硬化阶段的应力值逐渐趋向于某一定值,饱和类的硬化模型对其变形行为的表征精度更高.通过对单向拉伸试验过程的位移-载荷与局部应力-应变进行模拟和对标,发现Hockeet/Sherby硬化模型在各个应变速率下的表征精度均为最高.另外,设计了R5缺口、R20缺口、纯剪以及拉剪4种工况下的拉伸试验,并对所建立的材料卡片进行仿真验证,均得到很好的对标效果.结果表明,所建立的热成形22Mn B5高强钢材料卡片适用性良好,采用有限元逆向优化方法确定硬化模型参数的方法精度高且方便可行.     

基于CenterNet的多教师联合知识蒸馏

介绍了一种基于轻量化CenterNet的多教师联合知识蒸馏方案。所提方案能有效解决模型轻量化带来的性能恶化问题,可以显著缩小教师模型和学生模型之间的性能差距。将大规模复杂模型作为教师模型,指导训练轻量化学生模型。相比于模型的传统训练方案,使用所提知识蒸馏训练方案可以在相同的训练轮数后使轻量化模型达到更优的检测性能。主要贡献是提出了适用于CenterNet目标检测网络的新型知识蒸馏训练方案——多教师联合知识蒸馏。在后续实验中,进一步引入了蒸馏注意力机制,从而优化了多教师联合知识蒸馏的训练效果。在VOC2007数据集(Visual Object Classes 2007 Dataset)上,以MobileNetV2轻量化网络作为主干网络为例,相较于传统的CenterNet(主干网络为ResNet50),所提方案在参数量指标上压缩了74.7%,推理速度提升了70.5%,在平均精度上只有1.99的降低,取得了更好的“性能-速度”平衡。实验证明,同样经过100轮训练,使用多教师联合知识蒸馏训练方案的轻量化模型相较于普通训练方案,平均精度提升了11.30。