基于垂直管道内重油-水两相流动型态的持水率和压降预测模型

针对重油井筒举升流动规律认识不清的问题，本文采用高黏（584.24 cp，1.889 g/cm3）重油作为研究对象，研究重油-水在上升管中的流动特性，得到了五种重油-水两相流动型态。结果表明与轻油-水流动不同，重油-水流动过程中未发生相转化，该现象与表面能方程的预测结果相似。通过持水率测量得到重油-水两相的滑移效应随油水混合流速降低或持水率增加而变得更加明显，基于漂移流模型和动量守恒方程推导得到五种流态下重油-水两相流的持水率预测模型，相对误差率在20%以内。总压降梯度在低持水率时以重力压力梯度为主，高混合流速和高持水率时以摩擦压力梯度为主。采用基于Bannwart模型建立的重油-水中心环状流压降预测模型，误差率在30%以内，为进一步提高重油井筒举升流动参数的预测精度提供了理论基础。     

基于正弦注意力表征网络的环境声音识别

将正弦注意力表征网络引入环境声音识别，首先提取梅尔频率倒谱系数（Melfrequency cepstral coefficient，MFCC）作为音频识别特征，使用门控循环单元提取MFCC每一帧的特征，根据正弦函数激活每一帧音频得分，并依照每一帧的音频得分为音频重新分配权重，从而将注意力集中在音频重点区域。最后结合全连接层和Softmax分类器对环境声音类别进行判别。实验在公开数据集Urban Sound 8K上验证并与其他模型对比，结果表明所提出模型效果最好，在数据集上的识别率高达93.5%。     

不同空间插值方法对某灌区地下水氮浓度分析结果的影响

为了验证并推荐合理、可靠的地下水氮浓度数据空间插值方法,本文基于ArcGIS的地统计向导中的各种空间插值方法对中国东北某灌区地下水三氮浓度数据进行空间插值,分析不同插值方法在地下水氮浓度分析中的可行性和优、缺点.结果显示当地下水氮浓度测量数据较好地符合正态分布规律时,各种空间插值方法的预测精度均较高;当数据空间变异性较大、不够符合正态分布规律时,经验贝叶斯克里金法可以得到精度更高的插值结果.     

基于多时相高分一号影像的土壤湿度反演

近年来使用国产光学遥感数据反演土壤湿度已成为业内研究热点,其中利用高分一号(GF-1)影像反演土壤湿度是一种潜在的新兴手段,但应用中模型参数需要根据地域调节.为提高GF-1反演土壤湿度的准确度,将豹澥试验区2019年12月至2020年6月的GF-1多光谱宽幅覆盖(WFV)影像和地面观测站点实测数据作为数据源,以垂直干旱指数(PDI)、基于归一化植被指数(NDVI)的修正型垂直干旱指数(MPDIN)、基于两波段增强型植被指数(EVI2)的修正型垂直干旱指数(MPDIE)以及植被调整垂直干旱指数(VAPDI)这四种干旱指数为基准建立土壤湿度反演模型并进行精度评估.实验结果表明:在无植被区域,四种模型的反演结果大致相同,决定系数均在0.7350左右、平均相对误差均在4.50％左右、均方根误差均在1.10％左右,具有较高的精度;在有植被区域,VAPDI的反演效果最优,MPDIN与MPDIE次之,PDI效果不佳.与PDI相比,VAPDI由于考虑了混合像元的影响,不仅适用于稀疏植被区域,也适用于密集植被区域,应用范围更广;与基于两种不同植被指数的MPDI相比,VAPDI由于克服了植被覆盖度和植被像元反射率等因素的影响,基于该指数的土壤湿度估计值与实测值的决定系数达到0.7277以上,具有较高的反演能力.因此,针对豹澥试验区的实际情况,VAPDI指数具有精确反演土壤湿度的潜力.     

DNA感受器AIM2在心血管疾病中的研究

黑色素瘤缺乏因子(absent in melanoma 2, AIM2)，是PYHIN(含pyrin和HIN结构域蛋白质)家族的一员，在感应双链DNA(dsDNA)和组装AIM2炎症小体方面发挥重要作用。AIM2炎症小体，具有促炎症和促焦亡特性，与心血管疾病的发生发展密切相关，可在动脉粥样硬化斑块、主动脉瘤壁和受损心肌中被激活，且激活受到多种因素的严格调控。文章总结了AIM2的最新研究进展，介绍不同因素对AIM2炎症小体激活的机制和作用。此外，还探讨了AIM2与动脉粥样硬化、主动脉瘤、心肌梗死和心力衰竭病理之间的相互影响，为更好地理解AIM2在心血管疾病中的病理作用、开发新治疗方法助力。     

以松木和枇杷为模板低温烧结制备木材陶瓷

以松木和枇杷为模板,炭化后浸渍聚碳硅烷(PCS溶液),在低温下烧结制备出木材陶瓷,并分析了PCS浓度对其烧结制品重量、线收缩率、体积密度和微观形貌的影响。结果表明采用松木和枇杷为模板,浸渍PCS有机溶液,能够在1000℃低温下烧结出具有原始生物形貌的木材陶瓷。     

面向初等数学的知识点关系提取研究

随着互联网技术的发展,在线教育已经改变了学生的学习方式.但由于缺乏完整的知识体系,在线教育存在着智能化程度低和"信息迷航"的问题.因此,构建知识体系成为在线教育平台的核心技术.知识点间的关系提取是知识体系构建的主要任务之一,目前比较高效的关系提取算法主要是监督式的.但是这类方法受限于文本质量低、语料稀缺、标签数据难获取、特征工程效率低、难以提取有向关系等挑战.为此,基于百科语料和远程监督思想,研究了知识点间的关系提取算法.提出了基于关系表示的注意力机制,该方法能够提取知识点间的有向关系信息.结合了GCN和LSTM的优势,提出了GCLSTM,该模型更好地提取了句子中的多点信息.基于Transformer架构和关系表示的注意力机制,提出了适用于有向关系提取的BTRE模型,降低了模型的复杂度.设计并实现了知识点关系提取系统.通过设计3组对比实验,验证了模型的性能和效率.     

基于FP-growth算法的高寒草地退化因素关联度分析

为探讨多因素组合作用下青海省高寒草地退化的情况,量化并挖掘多因素集与青海省草地退化之间的关联关系,文中以高寒草地为研究对象,通过收集2005—2014年青海省气象数据、社会经济等各方面的数据并进行分级,以草地NDVI指数为退化评价指标,采用FP-growth算法来分析高寒草地植被覆盖退化与影响因子之间的关联性,经过置信度筛选得到以下结果:影响青海省高寒草地退化的影响因素集为[G4,Q1,J2],即当GDP均值在较高水平(157.8亿元～191.76亿元)、气温均值在较低水平(-15.77～-8.94℃)以及降水均值在较低水平(385.18～1 570.80 mm)的同时发生条件下,草地盖度较低,草地容易产生退化的情况。该结果具有较高的置信度,验证了FP-growth算法在草地退化多因素组合研究中的可行性。     

基于刀具磨损状态识别的加工参数多目标优化

在数控铣削过程中,刀具磨损对机床主轴能耗影响很大,同时与刀具加工能力直接相关,需适时调整加工参数以适应不同磨损状态,保证多目标综合最优.针对此问题,基于刀具磨损状态识别,根据不同磨损时期给出相应的加工参数优化策略.首先,以刀具寿命周期内的主轴功率为基础,采用粒子群优化算法(particle swarm optimization,PSO)建立考虑刀具磨损的能耗模型,平均误差低于5%,并基于与刀具磨损的强相关性,以主轴功率作为单一指标识别刀具磨损状态.进一步,为获取影响加工成本的动态性指标——刀具剩余使用寿命(remaining useful life,RUL)及相应的主轴功率,利用人工神经网络(artificial neural network,ANN)建立刀具磨损退化模型,通过描述主轴功率随时间的变化来隐含退化过程,该模型拟合度达0.992.最终,综合考虑能耗、刀具及时间成本,设计多目标优化函数,并通过遗传算法(genetic algorithm,GA)搜索函数最小值,给出不同磨损时期的最优加工参数及优化策略.此加工参数多目标优化融入了主轴功率与刀具RUL等动态指标,可依据主轴功率在线...