中国沉积岩容矿铅锌矿床中的关键金属

沉积岩容矿铅锌矿床主要包括碎屑岩赋矿(clastic-dominated, CD)矿床和密西西比河谷型(Mississippi-Valley type, MVT)矿床两种,它是世界上Cd、Ga、Ge等关键金属的重要来源,并具有In、Co、Tl的资源潜力.中国沉积岩容矿铅锌矿床主要分布在5个成矿区/带,提供了全国54%的铅锌用量,但其伴生关键金属的资源潜力和成矿机制尚不清楚.本文在综述沉积岩容矿铅锌矿床中伴生的主要关键金属和中国沉积岩容矿铅锌矿床的基础上,详细总结了中国沉积岩容矿铅锌矿床中关键金属的分布特征和富集机制.各类关键金属元素在中国沉积岩容矿铅锌矿床中分布不均,相对地壳丰度, Cd、Ge、In最为富集, Tl、Co有一定富集, Ga的富集程度较低;从矿床类型上来看, Cd、Ga、Ge、Tl在中国MVT矿床中相对富集, In、Co在CD矿床中相对富集;从区域分布上来看,不同元素的富集区带差异很大,除Cd在5个成矿区/带都有较好富集外,其他金属在三江带、扬子地台、厂坝成矿带出现不同程度富集.总结发现,沉积岩容矿铅锌矿床对所富集关键金属的种类具选择性,而关键金属在该类矿床中的富集程度也...     

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.     

基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题, 依据无人机的实时数据, 构建了基于路径的多层规划模型, 并设计了模型的算法求解流程。使用遗传算法与禁忌搜索混合算法, 得出了任务规划中的最优路径规划, 并在此基础上进行了冲突的消除。通过仿真案例表明, 用无人机协同配合导弹部队作战, 实时传输作战数据, 能够解决战场信息模糊不确定的问题; 使用多层规划模型能够为导弹多波次规划作战的路径进行科学的决策和选择。利用遗传算法和禁忌搜索混合算法, 能够避免局部最优导致无法输出结果的现象。     

Short-range clutter suppression method combining oblique projection and interpolation in airborne CFA radar

The airborne conformal array(CFA)radar's clutter ridges are range-modulated,which result in a bias in the estimation of the clutter covariance matrix(CCM)of the cell under test(CUT),further,reducing the clutter suppression performance of the airborne CFA radar.The clutter ridges can be effectively compensated by the space-time separation interpolation(STSINT)method,which costs less computation than the space-time interpolation(STINT)method,but the performance of interpolation algorithms is seriously affected by the short-range clutter,especially near the platform height.Location distributions of CFA are free,which yields serious impact that range spaces of steering vector matrices are non-orthogonal complement and even no longer disjoint.Further,a new method is proposed that the shortrange clutter is pre-processed by oblique projection with the intersected range spaces(OPIRS),and then clutter data after being pre-processed are compensated to the desired range bin through the STSINT method.The OPIRS also has good compatibility and can be used in combination with many existing methods.At the same time,oblique projectors of OPIRS can be obtained in advance,so the proposed method has almost the same computational load as the traditional compensation method.In addition,the proposed method can perform well when the channel error exists.Computer simulation results verify the effectiveness of the proposed method.     

海上动态目标潜在区域博弈预测及搜索方法

针对遥感卫星对海上动态目标搜索定位的应用需求, 提出海上动态目标潜在区域博弈预测及搜索方法。通过非对称信息假设将动态博弈转化为静态博弈, 简化策略函数以提高算法效率。以收益为指标设计博弈策略, 使算法更贴近实际应用, 并将目标潜在区域预测算法和卫星搜索规划算法转化为纳什均衡下的最优策略求解问题。引入目的地信息, 将目标位置预测的时间跨度从数小时增加到数天。实验结果显示, 该搜索方法在保证了较高目标捕获率的同时, 降低了遥感卫星星座的资源消耗。该搜索方法在海上动态目标搜索领域具有潜在应用价值。     

基于码头闸口数据的集卡周转时间短时预测方法

为给车辆调度优化以及集卡预约系统设计提供重要参考,利用所采集的深圳市某港口的码头闸口数据,建立一种基于数据挖掘的集卡周转时间短时预测方法.首先,通过对码头闸口数据进行分析,获取车辆到达时间分布、任务类型、作业方式等集卡作业特征以及集卡在码头内的周转时间;在此基础上,利用循环神经网络并结合训练集数据,建立集卡作业特征与其周转时间之间的映射关系.其次,为减少随机波动对周转时间预测效果的影响,利用小波分解算法对循环神经网络拟合结果的残差进行高频噪声分离,并通过自回归模型拟合过滤后的低频序列.最后,将拟合后的循环神经网络与自回归模型进行结合,建立一种支持集卡周转时间短时预测的组合模型,并利用测试集数据进行有效性验证.结果 表明,相比单一的循环神经网络,该组合模型可以大幅提升预测精度.     

磺酸化CNTs在钙钛矿太阳能电池电极中的应用

为解决钙钛矿太阳能电池(perovskite solar cells,PSCs)中采用贵金属作为对电极(counter electrode,CE)而导致的成本高昂问题,对碳纳米管(CNTs)进行磺酸化处理,并将磺酸化CNTs(s-CNTs)作为对电极材料应用到PSCs中.利用稳态荧光(PL)、电化学阻抗(EI)等方法对PSCs的电荷传输过程进行研究,结果如下:与CNTs对电极相比,s-CNTs对电极具有更好的导电性、更优异的空穴提取和传输能力,在s-CNTs基PSC上获得6.18％的能量转换效率.当喷涂量为1 mL/块,退火温度为100℃,退火时间为30 min时,s-CNTs基PSC的各项性能最优,并具有较好的重复性.研究结果为改善碳基PSCs的光电性能提供了新思路.     

水浸与周期荷载耦合下CFRP锚固系统的耐久性分析

借助光纤布拉格光栅(FBG)传感器,在不同浸润时间下,对碳纤维复合材料(CFRP)锚固结构进行周期荷载实验,探究水浸与周期荷载下CFRP锚固结构的耐久性.试验结果表明:随着循环次数的增加,环氧体塑性变形减小,并趋于稳定;水浸与周期荷载作用下,锚具内CFRP筋发生变形,但无脱锚现象发生;CFRP筋与环氧体界面受水浸环境影响小,筋材表面无腐蚀.     

SAR image de-noising via grouping-based PCA and guided filter

A novel synthetic aperture radar(SAR)image de-noising method based on the local pixel grouping(LPG)principal component analysis(PCA)and guided filter is proposed.This method contains two steps.In the first step,we process the noisy image by coarse filters,which can suppress the speckle effectively.The original SAR image is transformed into the additive noise model by logarithmic transform with deviation correction.Then,we use the pixel and its nearest neighbors as a vector to select training samples from the local window by LPG based on the block similar matching.The LPG method ensures that only the similar sample patches are used in the local statistical calculation of PCA transform estimation,so that the local features of the image can be well preserved after coefficients shrinkage in the PCA domain.In the second step,we do the guided filtering which can effectively eliminate small artifacts left over from the coarse filtering.Experimental results of simulated and real SAR images show that the proposed method outstrips the state-of-the-art image de-noising methods in the peak signalto-noise ratio(PSNR),the structural similarity(SSIM)index and the equivalent number of looks(ENLs),and is of perceived image quality.     

分布式声传感器井中背景噪声统计特性分析

分布式声传感器技术(DAS: Distributed Acoustic Sensor)是一种新近提出的高精度勘探数据采集方法,受制于复杂背景噪声的影响,DAS记录处理水平有待进一步提高.针对上述问题,采用基于替代序列的时间序列平稳性检验方法和Lilliefors检验法对DAS记录中复杂背景噪声的平稳性和高斯性进行研究.用以分析的实际地震数据是按照勘探工业要求采集的井中DAS记录.研究结果表明,DAS背景噪声是非平稳、非高斯随机过程且噪声特性随记录时长发生变化.相关研究成果实现了针对DAS背景噪声特性的可靠认知,对提高DAS记录处理水平具有重要参考价值.