关于数字媒介技术下网络文学的现状与未来

在数字媒介技术时代背景下,网络文学得到快速发展,随之带来了对意义深刻的消解和对身体感官快感的追求,致使人们担心文学的前途命运问题。然而,文学作为人的一种基本存在方式,也必然与人的生存相伴,而当下文学发展的真正危机是＂文学性＂的缺失和淡化。要改变现代人精神匮乏的生活状态,就要重新张扬能使人心灵得到慰藉和精神获得超越的＂文学性＂。     

基于SMTE算法和条件生成对抗网络的到港航班延误分类预测

由于航班延误数据集类别分布不均,传统分类器的性能受到一定程度的制约。为了能够对到港航班延误情况进行精准预测,提出了一种基于合成少数类过采样技术算法(synthetic minority oversampling technique, SMOTE)和条件生成对抗网(conditional generative adversarial nets, CGAN)的航班延误预测模型。首先,利用SMOTE算法对原始数据集进行上采样,并融合经过训练的CGAN生成指定样本数据集,缓解原始数据集中某些类别样本量少和数据非平衡等问题;再次,采用XGBoost模型在四种模式训练集上进行训练和超参数寻优;最后,以K近邻、支持向量机和随机森林为基准模型进行性能对比分析。经试验分析,通过分类器在融合样本集的训练,整体上可以在一定程度上提高模型的泛化性,尤其在轻度延误和中度延误类别中提升较为明显,与不采用融合方法比较,宏平均下的Precision、Recall、F1-score值分别提升了0.16、0.29、0.24个百分点。实验结果表明,该方法能够有效地对航班延误非平衡数据进行建模,在保持模型整体性能较高的前提下,能够显著的提升少数类的预测能力,可以为空管、航空公司和机场等提供决策依据。     

雷达间隔下的侧向跑道运行碰撞风险

为有效评估侧向跑道进场的纵向雷达间隔以及离场爬升的垂直雷达间隔,首先,对侧向跑道的运行模式进行分析;其次,考虑加速度误差对位置误差的影响,构建侧向跑道水平面和垂直面的运动状态方程,并基于事件概率思想建立碰撞风险模型,得出最低安全间隔标准的计算方法;最后,以某新机场侧向跑道为例进行算例分析,得到最低安全间隔标准值,以此为侧向跑道的运行提供理论依据。     

番茄红素对糖尿病小鼠血糖的影响

为探讨番茄红素对糖尿病小鼠的降血糖作用,实验采用腹腔注射四氧嘧啶复制糖尿病小鼠模型,随机分为5组:正常对照组、模型对照组、阳性对照组、番茄红素高剂量组(40 mg/kg)及番茄红素低剂量组(20mg/kg);并进行正常小鼠糖耐量实验,即对150只正常小鼠连续灌胃番茄素2周后,以葡萄糖氧化酶法测定其空腹血糖,结果表明:番茄红素对糖尿病小鼠的体重无显著影响,番茄红素高、低剂量组能显著降低糖尿病小鼠空腹血糖值;与模型组相比,番茄红素高、低剂量组对小鼠的糖耐量具有显著的增强作用(P(0.05),其效果随剂量增加而增强。这显示番茄红素对糖尿病小鼠有降血糖作用。     

福建师范大学旗山校区室内空气质量状况监测与分析

2006年12月到2007年4月期间监测了福建师范大学旗山校区多个典型室内空气中甲醛、苯系物(苯、甲苯、二甲苯)和可吸入颗粒物的浓度.监测结果是:甲醛的小时均值范围为6.6～76.5 μg/m3,苯的小时均值范围8.6～33.4 μg/m3,甲苯的小时均值范围8.3～119 μg/m3,仅2006年12月在个别场所检出了二甲苯;图书馆内可吸入颗粒物日均值在80～134 μg/m3之间.所测污染物质量浓度均低于国家室内空气质量标准规定的限值,校区室内空气质量良好.分析了影响室内空气质量的因素,对改善与提高室内空气质量提出了建议.     

基于注意力Seq2Seq模型的终端区航空器航迹预测

为充分挖掘机场终端区航空器航迹时间依赖性,解决中长期、多步长航迹预测精度不稳定的问题,引入注意力机制(Attention Mechanism)和教师监督(Teacher Forcing)中的指数衰减(Exponential Decay)采样方法,提出了一种基于序列到序列框架的机场终端区航迹预测模型(Seq2Seq-Attention Mechanism-Exponential Decay, SAE)。序列到序列框架实现了多步长预测,注意力机制提高解码器预测精度,指数衰减采样方法加速了训练阶段模型收敛,在一定程度上提高了模型的泛化性。最后,为了验证提出方法的有效性,利用天津终端区28架次、90天ADS-B航迹数据构建原始数据集,以平均绝对误差(Mean Squared Error, MAE)和均方根误差(Root Mean Squared Error, RMSE)作为模型性能评价指标,进行了航迹预测实验,实验结果表明：高度、经度和纬度在序列到序列框架中的循环神经网络分别采用LSTM、GRU和LSTM可以获得最好预测性能;以四种预测长度1分钟、3分钟、5分钟和10分钟进行建模,与基线模型中预测性能最好的结果比较,所提出方法在验证集上的高度、经度和纬度指标表现最优,10分钟预测窗口下的平均绝对误差分别降低了66.30%, 54.62%和36.59%,均方根误差分别降低了65.45%, 38.16%和20.57%,同时,上述四种预测时长下所提出方法预测结果的均值和方差最小,表明随着预测时长的增加,模型预测结果的稳定性最好。此外,引入的注意力机制与指数衰减采样方法对有效捕捉航迹时间依赖性、提高模型泛化性均具有积极的贡献.     

考虑目的地机场繁忙程度的航班时刻优化

为研究考虑目的地机场繁忙程度的航班时刻优化问题，建立了目的地机场繁忙程度矩阵，并对目的地机场繁忙程度进行了分级，在满足延误水平的基础上，以最小的航班运行延误和对目的地机场产生的影响为总目标研究了基于目的地机场繁忙程度的航班时刻优化模型，将所建立的航班时刻优化模型与粒子群算法耦合，并以武汉天河机场为例对航班时刻进行优化。结果表明:优化后进场航班延误降低了48.58%，离场航班延误降低了44.88%，计算结果有效且符合实际。可见优化模型可行，能为机场航班时刻优化和改善延误问题提供重要的理论指导和技术支撑。