Numerical investigation on heat transfer characterization of liquid lithium metal in pipe

Liquid Li metal is a promising nuclear reactor coolant; however, relevant research regarding its heat transfer characteristics remains insufficient. In this study, a steady-state two-dimensional mathematical model is established to describe the heat transfer process of liquid Li in a straight pipe. A numerical analysis is conducted to investigate the effects of inlet velocity, inlet temperature, and wall heat flux on heat transfer in liquid Li. The results indicate the advantage of using liquid Li for improving heat transfer at high inlet temperatures (> 1000 K) compared with using liquid sodium and lead–bismuth eutectic. Considering the mechanism of the outlet radial heat flow model, the ratio of turbulent to molecular diffusion coefficients presents a parabolic distribution along the radius of the pipe. Increasing the inlet velocity, decreasing the inlet temperature, and decreasing the wall heat flux can effectively weaken the dominant role of molecular heat transfer owing to the low Prandtl number of liquid Li. The heat transfer of liquid Li is investigated comprehensively in this study, and the results provide a basis for the practical application of liquid Li as a promising coolant.     

Steganalysis of neural networks based on parameter statistical bias

Many pretrained deep learning models have been released to help engineers and researchers develop deep learning-based systems or conduct research with minimall effort. Previous work has shown that at secret message can be embedded in neural network parameters without compromising the accuracy of the model. Malicious developers can, therefore, hide malware or other baneful information in pretrained models, causing harm to society. Hence, reliable detection of these vicious pretrained models is urgently needed. We analyze existing approaches for hiding messages and find that they will ineluctably cause biases in the parameter statistics. Therefore, we propose steganalysis methods for steganography on neural network parameters that extract statistics from benign and malicious models and build classifiers based on the extracted statistics. To the best of our knowledge, this is the first study on neural network steganalysis. The experimental results reveal that our proposed algorithm can effectively detect a model with an embedded message. Notably, our detection methods are still valid in cases where the payload of the stego model is low.     

CKMM基因A/G多态性与耐力、力量速度、混合型运动能力关联性的Meta分析

为探索肌型肌酸激酶(muscle-specific creatine kinase,CKMM)基因A/G单核苷酸多态性与耐力、力量速度、混合型运动能力的关联性,通过检索超星医学在线、万方数据库、维普数据库、中国生物医学文献服务系统、中国知网(CNKI)、中国科学引文数据库(CSCD)、EBSCO数据库、PubMed、Science Direct及Web of Science中CKMM基因A/G多态性与耐力、力量速度、混合型运动能力关联性的相关研究,采用Review Manager 5.3对纳入研究进行荟萃分析(Meta-analysis).结果表明:耐力运动员CKMM基因多态性与耐力运动能力、速度力量及混合型项目运动能力不存在显著关联(P>0.05).根据人种进行亚组分析发现,亚洲及欧洲人群CKMM基因A/G多态性等位基因、显性基因及杂合子模型与耐力运动能力均存在显著关联(P<0.05);亚洲优秀耐力运动员表现为G等位基因增加,欧洲优秀耐力运动员表现为A等位基因增加.由此可见,CKMM基因A/G多态性可作为亚洲及欧洲耐力运动员选拔指标,但应考虑不同种族人群A:G等位基因差异.     

多波地震油气储层的自组织神经网络学习与预测

如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。     

路基非饱和土动态回弹模量计算模型对比研究

作为路面结构设计的关键参数,对动态回弹模量的可靠计算一直是工程界不断探索的课题。本文收集并分析国内外已有关于路基土回弹模量的计算模型,根据自变量的不同属性,将计算模型归为两大类,第一类为将应力水平作为变量(I型),第二类是将表征湿度状态的基质吸力作为变量,这其中又分为两个子类,一是将基质吸力引入耦合到应力变量中(II1型)；二是将基质吸力剥离出来作为独立变量(II2型)。然后结合2种土样的循环动三轴试验数据,对3类计算模型的可靠性及适用性进行对比评价。结果表明：将基质吸力作为单独变量(II2型)的计算模型能更真实的反映非饱和路基土动态回弹模量的变化规律,拟合度较高。     

概率法在煤层气储量估算中的应用

煤层气田在勘探评价初期,储量估算参数往往存在一定的分布区间,采用体积法估算储量难以给出确定结果.针对此类问题,以M煤层气藏为例,利用概率法估算储量,围绕储量估算参数(储层面积、厚度、含气量),结合地质分析和储量参数样本分别建立理论分布模型(三角分布、正态分布、对数正态分布、威布尔分布、伽马分布)和任意分布模型;利用Kolmogorov-Smirnov(K-S)检验和卡方检验对相关理论分布模型进行拟合度优选;确立储层面积采用三角分布和正态分布模型,储层厚度采用威布尔分布和任意分布模型,储层含气量采用伽马分布和任意分布模型,并形成4组不同模型组合方案,再利用蒙特卡罗方法对储量进行估算.结果表明:任意分布模型服从原始样本分布,置信区间较窄,理论分布模型则体现过滤作用,两者对储量估算结果有一定影响;储层含气量对储量估算结果影响较大;概率法可以排除人为因素,估算出不同概率级别下的储量,从而起到降低决策风险的作用.     

The Effectiveness of Structural Monetary Policy and Macro-Prudential Policies — Based on the DSGE Model That Includes Bank Heterogeneous Credit

Journal of Systems Science and Complexity - Structural monetary policy and macro-prudential policies are important parts of the policy system of the People’s Bank of China. By constructing a...     

基于双通道多特征融合的电力负荷智能感知方法

负荷识别是分析用户用电行为的主要工具之一.提高负荷识别的精度对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于双通道多特征融合的电力负荷智能感知方法.首先,从电器设备的基本属性出发,分析了电流、谐波、功率等数值特征以及电压-电流(V-I)轨迹图像特征对负荷识别的影响;其次,考虑了特征之间的互补性,分别采用主成分分析-神经网络(principal component analysis-back propagation,PCA-BP)算法和卷积神经网络算法将数值特征和图像特征以不同通道在高维空间进行深度融合;最后,采用Softmax分类算法对融合后的高级特征和设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果显示,所提出方法的负荷识别准确率高达94.55％.该结果充分说明了将多种特征进行高维空间融合,可以更全面、立体地反映设备的本质属性,提高算法的识别精度.     

NACA埋入式进气口气动特性试验设计优化

为了优化(美国)国家航空咨询委员会(National Advisory Committee for Aeronautics,NACA)埋入式进气口气动特性,基于计算流体力学(computational fluid dynamics,CFD)数值方法,以阻力、总压恢复系数、出口质量流量和出口马赫数为性能指标,对3个关键几何参数进行了试验设计(design of experiments,DoE).基准工况结果表明,在进气口斜坡侧边靠近主流处有轴向涡产生.DoE结果表明,斜坡角度对性能指标影响大,斜坡扩张角角影响小,出口转折半径对阻力和出口质量流量影响大,且斜坡角度一定时折转半径越小越好.斜坡角度越小,前缘位置马赫数越小,涡管越长,同一截面速度分布越均匀,因此总压恢复系数和出口质量流量越大,且出口气流不均匀度小,气动性能佳.