基于深度学习的中医古文献临床经验抽取

中医古文献蕴藏着丰富的临床经验，是古代中医在行医过程中对临床诊疗的经验性总结，体现了中医学形成和发展的理论框架和思想基础.然而这些宝贵的临床经验不仅量大，而且分散在不同的文献中，使得中医从业者手工很难快速全面地获取它们，文献检索工具也只能提供文档级别的信息筛选，无法为这种细粒度的信息获取提供支持.此外，古汉语相对于现代汉语的不同特点也限制了主流文本分析工具的使用效果.为此本文提出面向临床经验获取的中医古文献信息抽取任务，用于识别古文献中描述临床经验的文本片段，手工标注了样本数据用于这种抽取模型的训练和测试，并设计了基于深度学习的序列标注器用于完成该任务.考虑到标注数据量小可能带来的过度拟合问题，本文引入对抗训练和虚拟对抗训练来增强模型的泛化能力.一系列充分的实验验证了模型的有效性，表明利用信息抽取技术从古文献获取中医临床经验具有可行性，为这一新的信息抽取任务提供了有希望的研究基线和可复用的标注数据集.     

基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。     

中药肾茶对家猫夏季饮水和血清尿素含量的影响

家猫饮水、排尿较少,泌尿系统疾病高发.肾茶是一种传统中药,具有良好的利尿作用.本研究采用10只家猫进行实验,结果显示:在饲粮中添加1%(质量分数)肾茶可以显著增加家猫的饮水量,降低血清尿素氮含量,但不影响家猫的体重和采食量.这表明肾茶有增加家猫排尿量、减少其泌尿系统疾病的潜在作用.     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

佛山市基本农田保护区养殖鱼塘水质抽样调查与评价

对佛山市5区的基本农田保护区养殖鱼塘水质抽样调查,并采用环境污染指数对水质状况进行评价。结果表明,养殖鱼塘水温和p H值均能达到鱼类正常生长要求,溶解氧较丰富,但水质普遍过肥。在5区20个调查点中,CODCr、NH4+-N和TP超标率分别为90%、30%、85%。5区养殖鱼塘水质的污染程度由高到低依次为禅城区、南海区、三水区、顺德区、高明区。全市养殖鱼塘的综合质量指数为1.44,水质整体上受到重度污染。TP的污染负荷分担率最高,其次是CODCr和NH4+-N。总体来说,佛山市基本农田保护区养殖鱼塘水体有机物污染十分突出,已出现富营养化。     

疏松砂岩油藏大孔道定性识别新方法研究

疏松砂岩油藏在长期注水开发过程中,往往伴随着大孔道的出现,这严重影响了油藏水驱开发效果,制约了采出程度的进一步提高,因此,大孔道识别及有效封堵成为该类油藏急需解决的关键问题.通过研究分析,确定了影响大孔道从形成到发展的7种主要静态因素,以及标志大孔道形成的6种主要动态因素.将层次分析法及灰色关联法相结合,分别计算静态及动态因素的权重,建立了全新的大孔道定性识别模型.示踪剂监测结果验证了该方法的实用性和有效性.     

深井孤岛工作面过探巷技术研究

邢东矿2225工作面为孤岛工作面,承受地压大,回采过程中经过2225探巷,巷道围岩破坏剧烈,尤其是底鼓变形严重,初期采取排木垛、打单体等措施在一定程度上控制了探巷顶板下沉,而工作面临近时在煤帮注化学浆形成锚注加固结构使煤体自身强度及承载能力显著增强,锚注加固结构具有较好的整体性和稳定性,从而实现工作面顺利回采。     

Geochemistry of Clayey Aquitard Pore Water as Archive of Paleo-Environment,Western Bohai Bay

The record of paleo-environment in clayey aquitard pore water is much more effective relative to aquifer groundwater owing to the low permeability of clayey aquitard. Oxygen-18 (18O), deuterium (D), an...     

An ensemble of LSTM neural networks for high‐frequency stock market classification

We propose an ensemble of long–short‐term memory (LSTM) neural networks for intraday stock predictions, using a large variety of technical analysis indicators as network inputs. The proposed ensemble operates in an online way, weighting the individual models proportionally to their recent performance, which allows us to deal with possible nonstationarities in an innovative way. The performance of the models is measured by area under the curve of the receiver operating characteristic. We evaluate the predictive power of our model on several US large‐cap stocks and benchmark it against lasso and ridge logistic classifiers. The proposed model is found to perform better than the benchmark models or equally weighted ensembles.     

火焰原子吸收分光光度法测定地表水中铜含量的不确定度评定

根据GB 7475—87《水质铜、锌、铅、镉的测定火焰原子吸收分光光度法》建立地表水样测定的数学模型,并根据JJF 1059.1—2012《测量不确定度评定与表示》的要求,计算测量过程中的不确定度分量,最终得出扩展不确定度.经检测计算,该地表水样品中的铜含量为1.53 mg/L,其扩展不确定度为0.036 mg/L,包含因子k=2,地表水样品中铜含量的测量结果应报告为(1.53±0.036) mg/L, k=2.结果表明,火焰原子吸收分光光度法测定地表水样中铜含量的不确定度主要来源于标准曲线拟合、标准溶液配制和样品重复测量.