有穷长半模偏序集上的一个定理

本文是对参考文献[1]第二章定理14证明的补充和改进。该定理乃指: 定理14.在任何上(或下)半模的有穷长的偏序集内,Jordan-Dedekind链条件成立。 文献[1]中,考虑上半模情形,谈到已知一个连接链:γ∶a=x_0相似文献   

用焓法有限元解相变问题的离散化方法

为了消除应用焓法进行含有相变的有限元传热计算结果呈台阶形的现象,本文作者提出“焓计算单元”和“固相分数”的概念,并将几种一维有限元实施方案的计算结果与精确解对比,说明采用所提出的概念,可以使有限元计算得出更为合理的结果。     

边界层对粗糙单裂隙溶质运移影响试验

为探究非费克(non-Fickian)运移表现出的峰值提前到达和拖尾等现象,开展了粗糙单裂隙溶质运移试验,总结了粗糙单裂隙中溶质运移特征及运移机理,结合边界层理论对峰值提前到达和拖尾现象进行了分析和解释。结果表明：峰值时间和拖尾时间与边界层厚度之间存在较好的线性相关关系;边界层对裂隙介质溶质运移有较为显著影响,即水流速度越小,边界层厚度越大,滞留在边界层内部的溶质越多,溶质获取率越低;粗糙单裂隙中溶质穿透曲线的峰值提前和拖尾现象是由裂隙中心处以惯性力主导的主流区和裂隙壁面以黏性力主导的边界层区共同作用造成的,其中峰值时间主要由主流区的对流因素控制,而边界层区域的存在对拖尾时间影响较大。     

基于双重匹配注意力网络的观点型阅读理解

提出一种基于双重匹配注意力网络的方法.先用动态匹配机制迭代综合获取全局观点信息,同时利用多维度匹配机制在不同特征空间上计算全局语义信息,然后交互式多路注意力机制通过两路注意力之间的交互计算对上述全局的观点与语义信息进行融合,最后与选项表示结合预测答案的观点倾向.在观点型阅读理解数据集ReCO和Dureader上面的实验表明,该方法相对于基准模型在准确率上提升了1.18%和0.84%,在加权宏F1上提升了1.16%和0.75%.     

基于改进断裂点理论的机场吸引范围界定

合理界定机场吸引范围,是构建坚固民航运输网络的关键环节。现有的机场吸引范围界定方法,很少考虑与其衔接的地面交通网络,以及旅客出行偏好的影响。为提高机场吸引范围的实用性,本文以城市断裂点理论为基础,对其中的重要参数予以改进。首先,以综合交通运输为背景,指出发达的公路和铁路运输网络对民用机场具有很大的竞争与促进作用,并提出以地面交通出行时间为量化标准的吸引范围界定方法。然后,为分析旅客出行偏好的行为机理,针对于与机场衔接的地面交通网络来建立离散选择模型。其次,将研究区域的机场所在城市看作是一个整体,运用专家评价法和熵权法综合确定机场的吸引规模,并通过机场吞吐量与城市对外出行总量针对机场规模进行修正。最后,通过算例验证改进模型的实际可操作性,为确定多机场系统吸引范围界定提供新的思路和方法。     

基于机器视觉的车辆时空参数识别

车辆荷载信息是分析桥梁受力和性能评估的重要依据,其中车辆时空信息是准确识别车辆荷载的关键参数。考虑到传统在桥面埋设传感器的方法影响交通、破坏路面,提出了一种基于机器视觉技术的车辆荷载时空参数识别方法,包括车辆的横向定位、车速、车轴数、轴距的识别。基于正面拍摄视频,采用背景差分法来实现车辆检测,进一步通过车牌识别确定车辆在图像中的位置,然后根据车牌与车道线距离来实现车辆横向定位。基于侧面拍摄视频,采用图像标定方法,结合已知长度的辅助检测线来获取车辆的轴距、轴数、车速等车辆参数。通过试验室模型试验和现场试验验证了提出的方法。结果表明,现场试验中车辆横向定位和车速的最大误差分别为2.42%和2.67%,轴距的平均误差为1.63%,识别结果可以为更多其他车辆参数如轴重和总重的识别提供重要的技术支撑。     

人工干预压采条件下东风湖泉域地下水环境响应研究

为掌握我国北方典型岩溶泉域在人工干预条件下地下水的动态响应规律,以涉县东风湖泉域为研究对象,结合区内地质、水文地质、2011-2021年地下水位动态监测和地下水压采资料,在分析该地区地下水动态变化特征的基础上,运用GMS软件构建了在人工压采干预作用下的地下水流数值模拟模型,对地下水位变化趋势进行了预测。结果表明：①研究区地下水动态变化明显,具有周期性、滞后性,具体表现为4个变化阶段;②研究区内岩溶地下水整体呈现回升的状态,但是空间分布特征不同,上升区主要分布于下游地区;;③地下水类型为降水入渗-开采型,低水位期基本在5-6月,高水位期在1-2月;④在干预条件下,区内地下水位有着不同程度的回升,南部(下游)浅层水位响应特征值超过15m,中游地下水位响应特征值达到了5-10m,北部(上游)地下水位响应特征值为3-5m;上游和中游地下水位影响整体小于下游,下游水位响应尤为突出。该研究对于泉域内泉的保护以及地下水开发利用和保护具有重要的理论和实际意义。     

大剂量多孔无针注射器结构优化

针对目前单孔无针注射器单次注射剂量小、需要多次重复注射的缺陷,提出一种大剂量多孔无针注射器.应用ANSYS Workbench仿真平台对多孔无针注射器的注射流场进行分析,发现多孔无针注射器的工作压力不低于13 MPa;并通过流固耦合分析,得到多孔无针注射器不同直径的应力变化规律,且拟合了不同压力下许用应力与最小安瓿直径之间的关系多项式.根据仿真结果设计正交试验对多孔无针注射器收缩段进行结构优化,得到优化方案：20°收缩角、1.4的长径比、2 mm的分布圆直径、4.05 mm的收缩段长度和0.165 mm的微孔直径.且通过安瓿的应力分析,验证了优化方案满足材料的力学性能要求.优化结果表明,该注射器具有比传统单孔注射器更大的注射剂量,可达5 mL,注射速度高达150 m/s以上,能击穿皮肤,同时又不致造成过多损伤.试验及动力学分析进一步验证了优化方案的可行性.     

基于图像去噪和图像生成的对抗样本检测方法

针对现有对抗样本检测方法存在检测准确率低和训练收敛速度慢等问题,提出一种基于图像去噪技术和图像生成技术实现的对抗样本检测方法.该检测方法将对抗样本检测问题转换为图像分类问题,无须事先得知被攻击模型的结构和参数,仅使用图像的语义信息和分类标签信息即可判定图像是否为对抗样本.首先,采用基于swin-transformer和vision-transformer实现的移动窗口式掩码自编码器去除图像中的对抗性噪声,还原图像的语义信息.然后,使用基于带有梯度惩罚的条件生成式对抗网络实现的图像生成部分根据图像分类标签信息生成图像.最后,将前两阶段输出的图像输入卷积神经网络进行分类,通过对比完成去噪的图像和生成图像的分类结果一致性判定检测图像是否为对抗样本.在MNIST、GTSRB和CIAFAR-10数据集上的实验结果表明,相比于传统检测方法,本文提出的对抗样本检测方法的平均检测准确率提高6%~36%,F1分数提高6%~37%,训练收敛耗时缩减27%~83%,存在一定优势.