气候变化对重庆地区降温耗能的影响 (三峡地区资源环境生态研究)

利用1971—2010年的气象观测数据,采用空调度日数作为评估暖季降温耗能的指标,分析了重庆地区1971—2010年间空调度日数、制冷日数的分布和长期变化特征,并评估了气温变化对重庆地区降温耗能的影响。结果表明,重庆各地空调度日数、制冷日数空间差异明显,沿江及河谷一带空调度日数、制冷日数相对高、多,东南部及城口等高海拔地区空调度日数、制冷日数相对低、少;1971—2010年重庆各分区的空调度日数、制冷日数的时间演变与全区平均比较一致,主要经历了先降后升的过程,在20世纪80年代中期转折;气温与降温耗能具有很好的同步性,温度对降温耗能的影响程度随气温的升高而增加;气温若升高1℃,整个暖季(5～9月)、夏季(6～8月)中重庆全区平均的降温耗能将增加56%、46%;在暖季或夏季,气温若升高1℃时降温耗能增加效应量重庆各个分区由大到小依次为:东南部、西部、西南部、中部、主城、东北部;暖季气温若升高1℃时,全区平均制冷日数将增加16 d,主城将增加14 d,其他地区将增加15 d;最后利用平均气温与降温耗能变率建立了一组降温耗能的一元线性回归方程评估模型。文章认为该组评估模型可以用于重庆地区降温耗能变化的定量评估和预估。     

湖北神农架自然保护区土壤中的暗色丝孢菌I.(英文)

采用土壤平板法和稀释平板法,自湖北神农架自然保护区的14份土壤样品中分离得到40个暗色丝孢菌分离物,鉴定为16属23种。其中,湖北弯孢Curvularia hubeiensis为一新种,嗜热革节孢Scytalidium thermophilum和禾色串孢Torula graminis为中国新记录种。对新种及中国新记录种作了详细的描述。其余20种为国内已报道种。所有研究菌株的干制培养物标本与活菌种均存放在山东农业大学植物病理学标本室(HSAUP)。     

两相区退火温度对高铝低硅TRIP 钢组织性能的影响

对高铝低硅TRIP钢进行两相区退火,通过分析退火后实验钢的微观结构和力学性能,建立了加工硬化指数与相组成的关系,探讨了残余奥氏体稳定性对力学性能的影响.结果表明,随着两相区退火温度的升高,实验钢中贝氏体含量逐渐降低,残余奥氏体含量先增大后降低,并在930℃退火时达到最大.随着两相区退火温度的升高,实验钢的抗拉强度逐渐降低,延伸率先增大后降低,930℃退火时抗拉强度为665MPa,延伸率达到最大,为30%,强塑积约为20GPa·%.EBSD统计和拉伸试验的结果表明,两相区退火温度为930℃时,残余奥氏体稳定性适中,从而在拉伸过程中不断地提供加工硬化,推迟颈缩的发生,大幅度提高塑性.     

基于语义边界增强的司法命名实体识别

法律文书命名实体识别是智慧司法的关键任务。现有的序列标注模型仅关注字符信息,导致在法律文书命名实体识别任务中无法获得语义和词语的上下文信息,且无法对实体的边界进行限制。因此,该文提出了一个融合外部信息并对边界限制的司法命名实体识别模型(semantic and boundary enhance named entity recognition, SBENER)。该模型收集了40万条盗窃罪法律文书,首先,预训练模型,将获得的司法盗窃罪词向量作为输入模型的外部信息;其次,设计Adapter,将司法盗窃罪的信息融入字符序列以增强语义特征;最后,使用边界指针网络对实体边界进行限制,解决了序列标注模型丢失词语信息及缺少边界限制的问题。该模型在CAILIE 1.0数据集和LegalCorpus数据集上进行实验,结果表明,SBENER模型在2个数据集上的F₁值(F₁-score)分别达88.70%和87.67%,比其他基线模型取得了更好的效果。SBENER模型能够提升司法领域命名实体识别的效果。     

一类对称函数的Schur-凸性的研究

Schur-凸函数的研究具有重要的理论意义,并在其他相关领域均有重要应用.讨论了一类对称函数的Schur-凸性、Schur-几何凸性及Schur-调和凸性.     

传递矩阵法在横向受荷桩计算分析中的应用

针对现行的《公路桥涵地基与基础设计规范》在横向受荷桩计算分析中无法对地基分层、桩侧土地基比例系数变化或桩身抗弯刚度变化直接解答等缺点,将传递矩阵法引入横向受荷桩的结构计算分析中.根据线弹性地基反力法的基本原理,将桩划分为若干单元并将其简化为多点弹簧支承的连续梁,利用材料力学的知识求得结点之间状态向量的传递关系及桩的总体传递矩阵;根据桩底边界条件,求得桩顶的初始状态向量.通过实例分析与其他计算方法比较,结果表明该法可有效地解决现行规范计算方法存在的不足之处.     

基于支持向量机分类算法的多煤种煤 自燃危险性预测

为了高效地防治煤矿井下煤自燃,在分析现有的煤自燃预测方法的基础上,针对性地开展了基于支持向量机分类算法的煤自燃危险性预测研究.选取指标气体(氢气、一氧化碳、二氧化碳、甲烷、乙烯、乙烷)、气体浓度比值(烯烷比、Graham系数)和煤炭种类(褐煤、长焰煤、气煤、肥煤、焦煤、贫煤、无烟煤)作为特征指标,危险等级作为样本标签,建立了多煤种支持向量机煤自燃危险性预测模型.使用K-CV(K折交叉验证)法和网格搜索法、遗传算法、粒子群算法相结合的方式进行参数寻优,得出由网格搜索法确定的参数的模型分类准确率最高.将测试集带入模型进行检验,得出模型分类准确率为98.26%.最后将多煤种支持向量机模型与单煤种支持向量机模型和神经网络进行对比,得出多煤种支持向量机性能最优,能够很好地适用于现场煤自燃预测.     

区块链推动下的物联网安全研究进展

随着科技的发展,物联网(IoT)成为一个具备极大潜力和影响力的领域,但是IoT设备很容易受到计算、存储和网络容量方面的限制.而且大多数的设备都很容易被攻击和破坏,所以物联网在信息安全方面还存在技术上的挑战.区块链以去中心化、可信赖性和匿名性等特点迅速成为研究热点,在分布式环境中建立信任而不需要授权,这可以一定程度上弥补物联网的弊端.本文着眼于物联网与区块链的结合,论述了区块链推动下的物联网信息安全方面的近期研究进展.     

一类对称函数的Schur—几何凸性及Schur—调和凸性

Schur—凸函数在分析不等式、广义平均值、统计实验、图和矩阵、组合优化、可靠性、信息安全、随机排序和其它相关领域均有重要作用,故研究n元对称函数的Schur—凸性具有重要意义.在本文中,讨论了一类对称函数的Schur—凸性、Schur—几何凸性及Schur—调和凸性.