温度对CaO2强化剩余污泥厌氧水解，酸化的影响

本文探究了温度对CaO_2强化剩余污泥厌氧水解,酸化的影响。实验结果表明在15~35℃,随着温度的升高,污泥厌氧反应体系中水解和酸化得到加强,且VFA和甲烷的最大积累量分别为3 120 mg/L和196 m L。当温度进一步提高至55℃时,水解反应得到强化,但是过高的温度限制了厌氧微生物对溶解性蛋白质和多糖的利用,进而导致VFA的积累量较少。因此35℃是CaO_2强化剩余污泥水解和酸化的最佳温度。     

连续生产综合自动化系统功能集成的可拓控制模型

在分析ＣＩＰＳ各级的相似性的基础上,认为ＣＩＰＳ的每一层级都可以看成一个广义的信息控制系统,都具有构成控制系统的三个要素：信息、控制作用和对象。在此基础上,结合系统的矛盾性和可拓控制理论,提出了连续生产过程综合自动化系统功能集成的可拓控制模型。     

基于有序Logistic回归模型的北京高校男生有氧能力

为探索北京高校男生有氧能力的影响因素,通过随机抽样法抽取134名18~25岁北京高校男生,空腹抽静脉血测血液指标,用德国MetaMax 3B系统实时监测气体代谢,通过线性递增方案测得VO2max相对值。基于Spearman相关、有序Logistic回归等分析方法进行分析处理。结果表明：北京高校男生有序Logistic回归方程：Ln{P(Y≤1|x)/1-P(Y≤1|x)}=-2.757-0.067*X1-0.025*X2+0.066*X3+0.018*X4-0.009*X5;Ln{P(Y≤2|x)/1-P(Y≤2|x)}=-0.771-0.067*X1-0.025*X2+0.066*X3+0.018*X4-0.009*X5（X1=体重、X2=心率(heart rate, HR)、X3=每搏输出量(stroke volume, SVI)、X4=心室射血时间(ventricular ejection time, VET)、X5=血红蛋白(hemoglobin, HGB)）。回归方程模型系数综合检验步(step)、块(block)、模型(model)检验的P值均小于0.01;拟合优度检验的-2对数似然值(-2LL)为159.374,Cox&SnellR2为0.331,NagelkerkeR2为0.373;预测等级1准确率为45.5%,等级2准确率为100%,等级3准确率为100%,综合为81.8%,说明Logistic回归模型性能良好。Hosmer和Lemeshow检验预测值与观望值无显著性差异（P>0.05）。可见北京高校男生定量负荷心功能、血液指标与有氧能力的多元Logistic回归模型拟合度较好,且HR、SVI、VET、HGB是有氧运动能力的重要预测因素。     

基于VENN模型的民航飞行员胜任力评估标准优化

传统的飞行训练评估依赖教员的主观评价,且对能力的量化评估标准模糊,难以保证评估的一致性和有效性。本文基于VENN模型对飞行训练中行为指标展现的数量、频次及威胁与差错管理结果三个胜任力特征进行数学建模,将飞行训练中对科目的检查转化为对能力的量化评估,并结合历史检查工作单数据,提出了一种胜任力评估标准优化方法。最后,以实际的手动飞行操纵技能评估为例,验证了提出方法的有效性。测试结果表明：由算法得出的评分标准获得的技能评分与教员经验给出的评级结果显著相关,且评分保持一致的样本占比83.3%,其余样本评分偏差均在1级以内,表明了提出方法能有效的从历史检查单数据中提取对能力的评估标准,为数据驱动的胜任力量化评估标准制定提供了理论支撑及新方法。     

永磁同步电动机电磁振动特性及抑制措施

电磁振动水平是永磁同步电动机的重要评价指标之一,为了有效抑制永磁同步电动机的电磁振动,文中首先建立了转子永磁体磁动势、定子绕组电流磁动势与定子齿槽相互作用产生的径向电磁力的解析分析模型。然后建立了电机的变参数矢量控制系统的场路耦合联合分析模型,以一台11 kW内置式永磁同步电动机为样机,利用机械阻抗法得到了电机主要低阶电磁力产生的电磁振动噪声频谱,确定了对电机电磁振动起主要作用的低阶电磁力的频率。最后利用遗传-蚁群算法,研究了通过优化电机的定子齿槽参数有效削弱具有上述频率的低阶电磁力,从而有效抑制电机的电磁振动。结果显示,利用文中方法确定的定子齿槽参数能有效抑制电机的电磁振动,并且对电机的运行性能产生的影响较小。     

穿越走滑断层隧道错动影响分区及隧道节段式衬砌抗错断性能控制

为了揭示我国西部地区穿越活动断裂公路隧道工程的变形及力学特性,通过数值模拟分析了断层左旋走滑运动对隧道结构产生的错动响应,建立隧道受断层错动影响分区,并提出隧道节段衬砌铰接设计这一抗错断措施。通过对比在影响区内设置不同长度节段衬砌时隧道结构的应力、位移响应规律,得出最优衬砌节段布置形式。研究结果表明：断层走滑错动2.5m时,隧道结构受错影响范围为断层与活动盘交界面附近2.7d(d为隧道跨径)内,定义1d~2.7d范围内为次要影响区,1d范围内为主要影响区;通过对比分析发现3 m节段对衬砌结构水平位移和最大剪应力的控制效果最好,峰值最大降低率分别达到了3.38%和43.34%;隧道结构在断层交界面附近水平位移达到最大,随后向两侧较远位置变形不断减小至平稳;可见隧道结构沿纵向所受的最大剪应力值集中在错动影响区内,且在此范围内变化相较此范围外更加剧烈,错动影响区是抗断层错动设防重点关注对象。研究结果可为隧道抗错断设计提供参考。     

基于隐结构和网络药理学探讨泛血管疾病用药证型及作用机制

通过计算机技术探讨中医药治疗泛血管疾病的用药证型及可行性,为临床治疗及新药研发提供客观参考依据。检索《中华人民共和国药典》2020版治疗血管类疾病的中成药,进行数据分析;运用Lantern 5.0,进行隐结构分析,对所得Z5组药物进行网络药理学预测及分子对接验证。得到相关中成药79个,涉及中药156味,其中高频中药有丹参、川芎、三七等,功效以补虚药、活血化瘀药为主,以温性药最多,药味以甘、苦为主,入肝、心经;通过隐结构分析推测出常见证候有气虚血瘀、痰瘀阻络、阴阳两虚、阴虚血瘀、气滞血瘀5种。可见泛血管疾病总体是因虚致病,虚实夹杂,气虚血瘀,临床治疗以活血化瘀为主,随证配合补气行气、温阳滋阴、化痰等治法。通过网络药理学及分子对接发现Z5组药物可能通过主要活性成分槲皮素、黄芩素、山奈酚等,激活流体剪切应力与动脉粥样硬化、AGE-RAGE信号通路在糖尿病并发症中的作用、血脂和动脉粥样硬化等信号通路,作用于TNF、AKT1、PTGS2等靶点,干预炎症、细胞增殖和凋亡、脂质代谢等过程而发挥抗动脉粥样硬化作用,从而治疗泛血管疾病,说明通过计算机技术分析已有数据在探索治疗疾病上有其一定的有效性及可能性。     

考虑地质分层约束的长短期记忆循环神经网络测井曲线重构

延长油田东部裸眼井区早期测井资料普遍只有自然电位（SP）、自然伽马（GR）及梯度电阻率(R2.5)三条曲线,因缺失声波（AC）、地层电阻率（RT）等测井曲线,难以满足精细油藏地质研究需求。东部裸眼井区开发时间长、单井产量低,重新测井缺乏可行性及经济性。采用长短期记忆循环神经网络(Long Short-Term Memory,LSTM)进行缺失测井曲线重构是一种经济有效方法,适用于地层测井序列数据。然而延长油田东部浅层油藏上覆黄土层段测井数据信号干扰大,直接应用模型精度较差。针对此问题,本文采用考虑地质分层约束的LSTM模型进行缺失测井曲线的重构,通过分层数据截取每口井长6层段测井数据作为样本数据,既保留了LSTM模型处理序列数据的优势,同时又避免了上覆黄土层测井数据对模型的干扰。利用裸眼井区完整测井数据进行模型训练优化和验证,讨论了考虑地质分层约束的LSTM测井曲线重构精度,结果表明通过引入地质分层约束,模型重构测井曲线精度更高。应用优化后模型实现裸眼井区50口仅有GR、SP、R2.5三条曲线数据井的AC、RT曲线重构,对50口井的142个射孔段进行二次解释,对比试油解释结论符合率达到89.4%,验证了该方法对测井曲线重构的实用性和有效性。     

Sentinel-1A影像在山区管道地表形变监测中的适用性评价指标构建

Sentinel-1A卫星数据覆盖范围广、重访周期快、获取成本低,通过合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术能够高效获取管道沿线大面积地表形变信息。但是山区管道所处地形复杂、起伏大、植被茂盛,监测中易存在叠掩、阴影、失相干等现象,Sentinel-1A卫星数据在管道不同区段的适用性有差异。为了对Sentinel-1A在山区管道地表形变测量中的适用程度进行评价,本文以三段不同山区地形的管道为研究区,结合Sentinel-1A数据、Sentinel-2数据、ALOS DEM数据进行相关性分析,构建适用性评价指标。结果显示：管道沿线Sentinel-1A影像的叠掩阴影占总面积的比例与坡度的Pearson相关性为-0.914,Spearman相关性为-1,呈显著负相关;影像相干性和归一化植被指数的Pearson相关性为-0.972,Spearman相关性为-0.99,呈显著负相关。使用回归分析和归一化的方法建立了山区管道沿线Sentinel-1A数据的坡度适用性指标和植被适用性指标,指标可对山区管道沿线域使用Sentinel-1A数据进行形变监测的适用性进行评价。     

基于Inception-BiLSTM和迁移学习的结构损伤识别

针对传统卷积神经网络（convolutional neural network,CNN）方法在时空特征提取存在不足,提出一种改进的Inception与双向长短期记忆（ bi-directional long short-term memory,BiLSTM）联合模型,以全面学习振动信号中的空间和时序信息。首先,构建具有多尺度感受野的Inception模块,自适应地提取不同尺度下的空间特征;其次,BiLSTM序列化处理时间特征,以深度挖掘时间相关性;最后,通过全局平均池化和Softmax分类器来实现钢框架结构的损伤识别。为评估该模型对噪声的鲁棒性,引入高斯白噪声作为干扰。此外,采用迁移学习策略来评估模型在不同强度激励和小样本下的泛化能力,确保适用于不同的损伤识别任务。结果表明,与传统的CNN方法相比,该模型在无噪声条件下及信噪比超过25dB时保持了100%的识别精度。该方法解决了土木工程应用中样本量不足和不同强度激励的实际挑战。通过微调预训练模型的参数,实现了在不同强度激励和小样本情况下的知识迁移与泛化,从而增强了模型的实际适用性。