草可作为清洁能源的来源

一项新的研究发现，一种可以在欧洲及美国种植的高高的装饰性植物能够向人们提供大量的清洁能源，而这不会引发全球变暖等不良后果。     

称谓语的选用与社会身份关系之表达

称谓语是发话人用来称呼交际对方的用语。但其功能远不止于此，称谓语是社会关系在语言中的表现，它不单纯是语言的称谓系统本身。称谓语的选用能为整个交际活动定下基调，能清楚地反映出交际双方之间的社会关系和他们的社会地位。     

基于位移的抗震设计中位移模式的确定

根据地震强度、地震波、结构层数与跨度、强柱弱梁系数等影响水平位移模式的主要因素,通过大量算例分析,提出了确定基于位移的抗震设计中水平位移模式的方法.     

非欧姆氧化锌陶瓷的界面态和晶界势垒模型的探讨

本文对非欧姆氧化锌(ZnO)陶瓷的界面态进行了探讨,提出了控制非线性电导特性的界面态是由于晶界的深能级电子陷阱,且深能级电子陷阱的形成是由于存在氧缺位缺陷和金属离子正电中心的观点.本文在实验分析的基础上提出了一种新的晶界势垒模型,认为晶界势垒分为主晶界势垒和次晶界势垒,两种势垒的物理性质相同,但形成和蜕变的温度不同。     

基于改进Mask R-CNN的露天矿边坡裂隙智能检测算法

为了预防因露天矿边坡表面恶化而产生节理、裂隙或断裂等破坏边坡完整性所引发的安全事故,同时解决传统图像处理算法以及经典的深度学习模型直接应用于露天矿边坡裂隙检测效果不甚理想的问题,提出了一种基于改进的Mask R-CNN的露天矿边坡裂隙智能检测算法,运用了Mask R-CNN在目标检测、语义分割以及目标定位方面的集成性特点,改进了其在掩膜分支的边缘不清晰以及误检等缺点,构建了一种针对露天矿边坡裂隙图像的检测分割框架。该方法在掩膜分割分支引入了空洞卷积神经网络以及分类分割迭代上采样操作,能够解决边坡裂隙分割边缘粗糙的问题,实验结果表明,与传统的裂隙分割算法相比,该算法具有更高的识别精度以及更好的分割效果。     

针刺麻醉与镇痛泵在肩关节术后镇痛领域中的应用及评价

以行肩关节手术的患者作为研究对象,比较和评价了针刺麻醉与肩峰下自控型镇痛泵对术后镇痛的疗效与安全性,指标包括疼痛视觉模拟评分（VAS）、肩关节活动度（ROM）、Lovett肌力分级等,结果显示镇痛泵组的胃肠道不良反应发生率（7/64）、基础病复发率（4/64）,及总体不良反应发生率（16/64）均显著高于针刺组（0/70）(0/70)(4/70),在轻度疼痛者中,2组的VAS未见差异,但针刺组的ROM更大,在中、重度疼痛者中,镇痛泵组的VAS低于针刺组,但2组的ROM及肩关节肌力未见差异,说明针刺麻醉的安全性极佳,可促进术后康复,适用于轻度疼痛者及合并相关内科基础病的中、重度疼痛者。     

蛋白质组学技术在动物科学中的研究进展

蛋白质组学在后基因组时代以其独特的角度和重要的作用已成为生命科学领域研究的热点内容。动物科学作为生命科学的一个重要分支,其相关研究对人类的生活有着重要意义。为了系统地了解和展望蛋白质组学技术在动物科学中的研究进展,综述了蛋白质组学的概念及其相关技术,归纳和评析了近年来蛋白质组学在动物繁殖、营养、遗传育种和疾病防治方面的研究现状。     

液压蓄能式风力机组并网转速解耦优化控制

针对在风速、同步发电机负载变化情况下,液压蓄能式风力机组并网转速控制问题,提出一种新型并网转速控制方法——解耦广义预测优化控制方法（Decoupled Generalized Predictive Optimization Control, DGPOC）.首先,DGPOC利用基于广义预测的前馈解耦方法解除变量马达摆角和蓄能器比例阀开度之间的耦合关系,进而调节蓄能器比例阀,依靠蓄能器吸收波动流量,同步调节变量马达摆角实现恒转速控制,解决因风速、同步发电机负载变化引起的变量马达转速波动问题; 其次,将蓄能器比例阀的能量损耗作为性能约束项,加入到优化目标函数中,求取最优控制量,从而提高液压蓄能式风力机组风能利用率; 最后,利用建立的MATLAB-AMESim联合仿真实验平台验证DGPOC方法的有效性.实验结果表明： DGPOC方法不仅可以实现变量马达摆角和蓄能器比例阀开度两个变量的解耦,提升变量马达转速控制的快速性及鲁棒性,而且能够降低系统的能量损耗.     

日凌中断预测分析

本文阐述了太阳噪声干扰使通信广播卫星接收站信号中断的自然现象及规律,导出日凌中断与通信广播卫星定点及卫星接收站,位置关系的数学表示式。文中应用作者研究的“卫星电视接收网的系统分析”的计算机软件,预测卫星接收站信号发生日凌中断日期、时刻、持续天数和时间的部分计算实例。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.