台风风场研究及其数值模拟

对近年来台风风场研究及其数值模拟方法作了论述.阐述了浮标和地面台站观测、飞机侦察、雷达卫星高空观测等台风观测手段;阐明了简易参数分析模型、定常动力学模型、非定常动力学模型、运动学模型等台风风场模型;分析了既有风场模型对我国东南、华南沿海海域台风风场模拟的适用性,又论述了基于台风内各站点、基于台风影响区域、台风全路径等极值风速预测研究手段.最后,展望了台风风场数值模拟的发展趋势和需解决的问题.     

IMP在电厂监控系统中的应用

对于电厂数据采集环境比较复杂、信号分散的情况，可采用隔离测量组件（ＩＭＰ）作为分散式数据采集的前瑞，直接安装在传感器或变送器的附近。其具有防磁、防尘、防水、防震等性能。ＩＭＰ还可以对采集的数据就地进行数字化加工及一些预处理，通过Ｓ－网络进行数字量的传输到主计算机。避免了由于信号电平较低，传输距离及较远时带来的信号衰减及噪声干扰。     

一种动态校正的AGMM-GPR多模型软测量建模方法

工业过程常常是强非线性的,并有多个工况,传统的软测量方法存在预测能力差,不能有效利用误差信息等缺点.为了有效解决这些问题,提出一种基于自适应高斯混合模型-高斯过程回归(AGMM-GPR)的多模型动态校正软测量建模方法.首先,通过贝叶斯信息准则构建自适应高斯混合模型(AGMM),得到优化的子模型个数;然后,利用GPR方法建立各局部模型,当新的数据到来时,将其隶属于各局部模型的后验概率和预测值融合得到多模型输出;最后,为了进一步提高模型的精度,构建自回归积分滑动平均(ARIMA)模型对多模型输出进行动态反馈校正.通过数值仿真和硫回收装置(SRU)中H2S浓度的估计,验证了所提方法具有良好的预测精度和泛化性能.     

铁氮化合物Ising模型的相变研究

在考虑最近邻相互作用下,对类Fe4N结构的混自旋Ising模型,采用平均场理论,推导出系统的磁矩和自由能公式,并利用数值计算方法,给出了系统的磁化曲线和相图。发现了非常丰富的相变现象,特别是一级相变现象和重入现象,较全面地分析了系统的相变规律。     

微机有载调压变压器自动调压装置

探讨以ＭＣＳ－５１单片微型计算机为基础的自动调压装置及在有载调压变压器上的应用。给出为实现该装置主要功能而配置的硬件系统和主要软件的设计，并提出旨在电力系统中应用这种新型装置的几点看法。     

南堡凹陷泥页岩孔裂隙特征及影响因素分析

为了更好地评价南堡凹陷页岩油气资源潜力,综合运用地质、地球物理资料,通过岩心及薄片观察、扫描电镜观察、X衍射矿物分析等实验方法,对南堡凹陷泥页岩储层孔裂隙特征及影响因素进行了研究。研究表明,泥页岩储层发育的裂缝分为四种类型:构造缝、异常压力缝、成岩收缩缝和层间微裂缝,其中以高角度构造裂缝为主。孔隙结构复杂,组合形式多样,孔隙类型包括:有机质孔隙、粒间孔、粒内孔。影响泥岩裂缝形成的机制主要有四个方面,即沉积作用、构造运动、地层超压和成岩作用。其中构造运动控制裂缝的发育数量和展布,是南堡1号、2号和5号构造带以及高柳地区泥页岩裂缝发育的主控因素。     

坠物撞击海底管道损伤的BP神经网络预测模型

为预测坠物撞击饱和黏土海床上海底管道的损伤,建立了坠物撞击下饱和黏土海床与海底管道相互作用的动力有限元模型,结合海底管道实际工作条件的变化范围,分析坠物撞击能量、管道直径、壁厚、钢材等级、内压、海床土不排水抗剪强度6个参数对海底管道损伤的影响规律,将6个参数作为输入层参数,以管道损伤作为输出参数,将数值模拟结果作为训练样本,通过学习和训练构建形成了海底管道损伤预测的BP神经网络模型。研究结果表明：坠物撞击能量越大,管道损伤越大,管道损伤增长速率随坠物撞击能量的增大而趋缓;管道直径、壁厚、内压、管道屈服强度增加,管道损伤减小;饱和黏土海床不排水抗剪强度越大,管道损伤越大。建立的海底管道损伤BP神经网络预测模型,仅需要坠物撞击能量、管道直径、壁厚、钢材等级、内压和海床土不排水抗剪强度6个参数,模型简单、便捷,能够较好地预测饱和黏土海床海底管道受坠物撞击的损伤,数值算例涵盖了常见饱和黏土海床海底管道的工作条件,具有很好的适用性,为海底管道损伤预测提供了新思路。     

Ecosystem vulnerability of China under B2 climate scenario in the 21st century

This paper applies climate change scenarios in China based on the SRES assumptions with the help of RCMs projections by PRECIS （providing regional climates for impacts studies） system introduced to China from.the Hadley Centre for Climate Prediction and Research at a high-resolution （50 kmx50 km） over China. This research focuses on B2 scenario of SRES. A biogeochemical model ＂Atmosphere Vegetation Integrated Model （AVIM2）＂ was applied to simulating ecosystem status in the 21st century. Then vulnerability of ecosystems was assessed based on a set of index of mainly net primary production （NPP） of vegetation. Results show that climate change would affect ecosystem of China severely and there would be a worse trend with the lapse of time. The regions where having vulnerable ecological background would have heavier impacts while some regions with better ecological background would also receive serious impacts. Extreme climate even would bring about worse impact on the ecosystems. Open shrub and desert steppe would be the two most affected types. When the extreme events happen, vulnerable ecosystem would extend to part of defoliate broad-leaved forest, woody grassland and evergreen conifer forest. Climate change would not always be negative. It could be of some benefit to cold region during the near-term. However, in view of mid-term to long-term negative impact on ecosystem vulnerability would be enormously.     

一种分数域二分法 LFM 信号参数估计方法

针对传统基于分数阶傅里叶变换（fractional Fourier transform,FRFT）的线性调频（linear frequency modulated, LFM）信号参数估计方法中估计精度和计算量难以同时满足实际要求的问题,提出一种分数域二分法的 LFM信号参数估计方法。该方法分析量化了变换阶次误差对参数估计误差的影响,利用单分量 LFM信号变换阶次和分数域展宽的关系,通过迭代不断缩小变换阶次的取值范围,获得满足初设阈值的最优阶次,并利用最优阶次和峰值位置对 LFM信号进行参数估计。采用逐次重构消除的方法,可以对强弱混合的多分量 LFM信号进行参数估计。仿真结果表明,在满足信噪比要求的条件下,该方法能够有效地对 LFM信号进行参数估计,可以通过参数估计精度的要求选择不同阈值,与传统方法相比,在参数估计精度相当的情况下大大地减小了计算量。     

基于BERT与多通道卷积神经网络的细粒度情感分类

为了分析突发事件期间网络舆论的情感倾向,以更有效地调节人们的情绪,维护社会稳定。本文提出了一种融合BERT模型和多通道卷积神经网络的深度学习方法用于细粒度情感分类,以获取更加丰富的文本语义特征信息。通过BERT 对输入的文本进行编码,以增强文本的语义特征表示,再通过具有多个不同大小的卷积核的并行卷积层来学习文本特征,捕获文本的深层次特征,提升模型在文本分类的性能。对比实验表明,该模型在准确性、召回率和F1值方面均优于传统的情感分类模型,并能显著改善细粒度情感分类的性能。除此之外,本文还探究了表情符号对细粒度情感分类模型的影响,实验结果表明表情符号转换成文字后可以增强文本的情感特征提取能力,提升模型分类性能。