渡槽工程的病害分析与防治研究

结合某大型渡槽工程实例,探索适用于该类工程的检测、评价与病害处治方法,结合检测信息进行三维数值模拟,以达到从整体与局部、内在机理与外因相结合的角度对渡槽进行病害综合分析.与以往仅从渡槽工程具体病害表象进行表层处理的方式不同,该方法是从引起结构病害的深层次原因方面进行分析研究.最后,在检测与分析的基础上,提出有针对性的病害治理方案.该方案已成功应用在工程的修补上,取得了较满意的结果.     

基于工作记忆内容的注意:儿童与成人的比较研究

选取10名小学儿童(7~8岁)和10名大学生(19~27岁)作为被试,采用"工作记忆+视觉搜索"的双任务实验范式,探讨儿童与成人基于工作记忆内容的视觉注意的异同.实验要求被试在工作记忆保持阶段完成一个视觉搜索任务,结果发现儿童与成人均表现出基于工作记忆内容的注意:相对于中性条件来说,工作记忆内容与干扰项匹配会显著降低成人被试的搜索绩效,而工作记忆内容与目标匹配会显著提高儿童被试的搜索绩效.研究结果表明,尽管儿童和成人都表现出了基于工作记忆内容的视觉注意,但儿童较成人能更好地运用该注意机制以提高视觉搜索绩效且受其不利影响较少.     

一些孤子方程的Hamiltonian结构

本文从谱问题出发,引入Lenard算子对推导出非线性发展方程族,再由迹恒等式求出Hamiltonian结构.     

南水北调中线工程水源区抗生素抗性基因多样性研究

为了研究丹江口水库和汉江抗生素抗性基因(Antibiotic Resistance Genes, ARGs)的污染现状与分布规律, 采用高通量测序的方法, 于2014年春季和秋季分别对丹江口水库及汉江沿程的ARGs多样性进行检测。分别在春秋两季样本中检测出21和19类ARGs, 其中9类ARGs是水体ARGs的主要组成部分。杆菌肽类ARGs是水体中最主要的ARGs, 而β-内酰胺类ARGs在春季丹江口水库陶岔采样点中占比最高。秋季水体各采样点的ARGs组成结构差异比春季小, 通过NMDS和ANOSIM分析发现ARGs的组成存在显著的季节差异, 甲氧苄氨嘧啶类、多粘菌素类和多重耐药类ARGs是具有显著季节差异的ARGs种类。由相关性分析发现13类具有互相显著强相关关系的ARGs, 其中相关性最强的ARGs很可能共存于一种微生物中。此外, 四环素类和氨基糖苷类ARGs可能作为预测水源区中与其共存ARGs相对丰度的指示种类。研究结果可为饮用水源区的水质保护和ARGs 污染防治与管理提供科学依据。     

面向港口复杂装卸系统的动态机会维护策略

针对以不同衰退特征设备组成的港口复杂装卸系统,提出了设备层-系统层交互的动态机会维护策略,以支撑自动化码头的智能维护决策.引入维护效果和外部环境工况,提出了独立设备的综合衰退演化规则,并结合多目标价值理论和动态循环决策模式,建立设备层多目标预知维护规划模型.在此基础上,分析串联设备间的相互依赖性,利用设备停机的组合维护机会,建立了多设备维护优化调度的联合区间轴策略,对关联设备的预知维护作业采取有针对性的作业合并.数值实例结果证明,所提出的方法可显著降低系统整体维护成本,提供具有可行性、实时性、经济性的系统层维护优化方案.     

基于匀质块五块模式的矩形件非剪切排样算法

基于匀质块五块排样模式对一类矩形件非剪切排样问题进行了研究.基于动态规划和隐枚举的思想设计了无约束矩形件非剪切排样问题的匀质块五块排样算法.与文献中的矩形件非剪切排样算法的对比试验表明:这种算法能够快速给出问题的最优解，而且可以降低板材切割工艺难度并减少矩形件的分拣成本.与2种矩形件剪切排样算法的对比进一步表明了引入“非剪切”的经济效益.     

物理气相沉积法制备TP/TFA纳米薄膜与光致发光特性探究

为了探究有机荧光材料在微纳尺寸上的荧光特性，采用低真空物理气相沉积方法制备了茶碱（TP）和2，3，5，6-四氟对苯二甲酸（TFA）有机纳米薄膜。通过对TP和TFA薄膜的荧光性质进行表征发现：与TP粉末相比薄膜的荧光发射峰由1个增加到4个，发射波长范围拓宽了100 nm，TFA的荧光发射峰之间的相对荧光强度发生了变化，与原料粉末相比在408 nm处的荧光发射峰蓝移了7 nm，362 nm处的荧光发射峰红移了3 nm。另外随着纳米薄膜厚度的逐渐增加，其荧光效率也逐渐增大。通过对TP和TFA纳米薄膜的表面形貌表征发现：随着薄膜厚度的增加，颗粒的聚集形态尺寸逐渐增大，从而验证了荧光效率随膜厚增加而逐渐提升的特性。     

预训练模型下航天情报实体识别方法

为了快速处理航天情报,基于数据驱动的深度学习技术,提出融合多源异构知识标注中文航天情报数据集的方法流程,以及基于预训练(pre-training)模型的航天情报实体识别(AIER)方法;通过对航天情报进行命名实体识别,达到对航天情报进行信息抽取的目的.通过融合BERT(bidirectional encoder representation from transformers)预训练模型和条件随机场(CRF)模型构建AIER模型(BERT-CRF模型),将其与隐马尔可夫模型(HMM)、条件随机场(CRF)模型、双向长短期记忆网络加条件随机场(BiLSTM-CRF)模型进行实体识别对比实验.结果表明:基于预训练模型的AIER模型能够取得93.68%的准确率、97.56%的召回率和95.58%的F₁值;相比于其他方法,基于预训练模型方法的性能得到提高.