砂卵石地层盾构隧道掌子面稳定性理论分析

盾构隧道穿越砂卵石地层掘进施工时,由于砂卵石的地层特性及施工扰动,隧道掌子面容易失稳而引发事故。为研究砂卵石地层盾构隧道掌子面稳定所需的最小支护力,结合砂卵石地层的掌子面失稳模式,在三维Murayama模型的基础上,将掌子面前方土体的滑动面形式假设为对数螺旋滑移线,结合上部松动区域的破坏机制,引入椭球体放矿理论,对传统的棱柱体筒仓模型进行改进,进一步通过极限平衡法推导出砂卵石地层的掌子面极限支护力求解公式;最后通过离散元数值模拟验证所推公式,两者的误差为3.1%。结果表明所得公式可对砂卵石地层的掌子面极限支护力进行较为精确的求解。研究成果以期为砂卵石地层掌子面极限支护力计算理论提供依据。     

基于层次注意力机制的垃圾用户检测模型

目前基于网络的垃圾用户检测方法只考虑了简单社会关系,缺乏对更多复杂社会语义关系的利用,难以达到最优性能.针对这一挑战,提出一种基于层次注意力机制的垃圾用户检测模型(HAM-SD).模型首先使用异质信息网络对社交媒体进行建模,挖掘丰富的语义与结构信息,接着利用节点级注意力层聚合元路径邻居增强节点表示,同时利用自适应层级聚合模块选择不同层级特征提升表征能力,然后通过语义级注意力层融合不同元路径下的节点表示,最后带入分类检测模块实现垃圾用户检测.在公开数据集上的实验结果表明该模型能够有效检测垃圾用户,并在不平衡数据分布时保持较强的稳定性.     

基于电阻率层析扫描的水下抛石体内部空洞探测

为提高水下抛石体的识别精度,构建了预留有内部空洞的抛石体物理模型与电阻率层析扫描模型研究电阻率层析扫描技术在水下抛石体内部空洞探测中的成像效果,并与传统克里金插值法效果进行了对比。结果表明:电阻率层析扫描可以有效识别水下抛石体中的空洞,并且在刺激源数量为6时电阻率层析扫描模型模拟精度达到较高值;电阻率层析扫描技术在通道纵剖面上的识别能力要远高于传统克里金插值法;将数值模拟结果中电导率大于300.μS/cm的区域视为空洞区,整体反演结果略大于真实值,在 x、y、z 3个方向上的偏差分别为2.73、1.75、6.95.cm;基于反演结果对电阻率层析扫描模型进行正演,正演结果与实测数据的拟合度超过0.95,证明了电阻率层析扫描模型反演的准确性。     

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。     

基于改进RPN的孪生小样本电力目标检测

为了解决当前电力系统巡检难度大、效率低、数据不足以支撑大规模训练的问题,提出一种基于孪生网络的小样本检测方法。首先,在Faster RCNN(faster region convolutional neural network)目标识别算法的框架下,搭建支持图片和查询图片共享的孪生网络模型;然后,利用改进的RPN(region proposal network)模块产生更高质量的proposals;最后,在检测头上对支持图片和查询图片的RoI(region of interest)进行关联匹配。结果表明,将算法应用于自主构建的EPD(electric power detection)数据集,在仅利用10张支持图片的情况下,就能实现对电力背景下鸟巢异物和绝缘子相关类别的检测,检测指标mAP达到18.92%。与其他算法相比,应用于电力行业目标检测的孪生网络小样本模型,在极端小样本情况下性能优良,同时具有更加轻量化的优势,可为电力检测新方法研究提供参考。     

改进的YOLOv4肺结节检测算法

针对目标检测YOLOv4算法在肺结节检测中存在的小目标漏检和肺结节位置失真等问题,设计了一种改进的YOLOv4肺结节检测算法.在原始YOLOv4网络的基础上,将特征融合网络的上采样过程替换为双线性插值法,并采用张量堆叠的方法使顶层的语义信息与底层的位置信息形成更高通道的特征张量.实验结果表明,与原始的YOLOv4算法相比,改进的YOLOv4算法在公开数据集LUAN16上的平均精确度与预测速度分别提高了4.54%和28.1%,可视化结节位置表达更精准.     

联合实体边界检测的命名实体识别方法

针对传统命名实体识别方法无法有效利用实体边界信息的问题,提出一种联合实体边界检测的命名实体识别方法,即将实体边界检测作为辅助任务,增强模型对实体边界的判断能力,进而提升模型对实体的识别效果。首先,利用Bert预训练语言模型对原始文本进行特征嵌入获取词向量,并引入自注意力机制增强词对上下文信息的利用;其次,在命名实体识别任务的基础上,添加实体边界检测辅助任务,增强模型对实体边界的识别能力;再次,对比联合实体边界检测的命名实体识别方法与基线方法的有效性,并对测试结果进行消融实验;最后,进行样例分析,分析损失权重β对实体边界检测的影响。实验结果表明,在英文社交媒体数据集Twitter-2015上,联合实体边界检测的命名实体识别方法相较于基线模型取得了更高的精准率、召回率和F1值,其中F1值达到了73.57%;并且,边界检测辅助任务提升了基线方法的检测效果。所提方法能有效利用实体边界信息,从而获得更好的实体识别效果,促进了人机交互系统的发展,对自然语言处理下游任务有重要意义。     

免疫鸡群新城疫病毒检测和分离的研究

以ＳＰＦ鸡抗新城疫病毒（ＮＤＶ）ＩｇＧ为包被抗体（５μｇ／ｍＬ）,兔抗ＮＤＶＶｅｒｏ细胞培养纯化毒ＩｇＧ为第二抗体（１∶２００～６００）,酶标记羊抗兔ＩｇＧ（１∶５０００）为指示抗体建立间接夹心ＥＬＩＳＡ,检测实验免疫鸡、攻毒鸡及现地免疫鸡口腔或泄殖腔外分泌物。结果表明：新城疫无毒力Ｖ４疫苗免疫后２ｄ,口腔内病毒抗原随机检出率为４／１０,第１０天为１０／１０;泄殖腔为０～１／１０,并持续１８ｄ以上。滴鼻攻毒后１ｄ,口腔和泄殖腔内病毒抗原检出率分别是８／１０和６／１０;第１３天,泄殖腔内病毒抗原检出阴性。ＮＤＶ灭活疫苗免疫６０ｄ后攻毒,第２天有７／２０口腔和８／２０泄殖腔检出阳性,并一直到攻毒后第１４天。非免疫对照鸡攻毒后第３天直到死亡时,口腔和泄殖腔均可检出病毒抗原。对各地临床上无任何症状的ＮＤＶ免疫鸡群检测发现,泄殖腔ＮＤＶ抗原阳性率０％～９．３％,分离到８株ＮＤＶ流行毒株,生物学试验证实这些毒株的毒力属中等毒力偏强或强毒。     

车用电控汽油机实时爆震检测方案的研究

研究一种可以满足准确性,实时性要求的车用电控汽油机爆震检测方案,方法 测量缸盖的振动信号,确定爆震检测频率,运用概率和数理统计的方法。对缸盖振动信号进行分析,找出规律性,在非爆震,严重爆震,爆震时,爆震检测区间内信号峰值都服从对数正态分布。     

超声心动图象内外膜的自动检测与测量

为定量计算一些重要的心脏功能数据,提高心脏病的诊断水平,研究了超声心动图象内外膜的自动检测与测量技术．首先对超声心动图象进行滤波以消除图象中的噪声,并运用模糊数学理论进行模糊边缘增强,提取超声心动图象的内外膜边缘信息;接着对超声心动图象作二值化处理和椭圆曲线拟合,初步得到心脏的内外膜边缘;再采用相应的三次样条插值和平滑技术,得到光滑、连续的心脏内外膜边缘．在此基础上,再对心脏进行节段划分,并计算有关的心脏功能数据．经实验证实,用此方法可快速得到较准确的结果．