淡水环境中微塑料的识别和去除技术研究现状

近年来微塑料污染已经引起了国际社会的广泛关注,然而目前淡水环境中微塑料检测技术和去除方法仍然处在初级阶段.本文综述了近年来常用的微塑料检测技术和去除方法,并对每种方法做了简要的介绍.最后针对现阶段微塑料研究过程中存在的问题和不足,展望了淡水环境中微塑料检测与去除的发展趋势.     

两通道软件无线电信道器的优化方法

提出一种新的两通道信道器优化设计方法。该方法以现有两通道FIR滤波器组设计方法为基础,通过减小阻带能量的优化算法得到性能更好的信道器。数值仿真表明,有效地增加了信道器中各滤波器的阻带衰减,得到高性能的两通道软件无线电信道器。     

传感器优化布设在水电站厂房振动特性研究中应用

目前水电站厂房的振动问题日益突出．根据当前水电站厂房振动研究和振动载荷特性识别的需要,总结了土木工程中几种常用的传感嚣优化布设准则,选择了BDA（backward deletion algorithm）方法;基于ANSYS—APDL二次开发技术,编写了适于水电站建筑物应用的Fortran程序;将传感嚣优化理论与方法应用干红石水电站厂房振动分析,建立了有限元数值模型及振动模态分析方法,对传感器布置进行了优化．发现选取前两阶振型参与优化布设已可满足要求,可为厂房的振动测量和动态识别提供较为可靠的数据．     

模板技术在量子逻辑电路优化中的应用

为了提高量子逻辑电路的优化技术,减小量子逻辑电路的代价,对现有的模板技术进行了研究与分析,发现Maslov等人的模板并不完整,体现在模板控制线的寻找不完全.通过引入模板控制线库的概念,重构了模板,重构后的模板并不实现恒等的函数功能,但通过模板生成法则,可以动态生成更多的有效模板.同时给出了利用该方法优化量子逻辑电路的算法.数值实验结果表明,应用重构后的模板优化所有的3×3可逆电路,电路门数量均值减小到6.22.该方法在利用模板优化量子逻辑电路方面具有更高的效率和匹配成功率.     

面向区间禁会要求的客货车共线运行图调整优化方法

针对客货车共线运行时存在的安全隐患,结合国铁集团对动车分散动车组列车与货物列车在区间内不交会的规定,对既有线列车运行图调整优化的问题进行了研究.通过0-1变量来判断相向而行的列车是否为不同类型列车,进而构建客车、货车在区间内禁止交会的约束条件,并以列车总旅行时间、与原列车运行图总偏差之和最小化为优化目标,建立0-1混合整数规划模型,采用Cplex求解器对模型进行求解.最后,以胶济铁路为例进行实例验证.算例结果表明：所提出的优化模型能够在确保客货车不在区间内交会的前提下,减少列车总旅行时间,提高线路整体运行效率.研究成果可为面向区间禁会要求的既有线运行图调整优化提供合理参考.     

基于高性能射线跟踪的高铁车站场景5G-R网络优化技术

针对目前反复路测及人工调试方式难以实现准确高效的铁路无线网络优化要求的弊端,面向5G-Railway(5G-R)频段,在高铁车站这一典型通信场景下,通过三维场景建模和射线跟踪技术,以提升无线网络优化效率和精度为目标,研究了不同反射、散射阶数与接收功率的关系,提出了面向车站场景的反/散射阶数功率增长模型和基于散射体空间分布及多径能量特征的无线网络基站参数优化算法.研究结果表明：本文提出的模型能够支撑射线跟踪传播机理的选择,保障网络覆盖预测结果的准确性;优化算法将车站场景的网络达标覆盖率较优化前提升了8.92%,验证了算法的可行性.研究成果可为完善我国智能铁路技术提供参考.     

速度反馈中时滞参数对多自由度微陀螺动态响应的影响

将速度反馈控制器引入到微机械陀螺仪中,建立系统控制简化模型,通过对加入非线性刚度的系统动力学方程进行求解分析,进一步研究了时滞参数对多自由度微陀螺系统的影响规律。结果表明：时滞参数能有效调节系统检测响应的峰值和谐振频率,并消除非线性的影响,使系统趋于稳定。速度反馈增益的取值不会改变时滞参数对检测响应幅值的周期性规律,在不同的驱动周期下,检测响应的幅值随着反馈增益逐渐地增大或减小。     

面向路网结构的垃圾分类车辆调度研究

现阶段垃圾分类实施过程中重视源头投放和末端处理,但中间收集运输环节仍以混装为主,对居民造成消极影响,且增加二次处理环节,影响分类效率。在对城市生活垃圾分类收运模式研究的基础上,将垃圾收运转化成多处理中心、多车型、多车辆、有容量约束且带时间窗的车辆调度问题。为获得准确且可行的路径,在城市路网结构基础上,引入虚拟网络节点,建立考虑成本和时间的多目标优化模型。采用粒子群算法求解,与传统遗传算法相比,所得方案使用车辆数量和成本都得到减少,验证了本文改进方法的有效性。     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit, GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。