探索低山区荒山造林的途径

低山区荒山由于土壤瘠薄、立地条件差,造林成效不高,成了造林工作中的一大障碍。通过多年的探索实践表明．树种选择是提高造林成效的途径之一,用乡土优良树种杜仲、连翘造林后,当年成活率分别达到96％和89％、三年苗木保存率分别达到91％和87％。分期栽植是提高造林成效的另一个有效途径,第一年栽植刺槐作辅助树种,第二年套栽生态效益高的油松和侧柏后,油松当年的成活率为96％．三年苗木保存率迭93％,侧柏当年的成活率为95％,三年苗木保存率这90％：     

已开发低品位油藏开发效益评价优化模型研究

通过关联分析确定已开发低品位油藏开发指标诸多影响因素及其对开发指标的影响程度。将影响较大的因素划出并结合专家以往经验,形成了已开发低品位油藏开发评价指标体系。结合开发评价指标体系,将对开发指标影响较大的因素作为效益模型的约束条件,建立已开发低品位油藏效益最大化优化模型。将该模型应用到某已开发低渗透低品位油田开发实际中,得到已开发低品位油田最优效益,为实现已开发低品位油藏开发效益最大化提供了理论支撑。     

米波MIMO雷达波束空间精确最大似然算法

针对阵元空间多输入多输出(multiple input multiple output, MIMO)雷达低仰角估计方法运算量和数据传输量太大的问题, 提出了基于波束空间的MIMO雷达精确最大似然(refined maximum likelihood, RML)算法。该算法将阵元空间的数据转换到波束空间, 实现降维处理, 再利用最大似然的思想对波束空间的数据进行测角。计算机仿真结果表明, 相比于基于阵元空间的MIMO雷达RML算法, 所提算法有着良好的测角性能, 并大大降低了算法运算时间。同时, 通过计算机仿真分析了信噪比、仰角、波束指向与目标仰角之间的偏差、阵元数、反射系数误差和天线中心高度等因素对所提算法测角性能的影响。     

二维离散小波变换低存储结构设计

针对二维9/7离散小波变换硬件架构中数据缓存需求高的问题,提出了一种基于提升算法的低存储架构。通过调整提升算法数据计算顺序,设计了一种动态计算二维小波变换的新型迭代分步计算方法。根据行、列变换的不同,对其分别做一维变换架构设计,其中行滤波器结构通过将输入数据进行三序列分裂,有效减少了寄存器数;列滤波器结构通过单行输入处理消除转置存储器,同时实现了乘法器和加法器的复用。整体二维变换采用并行和流水线混合架构设计,关键路径延时减小到一个乘法器延迟。实验结果表明,对于1 024像素×1 024像素的图像,与其他提升结构相比,本结构片上内存使用减少了11.1%,硬件效率提高了8.2%以上;与基于卷积的迭代计算方法相比,计算周期减少为现有结构的1/9。在型号为Xilinx Kintex7 XC7K325T的现场可编程逻辑门阵列上实现,吞吐率达到460 MB/s,且具有明显的硬件资源优势。     

深埋引水隧洞极硬岩TBM掘进及辅助破岩技术

秦岭深埋长距离引水隧洞极硬岩强度达到300 MPa以上,已成为制约隧洞掘进机(tunneling boring machine, TBM)高效施工的主要难题。针对秦岭引水隧洞极硬岩掘进施工问题,该文提出了基于TBM掘进隧洞的热能-机械耦合破岩方法,开展了有关微波、等离子体、火焰炬、水射流和钻孔劈裂的破岩试验以及数值计算和搭载设计,提出了5类辅助TBM破岩方法的适用性和搭载设计。研究结果表明：秦岭深埋引水隧洞岭南TBM掌子面岩体高含量石英吸收微波能力差、黑色极性矿物颗粒小,岩体微波劣化效应不显著,必须通过钻孔植入黑色极性矿物,增强岩体微波劣化效应;等离子体破岩方法采用超高电场密度能够产生显著的电力作用和热能破岩效果,可以将刀盘滚刀作为电极进行设计;火焰炬切割技术简单、易操作,但必须采取人工降温和热屏蔽措施;超高压水射流和钻孔超强劈裂破岩方法适用于掌子面岩体强度大于400 MPa, TBM掘进每日进尺小于1 m的工况。     

氚增殖包层对CFETR纵场波纹度的影响研究

氚增殖包层作为中国聚变工程实验堆的核心部件之一,其主要功能是实现氚增殖,为聚变反应提供氚燃料.由于聚变反应产生的中子会使材料活化,因此,CFETR氚增殖包层采用低活化钢作为结构材料.低活化钢材料的铁磁特性会使等离子体区域产生磁场绕动影响装置等离子体运行的稳定性.针对CFETR装置开展纵场波纹度的研究,建立了磁场分析的有限元模型,计算了F28H、CLF-1等低活化钢的波纹度分布,得到了不同结构材料的磁场强度和波纹度大小,结果显示,磁饱和值较低的结构材料有利于降低磁场波纹度.本研究可以为后续包层材料的选择与优化提供一定的参考.     

低轨卫星互联网多属性切换控制方法

针对低轨(low earth orbit, LEO)卫星通信系统中星间单属性切换容易造成当前属性最优而其他属性较差的问题,提出一种LEO卫星星间多属性切换路径筛选算法。该算法根据终端的运动情况以及卫星星历信息预测未来一段时间内可供终端切换的所有服务卫星。同时考虑服务时长、仰角以及空闲信道3个属性对星间切换的影响,找到一条在3种属性上都较优的切换路径。仿真结果表明,所提算法不仅可以降低切换失败率,还可以降低星上的平均负载以及新呼叫的阻塞率。     

基于二阶统计量的小样本学习算法研究

为了提高小样本学习的准确率和抗干扰能力,提出了一种基于二阶统计量的小样本学习模型,以CNN最后一层卷积输出的一阶特征向量为输入,通过计算协方差矩阵和二阶池化获得具有较高区分度的二阶统计量,采用奇异值(SVD)分解将二阶特征映射到低维仿射子空间并据此分类.本算法在Omniglot和minilmageNet数据集上进行了测试,实验结果表明,在minilmageNet上的5-way 5-shot模型准确率达到了73.6％,比Prototypical Networks高出5.4％,在Omniglot上的20-way 1-shot模型准确率则获得了2.4％的提升,本算法性能优于Prototypical Networks等算法.在异常值测试中,本算法也展现出比Matching Networks和Prototypical Networks算法更强的鲁棒性.     

导航信号功率增强对阵列接收机的影响分析

为了分析低轨导航增强系统中信号功率增强对阵列接收机的影响, 提出一种信号传播与阵列接收机的数学模型, 基于该模型分析了功率增强条件下最小均方误差算法与直接矩阵求逆算法对抗干扰性能的影响。根据理论分析与仿真实验, 增强信号对最小均方误差与直接矩阵求逆的影响相似, 当信号增强量在15 dB以下时, 阵列抗干扰对信号的影响较小;随着信号功率进一步增强, 增强信号被识别为干扰并进行了抑制;当信号的信噪比增强到10 dB时, 增强信号被抑制约15 dB。研究结果表明, 在采用传统阵列抗干扰方法的情况下, 信号功率的增强并非越大越好, 信号功率增强15 dB时对传统阵列抗干扰的影响较小。     

基于预训练模型和图神经网络的藏文文本分类研究

在少数民族语言信息处理领域,由于文本分类标注数据的稀缺,相关研究工作进展缓慢.为了充分利用有限的标注数据,更有效地挖掘出文本之间的关系,本文对藏文提出一种基于预训练模型和图卷积神经网络的长文本分类方法CINO-GCN.首先利用在实验数据集上经过微调的少数民族多语言预训练模型(Chinese Minority Pretrained Language Model, CINO)得到藏文长文本的初始文档向量和藏文音节向量.然后根据整个数据集范围的音节共现关系与音节和文档间的TF-IDF值来对藏文文本图进行建模.最后将文本图和结点特征一同输入至图卷积神经网络(graph convolutional networks, GCN)层,得到的文档表示经过Softmax得到分类结果.将该方法在公开的TNCC藏文新闻文本分类数据集上与当前几种主流的深度学习模型进行了多组对比实验,分类准确率达到73.51%,远优于其他基线模型;同时设计了消融实验验证模型各部分对分类结果的增益.实验结果表明,该文提出的模型能够结合预训练词向量和图神经网络的优势,显著提高藏文文本分类的准确率.