三十年来苗绣研究特征评述与未来展望——基于CNKI文献计量研究

以CNKI数据库中1993—2022年296篇文献为样本,通过文献计量分析和知识图谱透视研究。结果表明,苗绣研究的热点与国家政策关联度较高,目前尚未形成核心研究群体,学术共同体间合作度偏低,研究方法主要以定性研究为主,研究主题呈现显著的地域性特征,苗绣文化内涵及保护传承路径仍是当前重要课题。虽有学者关注苗绣产品研发与文化扶贫、乡村振兴的内在关系,但可供决策参考的研究成果不多。未来苗绣研究应围绕国家文化战略不断深化研究主题,在研究进路上注重实证维度,着重聚焦苗绣的民族性、独特性与创造性、传承性,深度研究苗绣的文化基因和文化能量以及苗绣文化赋能民族地区乡村振兴。     

基于超声解调信号多特征融合的轴承故障识别

针对当前振动监测对轴承初期微损状态监测难、精准度低的问题,提出了一种基于经验模态分解与多类熵值相结合的轴承状态监测方法,研究超声解调信号对故障诊断的可行性。首先将预处理后的超声解调信号进行经验模态分解得到若干本征模态分量,然后对各本征模态分量计算不同熵值特征,再将多特征融合后代入随机森林训练分类模型,利用混淆矩阵进行精度评价,最终对早期故障识别准确率高达97.92%。研究表明,超声解调信号对判别轴承早期故障效果更佳;经过多类熵值特征融合后,轴承状态分类具有更高的识别准确率。     

跟踪窗自适应的Mean Shift目标跟踪算法

针对Mean Shift算法不能很好地跟踪尺度变化目标的缺点,提出一种将Mean Shift算法和目标几何特征相结合的目标跟踪算法。该方法在Mean Shift框架下提取目标的几何特征,根据目标的面积和型心坐标对跟踪窗的位置和大小进行修正,最后更新Mean Shift的目标模板。通过大量实验仿真证明,改进的算法能很好地跟踪尺度变化的目标,对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性。     

基于单模态生理信号无监督特征学习的驾驶压力识别

针对基于多模态生理信号分析的驾驶压力识别会影响驾驶员的行车舒适性,且传统的生理特征的提取需要依赖先验知识的问题,构建了基于单模态生理信号无监督特征学习的驾驶压力识别模型.首先采用单模态生理信号,通过构造卷积自编码器进行无监督的特征学习来提取抽象特征;然后将特征依次送入支持向量机、随机森林、K最近邻、梯度提升决策树4种不...     

杭州亚运会帆船赛气象保障技术要点分析

9月是宁波的主汛期,天气复杂多变,高影响天气事件多。该文利用宁波沿海气象站点资料,对9月份象山帆船赛区气候特征进行统计,提炼亚帆赛气象保障服务关注点,并对欧洲中心(ECMWF)细网格10m风在亚帆赛区的预报能力开展评估。结果表明,常年9月份亚帆赛区气温总体适宜比赛,风速有日变化特征,最大风出现在15—17时段。亚帆赛期间,首要关注的高影响天气事件是热带气旋(8级以上大风和暴雨),其次是短时强降水、雷电、雷暴大风等强对流天气,最后是大雾、弱风和高温。ECMWF细网格10m风预报对亚帆赛区参考站爵溪站风向预报一致性较好,预报平均风速整体偏大,24h内预报误差稳定,平均误差在1.68～2.56 m/s之间,对赛区风力预报服务有较强的可参考性。     

福建省沿海区域工业锅炉执行大气污染物特别排放限值的可行性研究

基于福建省沿海区域工业锅炉使用及污染物排放数据,分析区域内工业锅炉主要污染物排放特征,评估执行大气污染物特别排放限值的技术可行性、经济可行性和减排效益。结果表明,区域内工业锅炉执行大气污染物特别排放限值具备技术、经济可行性,环保设备投资约37.27亿～43.48亿元,运行(折旧)费用约12.9亿元/年,所造成的生产成本增加在企业可承受范围之内。执行特别排放限值有助于加快工业锅炉整治提升,推动能源结构调整,有效改善环境质量,SO2、NOx和颗粒物年减排量将分别达到6369.94t、10317.14t和4474.44t,污染物减排的净效益为21.29亿元/年～30.96亿元/年,减排效益明显。     

莆田市一次夜间O3污染的气象特征及潜在源分析

基于莆田市环境监测站的逐小时臭氧(O₃)数据和气象常规资料、EC和NCEP再分析资料,结合气流轨迹模型(HYSPLIT)对莆田市2020年11月8日夜间近地层O₃污染过程的气象特征和潜在源进行分析。结果表明,2020年11月8日,O₃日最大8小时滑动平均值[ρ(O₃-8h)]超过国家二级浓度限值(160μg·m^-3)。夜间O₃污染期间,本站气压较高(1022.5 h Pa左右),地面受冷空气影响,主导风向为偏北风,风速在4.5～5.0m/s之间。大气边界层高度从8日14时(1035m)逐渐下降,与O₃的变化趋势相反,当ρ(O₃-1h)于23时达到最大值,此时大气边界层高度大致稳定(800m左右),不利于O₃扩散。潜在源的分析结果显示,潜在源贡献因子(WPSCF)高值区(>0.4)主要出现在浙江北部,浓度权重轨迹分析(WCWT)高值区(>100μg·m^-3)主...     

浐河流域地表水水化学特征

为探究西安地区主要流域地表水水化学特征及其成因,以浐河流域为研究对象,利用Piper三角图、Gibbs图、相关性对其水化学离子组分特征及来源进行分析,以期对浐河流域的水资源利用与管理提供科学依据.结果表明：浐河流域地表水主控阳离子为Ca²⁺,均值在86.63 mg·L^-1,主控阴离子为HCO₃^-,占总阴离子含量的70%左右.浐河流域水化学类型为Ca²⁺-HCO₃^-型,水化学组分的形成主要受岩石风化的影响.离子组分中,Na⁺与Cl^-不完全来源于盐岩溶解,还有其他来源输入;Ca²⁺、Mg²⁺、HCO₃^-来源于碳酸盐的溶解.     

基于深度学习的通信网络数据关键特征挖掘

深度学习是挖掘数据关键特征的重要技术手段,为准确分析通信网络数据特征,并保障质量,提出基于深度学习的通信网络数据关键特征挖掘方法。选取接入率、可用性以及覆盖率等七个指标作为通信网络质量核心性能指标,将卷积神经网络与径向基神经网络相结合,构建深度学习网络结构,将该性能指标作为标签参数,将所得到的标签参数的聚类与求和结果作为深度网络的标签数据,通过前向传播将标签数据输入卷积神经网络的输入层内,经过不同隐层的变换与映射至输出层位置,并采用量子粒子群算法求解深度学习网络最优参数,输出通信网络数据关键特征挖掘结果。经实验结果表明,所提方法的通信网络数据关键特征挖掘率在95%以上,能够准确预测未来短时间段内的通信网络质量。