地质灾害专群结合监测预警设备选型及预期成果

近年来,伴随着科技的快速发展以及互联网技术在多个领域的广泛应用,人们在开展地质灾害及预警网络工程建设过程中的技术得到更好地提升。在开展地表变形以及降雨等相关检测工作时,这些技术的运用变得更加广泛。为了更好地提升工作效率,加速人防及技防共同进步的效果,管理工作者必须从多个角度对其检测预警的设备及选择展开深入的分析,进而让其有更好的发展。本研究主要以甘肃省天水市秦州区地质灾害专群结合监测预警建设为例,阐述设备选型以及相应的预期成果方面的内容,希望能够对相关专业人士有所帮助。     

基于图像处理与深度学习的隧道衬砌裂缝检测

针对目前隧道衬砌裂缝检测方法适应性不好且检测精度不高等问题,提出了以图像处理和深度学习相结合的衬砌裂缝检测方法 .首先,以隧道衬砌图像采集车载设备为研究对象,对获取的图像利用改进Mask匀光算法去除图像中的阴影,利用拼接缝去除方法去除拼接缝.其次,构建改进的VGG19网络模型,通过深度学习方法实现了衬砌裂缝的高效分割,提出基于虚拟标尺的裂缝长度和宽度测量方法,实现了衬砌裂缝的高效准确检测.最后通过实际隧道检测试验验证了本文方法的可行性和有效性,试验结果表明裂缝类型识别率高,裂缝长度的最大偏差为2.92 mm,裂缝宽度的最大偏差为0.28 mm.     

制度变迁视角下我国科技政策演进的路径分析

制度变迁视角下,我国科技政策演进主要有三个基本特质,即"供给主导式"变迁与"需求诱导式"变迁的有机结合、"整体渐进式"变迁与"局部突破式"变迁的有机结合、"正式规则式"变迁和"非正式规则式"变迁的有机结合。这三个"结合",充分反映了我国从计划经济体制到市场经济     

中西医结合治疗儿童咳嗽变异性哮喘62例临床研究

目的观察中西医结合治疗儿童咳嗽变异性哮喘的疗效作用.方法62例咳嗽患儿随机分为西药对照组和中西医结合治疗组,两组均采用布地萘德、特布他林雾化吸入治疗,治疗组在此基础上给予中药治疗,疗程为2周.结果两组治疗结果比较,治疗组总有效率为93.75%,对照组为83.33%,经比较,有统计学意义（P〈0.05）.治疗后复发率治疗...     

铜基类涂层的感应重熔特性研究

通过对铜基粉末喷涂层进行高频感应重熔试验及对重熔层进行显微分析，成份分析，相组成分析研究，探讨在感应重熔条件下铜基类涂层的熔化特征，界面结构，组织性能等变化规律，首镒将１种非自熔性自熔性铜基合金重熔成功，并获得了较满意的结合强度的组织结构。     

基于耳蜗图多示例分析的音频场景分类模型

音频场景分类(Acoustic Scene Classification, ASC)是计算听觉场景领域最具挑战的任务之一。传统的ASC模型大多采用基于线性频率分析的手工特征加基于深度学习的分类模型方法。然而,一方面,由于基于线性频率分析的特征提取方法无法模拟人耳基底膜的非线性频率选择特性,从而造成特征分辨率低下的问题;另一方面,现有的分类模型无法解决由于音源复杂且音频事件高度重叠所造成的分类准确率低下的问题。为了解决以上问题,提出了基于耳蜗图多示例分析的音频场景分类模型,一方面采用中心频率按照等效带宽均匀分布的余弦滤波器组对信号频谱进行滤波以模拟人耳听觉感知特性;另一方面,通过引入多示例学习刻画整个数据结构的特点以提高分类准确率。此外,为了抵抗音频事件的频移影响,在多示例学习分类模型的分类预测整合器中采用平均池化方法。在DCASE 2018和DCASE 2019竞赛所提供的Task1a数据集上的实验结果表明,本文提出的模型比DCASE 2018竞赛所提供的基线系统以及传统的基于Log Mel特征提取和多示例学习的模型实现了更高的分类准确率,同时也验证了平均池化要优于最大池化。     

基于深度学习的心血管血流动力学参数反演

考虑现有血流动力学参数反演方法在实际应用中存在计算量大、迭代易发散等问题,提出一种新的基于深度学习的心血管血流动力学参数反演方法.首先建立一维-零维耦合的多尺度血流动力学模型;随后基于卷积神经网络和全连接神经网络提出一种用于参数反演的混合多源输入深度网络模型;针对测量波形中的噪声干扰问题,提出一种同时利用多个深度网络的...     

融合情感词典的改进BiLSTM-CNN+Attention情感分类算法

传统机器学习和深度学习模型在处理情感分类任务时会忽略情感特征词的强度,情感语义关系单薄,造成情感分类的精准度不高。本文提出一种融合情感词典的改进型BiLSTM-CNN+Attention情感分类算法。首先,该算法通过融合情感词典优化特征词的权重;其次,利用卷积神经网络(CNN)提取局部特征,利用双向长短时记忆网络(BiLSTM)高效提取上下文语义特征和长距离依赖关系;再结合注意力机制对情感特征加成;最后由Softmax分类器实现文本情感预测。实验结果表明,本文提出的情感分类算法在精确率、召回率和F值上均有较大提升。相较于TextCNN、BiLSTM、LSTM、CNN和随机森林模型,本文方法的F值分别提高2.35%、3.63%、4.36%、2.72%和6.35%。这表明该方法能够充分融合情感特征词的权重,利用上下文语义特征,提高情感分类性能。该方法具有一定的学术价值和应用前景。     

李群特征的深度学习算法研究（英文）

由于真实世界中的复杂数据经常能够被表示成李群结构,文章设计了一个以李群特征作为输入的深度网络架构,以此利用深度学习强大的特征表示能力来进行模式识别等任务。在构建李群深度神经网络的过程中,为了保证在优化时李群特征能够被限定在微分流形的结构上,提出了适用于李群特征的深度学习算法。算法在特征学习的过程中不仅能够保证不损失数据流形结构的信息,同时也限定了参数优化的假设空间。基于李群特征的深度学习算法在CIFAR-BW和MNIST数据集上,通过为静态图像设计辐条模型的李群特征,实验结果表明算法在较少次数的迭代下就能够收敛到较为理想的结果。     

红黏土边坡防护生态轻型桩几何参数优化

为降低公路边坡因水土流失引发的病害,实现红黏土边坡的生态防护,对生态轻型桩进行定义并设计。分析当地大气影响急剧层深度,结合有限元模拟,确定生态轻型桩尺寸,对生态轻型桩几何参数进行优化。结果表明：生态轻型桩深度与土的湿度系数有关;孔径相同时,孔深与边坡坡度成正比关系、坡度相同时,孔径与孔深成反比关系,进而得到生态轻型桩的几何参数设计方法;吕梁地区红黏土边坡生态轻型桩几何参数为深度1.2 m,孔径10 cm,孔深80 cm。为公路边坡生态轻型桩的尺寸设计及优化,提高行车安全,实现边坡生态防护提供理论依据。