杨庄煤矿塌陷湖水资源勘查计算

通过对塌陷湖的实地勘查,运用水均衡原理,计算出该湖可供开采的水资源,认为该塌陷湖可作为淮北市供水后备水源地之一。     

Windows环境下光伏水泵报价系统的实现

该文介绍了在Ｗｉｎｄｏｗｅ３．１环境下．利用ＭｉｃｒｏｓｏｆｔＣ（＋＋）及其基本类库（ＭＦＣ）开发光伏水泵报价系统的方法。该方法采用了面向对象技术，使软件具备可重用性。同时，ＭＦＣ类库的使用使复杂的Ｗｉｎ－ｄｏｗｓ应用程序的编程接口变得更容易。该方法对其它工程报价问题也具借鉴意义。     

水滴在撞击不同厚度水膜条件下产生的二次液滴特性

采用高速相机对水滴撞击水膜的飞溅过程进行了详细测量,分析了水滴撞击水膜的飞溅临界值、二次液滴的直径分布和二次液滴的速率等飞溅特性。结果表明,在实验参数范围内,当韦伯数增大时发生飞溅现象。此外,可以使用量纲为一参数K 来描述飞溅临界值,K=We·Oh^-0.4。当K值大于2 100时发生飞溅现象,二次液滴的量纲为一直径和二次液滴的量纲为一速率随着K值的增大而增大。水膜量纲为一厚度对二次液滴直径分布的影响不明显,但由冠状水花产生的二次液滴的平均量纲为一速率随水膜量纲为一厚度的增加而减小。     

基于深度学习的红外与可见光图像融合综述

图像融合技术是指从不同的源图像中提取并融合互补的信息,生成一幅信息量更丰富、对后续高级视觉任务提供足够支持的图像.红外与可见光图像融合（Infrared and Visible Image Fusion,IVIF）是图像融合领域的一个重要分支.近年来,深度学习技术在视觉计算领域表现出了良好的性能,尤其是基于自编码器、卷积神经网络、生成对抗网络等几种基于深度学习的IVIF技术得到了蓬勃发展.为此,对基于深度学习的IVIF算法的方法、数据集和评估指标等进行了总结和阐述;通过大量的实验,进行定性和定量的结果分析,对比了各类基于深度学习IVIF算法的性能;最后,讨论了该领域未来发展的一些前景和研究方向.     

基于案例分析的人工湿地尾水处理技术进展

人工湿地技术综合了基质、微生物和植物对水中污染物的协同去除机制,广泛用于提升污水厂尾水水质,是一种绿色低耗的生态修复技术.本文汇总了以人工湿地为核心技术的众多城镇污水处理厂尾水资源化案例,对人工湿地技术的不同工艺运行方式和优缺点进行了分类归纳,提出依据不同水质特征量身设计复合人工湿地工艺的策略,为污水处理厂尾水的资源化利用提供参考.     

南水北调东线工程调水期洪泽湖水质变化规律分析

为了解南水北调东线工程调水期间洪泽湖水质变化,基于2013—2020年洪泽湖调水期水质监测数据,采用Daniel趋势检验分析水质年变化趋势,通过空间插值得出各湖区水质分布规律,并进一步用主成分分析法分析水质主要污染类型。结果表明：2013—2020年洪泽湖调水期水质在合格至轻度污染之间,TP和TN为主要超标因子;时间上水质有变好趋势,空间上过水区水质最差,但有转好趋势,而成子湖区和溧河洼区有所恶化;污染类型以富营养化污染为主,氮磷营养盐影响较大;水质污染以入湖河流输入和建设用地增加人类活动的污染为主要来源,还伴有偶发污染事故;时间上洪泽湖对东线输水的综合水质有改善趋势,建议进一步加强相关污染防治工作,保护洪泽湖水环境,保障南水北调东线工程输水水质安全。     

冷再生泡沫沥青混合料水稳定性研究分析

通过控制新集料掺加比例、泡沫沥青用量、水泥剂量、集料温度和抗剥落剂等,研究各因素对冷再生泡沫沥青混合料的路用性能和水稳定的影响,并揭示其微观机理.结果表明,旧料利用率、泡沫沥青用量、水泥剂量和抗剥落剂宜分别控制在50%～75%、 2.5%～3.0%、 1.0%～1.5%和0.5%左右.此外,适当提高集料温度,有助于提高泡沫沥青分散均匀性,从而提升冷再生泡沫沥青混合料的水稳定性.泡沫沥青用量和水泥剂量是冷再生泡沫沥青混合料水稳定的关键因素.尽量使泡沫沥青分散均匀,避免产生结团现象,是保证冷再生泡沫沥青混合料水稳定性的基础,进一步通过水泥补强作用,可获得良好的水稳定性.     

具有优先级的深度确定性策略梯度算法在自动驾驶中的应用

深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法在自动驾驶领域中应用广泛,但DDPG算法因采用均匀采样而导致低效率策略比例较高、训练效率低、收敛速度慢等.提出了基于优先级的深度确定性策略梯度(priority-based DDPD,P-DDPG)算法,通过优先级采样代替均匀采样来提升采样利用率、改善探索策略和提高神经网络训练效率,并且提出新的奖励函数作为评价标准.最后,在开源赛车模拟(The Open Racing Car Simulator,TORCS)平台上对P-DDPG算法的性能进行了测试,结果表明相对于DDPG算法,P-DDPG算法的累积奖励在25回合之后就有明显提升而DDPG在100回合之后训练效果才逐渐显现,提升约4倍.P-DDPG算法不仅训练效率提升且收敛速度加快.     

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。     

基于轻量化深度学习网络的数字仪表识别

数字式仪表常用于变电站、工厂等生产环境,是一种直观的设备监测仪器。然而当前数字式仪表的读取方式还依赖于人工巡检,手动记录等,这些传统的巡检方式来监测设备的运行状态大大降低了巡检效率。为了实现传统行业的数字化转型,本文提出基于轻量化深度学习的数字仪表识别方法,通过改进的YOLOv5的目标检测框架,针对数字仪表目标区域在整张图片大小不一致的情况,提出对于感兴趣区域（ROI）的迭代目标检测方法,首次检测将感兴趣区域进行检测并切割统一到相同的尺度,随后迭代检测网络针对感兴趣区域内的字符进行检测并分类,以达到精确读数的目的。为提升多尺度检测性能,本文采用Res2Net模块主干网络中的的残差模块。采用GIoU取代通用的IoU作为位置损失函数加速模型训练效果的收敛。实验表明,改进后的框架实现了99.62%的准确率和99.55%的召回率,相比基线网络分别提升了12.72%和5.85%。通过将框架在边缘计算平台上的终端部署,在实际生产中取代了人工巡检,实现了商业化运行。