课程文献中心 更多>>

关键词： 扫描波长调制光谱   谐波检测   透过率数据矩阵   吸收率函数重构  

摘要： 本文基于低频三角波扫描加高频正弦波调制的扫描波长调制策略，提出了一种高精度、免标定分子吸收率函数重构方法。该方法利用谱线在扫描频率下对应的各次谐波信号重构出以该频率为中心、以调制深度为半宽度频域范围内的透过率信息，结合低频扫描即可得到谱线透过率信息，最后对频率重叠区域的透过率进行插值平均即可得到分子吸收率函数。为验证该方法的测量精度，利用CO2分子在6330.821cm-1谱线对不同浓度CO2的吸收率函数进行了重构，并拟合得到浓度，吸收率拟合残差标准差达到10-5，强吸收与弱吸收的测量信噪比分别达到了503与222；3000次连续在线浓度测量结果分布直方图表明，谐波重构法测量稳定性显著优于直接吸收法和二次谐波峰值法，预期可为谱线参数的高精度标定以及复杂工业现场中弱吸收气体参数高精度在线监测提供新的可靠测量方法。

摘要： 步骤一重墨勾正面叶子,淡墨勾反面叶子,中墨勾果实,铅笔拷贝积雪,注意细节描绘和线条变化;中墨勾枝干,重墨勾鸟的眼睛、喙、翅、爪,淡墨勾头部和背腹的羽毛.

关键词： 三维地质建模   钻孔   维诺图   网格变形算法   线性系统求解  

摘要： 由三维地质建模方法得到的地质模型在各类工程领域中扮演着不可或缺的角色。现有的建模方法通常通过空间数据插值来划分地下不同岩性的区域，但此类方法在保持拓扑一致性方面存在挑战，限制了三维模型的可靠性和实用性。为了构造地质区域中的不连续结构，提出了一种基于维诺图方法自动生成三维地层界面模型的方法。本方法首先将钻井数据离散成一系列散点，建立维诺图并提取出不同岩性区域的分界面，然后通过对分界面上的顶点建立线性系统并求解，来得到分界面的变形结果。此外，本方法引入了空间变形控制算法，使得模型在表现地质层断层、褶皱等复杂构造特征时更为精确，从而提升了三维模型在实际应用中的表现能力。本方法解决了传统建模方法对于复杂地质构造会出现的建模拓扑错误问题，且具有较高的自动化程度和较强的鲁棒性。尤其在面对不规则数据集时，本方法表现出了优异的适应性，极大减少了模型调整所需的人工干预。在实际工程数据上的实验表明，所建立的模型具有较好的地质合理性，并可重建出其他方法难以建模出的非流形结构。

关键词： 航迹融合   深度学习   数据图   卷积神经网络  

摘要： 多源航迹融合是信息融合领域的研究方向之一，旨在提供多层次的、比单一传感器具有更高精度的目标航迹信息。传统的航迹融合算法精度较低，并且依赖于先验状态，为此提出一种基于航迹数据图的航迹融合算法。将多个传感器对同一目标的观测航迹进行标准化处理，利用标准化后的航迹数据构建航迹数据图，使用卷积神经网络完成特征提取，以此来获取目标观测航迹的关系特征，得到融合后的目标航迹。实验结果表明，基于航迹数据图的航迹融合算法在对比实验中的均方误差、平均绝对值误差和决定系数评估指标上表现最优，提升了目标航迹的融合精度。

关键词： 土壤饱和导水率   土壤传递函数   白桦林   祁连山东部  

摘要： 土壤饱和导水率（KS）作为评价土壤入渗与透水能力的核心指标，探究其影响因素对深入理解和评估森林水源涵养功能有着重要意义。研究聚焦于祁连山东部白桦天然次生林的土壤容重、有机碳、田间持水量、孔隙度等关键理化指标，对林地持水性能进行综合评价，并深入分析土壤理化性质对KS的影响。采用多元逐步回归分析法建立土壤传递函数模型，为验证模型的有效性，对比新建模型与现有6种土壤传递函数模型的预测精度，以确定适用于本研究区的最优模型。研究结果表明：（1）该区域KS值变化范围为0.25—3.94mm/min，均值为1.64mm/min。利用熵权法评估土壤持水能力发现KS所占权重较高，且林分密度在600—900株/hm2时，林地持水性能综合得分最高。（2）通过Pearson分析揭示了KS与粘粒、粉粒含量以及土壤容重呈显著负相关关系，与砂粒含量、有机碳含量以及孔隙度等指标呈显著正相关关系。（3）对比7个土壤传递函数模型的预测效能，本研究构建的新模型在拟合效果上表现最优，预测值与实测值的决定系数（R2）高达0.85。综上，KS可作为评价祁连山东部白桦天然林林地持水能力的关键指标，且林分密度在600—900株/hm2时，林地持水性能最佳。本研究新建土壤传递函数模型可用于估算该区KS，为祁连山东部水源涵养林的优化管理和生态建设提供了重要的数据支撑和科学依据。

关键词： 部分频响函数   输出响应   振动控制   逆结构修改  

摘要： 为实现特定激励下的船体整体及局部结构振动的有效控制，基于结构部分频响函数，本文利用系统振动响应数据提出了一种控制振动响应的逆结构修改方法。该方法首先基于部分频响函数建立实际控制模型，然后针对船体整体或局部响应的控制目标，利用系统控制前的振动输出响应与提出的算法确定控制后目标响应的配置系数，最后基于提出的逆结构修改方法计算出结构修改系数，通过附加质量、阻尼器、弹簧的方式实现了在特定激励下对船体梁整体与局部结构的任意控制。该方法通过部分频响函数及避免了建立有限元模型的建模和降阶误差，同时使用输出响应数据也无需进行载荷识别，然后对结构修改量进行二范数优化，在相同控制效果下进一步降低了结构修改的难度。仿真结果表明该方法既可以实现多点的整体响应控制，也可以实现局部振动零响应控制。

摘要： 在当前的初中地理课堂教学中,以图导学模式的应用具有十分重要的意义.对于初中地理学科而言,大部分内容都具有较强的抽象性与理论性,而涉及地形、地势、世界地理等方面的专业知识,又具有一定的特殊性与针对性.将以图导学模式引入初中地理课堂教学中,能够有效地解决地理课堂教学中存在的问题,将抽象的地理知识变得更加具体,加深学生对知识的理解.教师可以借助以图导学模式,创设教学情境,优化课堂导入环节,启发学生思维,推动课堂教学水平的提高.

关键词： 等变图神经网络   三维图数据   E(3)等变群   排列等变   点云分类   三维模型分类  

摘要： 作为三维图数据的重要特征,等变性近年来一直受到研究者们的密切关注.研究者们通过设计针对不同等变性的量子门集来构建等变量子图神经网络,显著提升了图学习模型的性能.然而,三维图数据包含多种等变性,如旋转等变性、平移等变性、反射等变性和排列等变性等,使研究者们难以构建满足所有等变性的量子等变图神经网络.为了解决上述问题,本文设计了一种三维图节点相对坐标计算方法,并提出了一种新型的量子群等变图神经网络.在该网络中,我们构建了一个群等变编码模块以编码相对坐标,并用一个排列等变卷积模块来学习编码的几何信息,最后采用一个纠缠模块来聚合全局特征. ModelNet40数据集和ShapeNet数据集上的分类实验表明,所提模型表现优于QGCNN, sQCNN-3D和PI-QSVM,同时在训练参数更少的情况下,准确度接近Q3DGL.

关键词： 采空区场地   地表沉降   双曲正切时间函数   误差平方和倒数法变权组合模型  

摘要： 目的 针对现有采空区地表沉降动态预测方法中存在单项时间函数模型预测效果不佳、可靠性不足和变权组合模型确定权重难度大等问题，方法 引入双曲正切函数(Tanh)，并对该函数进行优化，提出一种适用于采空区地表沉降预测的双参数Tanh时间函数，分析参数变化对Tanh时间函数曲线形态的影响规律，给出Tanh时间函数参数的辨识方法；建立采空区地表沉降预测方差倒数法等权组合模型和误差平方和倒数法变权组合模型，并应用于钱家营矿1176东工作面采空区地表实例中。结果 结果表明，对于23号点，Tanh时间函数模型的均方根误差(Root Mean Squared Error,RMSE)、平均绝对误差(Mean Absolute Error,MAE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)分别为35.03,28.192,0.102，均小于常用的MMF时间函数模型的对应指标，此外，2种组合模型的均方根误差(RMSE)、平均绝对误差(MAE)均小于其组合中的单项时间函数模型，其中，误差平方和倒数法变权组合模型的RMSE,MAE,MAPE在4种模型中均最小。结论 本文提出的Tanh时间函数模型能够实现采空区地表沉降的有效动态预测。利用误差平方和倒数法变权组合模型计算可变权重简单、快捷，而且相对于方差倒数法等权组合模型表现出较优的预测准确性和稳定性，在地表复杂变化区间的沉降预测值与实测值仍大致相同，说明应用误差平方和倒数法变权组合模型进行采空区地表沉降动态预测更具优势。

关键词： 动态图嵌入   Transformer自编码器   网络异常检测   恶意行为   长短期时间依赖  

摘要： 网络异常检测的目的在于及时识别并响应网络中的恶意活动和潜在威胁。大多数基于图嵌入的异常检测方法主要用于静态图上，这忽略了细粒度的时间信息，无法捕获动态网络行为的连续性，从而降低了网络异常检测的性能。为了提高动态网络异常检测的效率和准确性，提出了一个融合动态图嵌入和Transformer自编码器的网络异常检测框架DGATE-NAD。该方法利用时间游走的图嵌入技术捕获网络拓扑结构和细粒度的时间信息，结合了对比损失的Transformer自编码器来优化节点嵌入表示并捕获长期依赖和全局信息，增强了模型对动态网络的感知能力，能更好地捕捉动态网络中事件随时间的变化，识别网络中的恶意行为。在公开的网络安全领域数据集上进行了大量实验，结果表明，该方法在LANL数据集上的真阳率（TPR）为94.3%、假阳率（FP??R）为5.7%、ROC曲线下面积（AUC）为98.3%。在OpTC数据集上的真阳率（TPR）为99.9%、假阳率（FPR）为0.01%、ROC曲线下面积（AUC）为99.9%。异常检测结果优于多个先进的基准方法，说明该方法可以有效地学习动态网络中的拓扑和长短期时间依赖，从而识别网络中的异常行为。