摘要:为了了解山地城市雨水径流污染特征,选取坡度大、绿地比率高的典型山地区域,研究在各降雨等级条件下、不同下垫面的初期雨水污染物时空分布特性及不同污染物指标间相关性。 结果显示:径流污染在降雨初期有最大值,其后各污染指标随时间变化迅速下降,且雨强越大趋势越明显;不同下垫面初期雨水径流水质优劣顺序为砖石>硬化铺装>绿地,不同雨强初期雨水径流水质优劣顺序为中雨>大雨>暴雨;研究区域内地表径流中总氮(TN)主要以溶解态输出,总磷(TP)则以颗粒态输出;绿地的产流中颗粒态氮磷要显著高于其他下垫面,暴雨下雨水径流中颗粒态氮磷也显著高于其他雨强;在不同雨强及下垫面条件下,悬浮颗粒物( SS) 与高锰酸盐指数(CODMn )、TP、TN、溶解性总磷(TDP)、溶解性总氮(TDN)均高度正相关。 说明山地型绿地存在一定水土流失情况,污染负荷较集中于初期雨水中,而且随雨强增大更加明显,SS 对各污染物浓度的变化具有显著影响。 因此,控制初期雨水中 SS 含量是降低山地城市雨水径流污染物含量的有效途径。

摘要:针对“双碳”目标下各省市面临的减碳压力,利用 Tapio 脱钩指数分析法、LMDI 模型,结合重庆市经济发展数据和碳排放数据,分析碳排放的影响因素并预测其达峰情况。 研究结果表明:总体来看,重庆市近 15 年来碳排放量有所升高,但年度碳排放量仅占全国同期的 1% ~ 2%;从煤、油、气、电四大能源行业的碳排放量占比结构看,煤电的碳排放占比明显下降,油、气的碳排放占比显著上升;重庆市经济增长与二氧化碳脱钩情况较好,一直处于扩张相对脱钩状态;重庆市碳排放量主要受城市化、人口增长、经济增长三大因素的影响;根据预测结果,基准情景下,重庆市碳排放将在 2034 年达到峰值,峰值在 2. 06 亿t 左右,达峰情景模式下,预计将在 2029 年达峰,碳排放峰值约为 1. 85 亿t,比传统模式下少 0. 21 亿t。 最后,为重庆市绿色发展提出了优化产业结构、构建清洁低碳、高效多元的能源体系、加速绿色工业、绿色交通、技术创新等对策建议,对各地制定实现“双碳”目标的具体措施具有一定借鉴意义和参考价值。

摘要:在电动自行车上应用定速巡航功能可以有效提高电动自行车的骑行舒适性和安全性,然而,现有电动自行车定速巡航功能应对不同路况调整能力较弱,为解决上述问题,针对电动自行车巡航工况开展研究,提出基于电动自行车巡航过程中驾驶员意图的车速控制系统,在保证安全性的前提下通过设置变速开关及调速控制阈值,实现巡航过程中电动自行车速度的可调及调速过程的平稳;设定转速变化斜率,抑制巡航退出过程中车辆速度的波动,提高车辆的舒适性;设置转速及转矩波动阈值来判断车辆巡航过程中发生的意外情况,避免发生二次伤害;搭建硬件实验平台,对相应控制策略进行实车测试,实验显示:巡航过程中车速从 15 km / h 过渡到 22 km / h,整个过程车辆的动力没有切断,车速无明显冲击,符合预期目标,表明所设计的控制系统操作简单,响应速度快,提高了巡航过程中电动自行车的安全性、可操作性、舒适性等。

摘要:为提高某数控凸轮轴磨床的磨削精度,保证凸轮轴轮廓误差达到需求标准,针对磨床的运动误差和热误差进行分析和研究;分析了凸轮轴磨床主要运动部件相互之间运动关系,提出了利用耦合关系,耦合磨床运动误差与热误差方法,方法对磨床具有通用性,且可直接观察到误差项的来源,对误差补偿极为有效;首先,运用多体理论及坐标变化方法,将磨床抽象为多体系统;其次,将磨床磨削运动主要部件划分成两条运动链,即“工件-床身”链和“砂轮-床身”链;将运动链与磨削点组成一个闭环系统,此闭环系统即为简化的磨削运动过程;最后,建立各运动体坐标系,求出运动体变换矩阵,耦合热误差与几何误差,建立精密加工约束方程,推导凸轮轴磨床综合误差模型,为加工补偿提供理论基础。 该方法已在实际生产中得到验证,结果表明:补偿后的磨床,磨削精度增加,实际凸轮轴轮廓经检测误差降低显著。

摘要:为提高四足机器人在对角小跑(Trot)步态下的行走稳定性,并减小控制策略的复杂程度,提出了一种基于虚拟模型的四足机器人控制策略;将四足机器人控制策略分为支撑相及机身运动控制、摆动腿相运动控制及足端轨迹规划三部分;在 Trot 步态下行走时支撑相中存在的前后对角支撑足,在分析四足机器人支撑足受力情况后,并添加相关的约束条件,实现了四足机器人足端力及力矩可控;并通过在四足机器人机身的质心位置添加相应的虚拟弹簧阻尼组件,实现了四足机器人姿态和高度控制;通过在摆动腿足端实际位置与环境之间添加虚拟的弹簧阻尼组件并结合足端轨迹规划实现了四足机器人柔顺行走以及足端轨迹跟踪精确性;通过 Matlab 和 CoppeliaSim 建立联合对比仿真验证了控制策略的有效性和优越性。

摘要:针对网络异常流量检测中的 DDoS 攻击检测,以往的基于深度学习的解决方案都是在脱离系统实体的数据集上构建模型和优化参数,提出并实现一种使用 Linux 内核观测技术 eBPF(extended Berkeley Packet Filter)与深度学习技术结合的基于网络流量特征分析的网络异常流量检测系统。 系统采用 eBPF 直接从 Linux 内核网络栈最底层高效地采集网络流量特征数据,然后使用基于长短记忆网络 LSTM(Long Short Term Memory)构建的深度学习系统检测网络异常流量。 在具体实现中,系统首先通过 Linux 内核网络栈最底层 XDP(eXpress Data Path)中的 eBPF程序挂载点采集网络流量特征数据。 之后,使用 LSTM 构建神经网络模型和预测分类。 将系统应用于一个仿真实验网络环境得出的实验结果表明,系统的识别精确度达到 97. 9%,同时,在使用该系统的情况下,网络中的 TCP 与 UDP 通信的吞吐率仅平均下降 8. 53%。 结果表明:系统对网络通信影响较低,同时也实现了较好的检测效果,具有可用性,为网络异常流量检测提供了一种新的解决方法。

摘要:针对混合级联 H 桥逆变器,在采用混合载波层叠调制策略时,虽可以解决电流倒灌的问题且逆变器输出电 压的波形质量良好,但逆变器的低压单元会出现功率不均问题,提出了一种改进型混合调制策略;以混合级联九电 平逆变器为例,策略的高压单元采用调制波为正弦波的阶梯波调制;将两个低压单元的调制波分别进行调整再对 其进行脉宽调制(PWM),通过 PWM 调制可以得到两个低压单元各自开关元件的脉冲信号,利用该脉冲信号的对 称性对其进行逻辑运算,重新分配低压单元脉冲信号;首先进行仿真分析,对两种调制策略在同一条件下搭建仿真 模型并运行可得出相应的结果,接着进一步对改进型混合调制策略进行实验验证;通过仿真分析和实验验证可以 证明改进型混合调制策略在保留混合载波层叠调制策略优势的基础上,可减少载波,简化了调制过程,使输出电压 达到倍频效果,还可以在 1 / 2 个调制波周期内解决低压单元功率不均问题。

摘要:本研究针对现有方法在实现风格迁移任务时只能提取图像特征的低阶统计量这一问题,考虑将风格迁移过 程建模为一个特征分布匹配过程,提出了一个基于 Wasserstein 距离的判别器网络并以此定义了一个风格损失函 数,Wasserstein 判别器能够更好地拟合特征分布之间的 Wasserstein 距离,定义的风格损失也能够更好地区分图像 特征的高阶统计信息之间的差异。 同时,为了达到实时生成的效果,引入一个基于编码器-解码器结构和一个基于 注意力机制的风格迁移转换模块作为生成网络,该生成网络能够有效融合原始图像特征并生成。 具体而言,通过 在计算损失模块的卷积层(CNN)后面添加 Wasserstein 判别器来计算风格损失,然后将风格损失与传统方法中计 算为均方误差的内容损失一起监督生成网络的训练,在网络训练结束后,可以输入任意图像进行风格迁移测试。 最后,在基准 MSCOCO 和 WikiArt 数据集上训练网络并测试结果,定性实验和定量实验结果表明,与现有方法相 比,所提出的方法可以实现实时风格迁移,并且生成高质量风格化效果。

摘要:针对传统计算机在复杂图像信息分析以及后期处理不达预期的问题,提出了利用改进原始的萤火虫算法 (FA)在不完全 Beta 函数上动态寻优调整灰度曲线的光电图像增强新策略。 新策略主要从算法角度出发改进传统 FA 算法,针对原有的吸引度容易造成局部最优等问题引入新吸引度公式、针对算法陷入局部震荡添加自扰动和克 服陷入局部最优的迭代检测环节,改进完成的新算法(Firefly Algorithm Growth,FAG)结合非完全 Beta 函数动态寻 找最优值下的图像灰度曲线。 将改进的 FAG 与 FA 新老算法在四种常见基准函数上进行对比实验测试他们的性 能,结果显示改良 FAG 算法在性能上更优;在改良 FAG 结合非完全 Beta 与 FA 结合非完全 Beta 增强同一图像的 实验中加入直方图算法增强图像作为对照组,综合结果显示改进后的新策略更胜一筹。 综合结果显示群智能算法 在结合图像处理手段来达到图像增强的目的上具有很好的应用价值,新策略在低对比度条件下的光电图像实现了 有效的增强。

摘要:针对计算机断层扫描(Computed Tomography, CT)中因采用低剂量扫描方式,导致图像噪声伪影干扰,尤其 是不同部位噪声和伪影强度存在较大差异这一问题,提出了一种基于动态可控残差的卷积神经网络(DC-ResNet) 算法。 DC-ResNet 的主要思想是在常规残差网络连接中添加一个图像质量指导的控制变量,以允许获取残差的加 权和,从而实现残差特征的动态可控。 所设计的 DC-ResNet 网络是一种包括两个子网络的组合型结构,一个是作 为主干网络的基础子网络,在该子网络中使用全局动态残差块和局部动态残差块来实现低剂量 CT 图像质量的提 高;另一个是作为辅助网络的条件子网络,用来生成基础子网络中不同动态可控残差块的权值,辅助基础子网络的 学习。 通过 Mayo 与 UIH 数据实验验证,其视觉结果表明:处理后的不同部位 CT 图像噪声伪影均能够得到较好的 抑制,并能有效地保留结构细节及组织纹理;量化结果表明:处理后的 CT 图像峰值信噪比( Peak-Signal to Noise Ratio, PSNR)和结构相似性(Structure Similarity, SSIM)均优于对比方法。

摘要:本研究针对现有图像修复方法不能有效地分离结构和纹理信息,修复结果往往会出现边界模糊、结构扭曲 等伪影问题,提出了基于潜在特征重构和注意力机制的人脸图像修复方法。 人脸图像修复方法分为两阶段,第一 阶段,通过结构重建器网络提取样式向量,按照 StyleGAN 所述的原理分为粗尺度特征、中尺度特征和精细特征三 组,插入到预先训练好的 StyleGAN 生成器中,产生初步的修复结果;第二阶段通过构建纹理生成网络并使用上下 文注意力机制,注意力分数由注意力计算模块计算,注意力转移模块根据较高级别特征图和注意力分数来填充较 低级别特征图中的对应缺失区域,以细化上一阶段初步的人脸修复结果。 在 CelebA-HQ 数据集上的训练并进行 测试,本文的方法在定量和定性分析两个方面均优于现有方法。 因此,基于潜在特征重构和注意力机制的人脸图 像修复方法能够有效地修复缺损人脸图像,大大减少了边界过度平滑和存在纹理伪影的问题。

摘要:现实生活中,排队系统中离散顾客的输入流越来越接近连续流体,利用纳什均衡理论提出具有多重休假策 略的 M/ M/ 1 流体排队模型,该模型基于个体和管理决策者考虑收益和系统故障不会让系统长期处于工作忙期。 当系统中流体容量为空,系统进入休假阶段,休假期结束,若系统内流体容量仍为空,系统进入下一个休假期,流体 根据提供的信息水平和预期收益决定是否加入系统;研究系统服务状态和流体长度均已知情形下流体的进队阈值 策略和最优社会策略,在此基础上,考虑系统服务状态不可知的情形;研究发现:是否告知流体系统服务状态,两者 的预期流体服务时间和社会收益不同,但最优社会策略相同;利用数值实验分析了不同情况下的最优社会收益和 不同系统参数对最优社会收益的影响;通过对具有多重休假策略的流体排队模型的均衡策略分析,为个人和政策 制定者降低资源损耗和实现最优社会收益提供参考。

摘要:针对现有质心求解算法仍具有较高计算复杂度,导致区间二型模糊 C 均值聚类算法(Interval Type-2 Fuzzy C-Means, IT2FCM)运行速度不理想问题,提出了半数迭代法和一次迭代法两种近似质心求解算法。 首先,在直接 求解转换点问题质心求解算法 ( A Direct Approach for Determining the Switch Points in the Karnik – Mendel Algorithm, DA)的基础上,借助二分查找思想,构造出基于二分查找的质心求解算法;接着,以该算法为基础,通过 限制查找范围,考虑两个转换点之间关系的性质和计算差值的技巧得到半数迭代法;最后,考虑只进行一次查找得 到一次迭代法。 在 UCI 上的 5 个数据集上(IRIS、SEEDS、WINE、WIFI_LOCALIZATION 和 HTRU2)验证了两种算法 的聚类性能并没有因为求解的是近似质心而降低;进一步在 ANURAN CALLS 数据集上构造了 8 组数据量递增数 据用于验证基于不同质心求解算法的 IT2FCM 和基于提出的近似质心求解算法的 IT2FCM 运行速度,实验结果表 明:基于近似质心求解算法的 IT2FCM 运行速度较快,所以提出的近似质心求解算法能够在一定程度上缓解 IT2FCM 复杂度过高的问题。

摘要:针对多元响应线性回归模型,提出了修改的马氏 Mallows 模型平均(MMMAc)方法。 为了更充分地利用多 元响应变量之间的相关性信息从而更好地提高预测精度,组合权重选择准则的构造同样考虑了马氏距离预测风 险,并通过构造 Wishart 分布,推导出预测损失的无偏估计作为权重的选择准则,最终得到的 MMMAc 准则相比马 氏 Mallows 模型平均(MMMA)准则增加了一个偏差矫正项,减小了对预测损失估计的偏差,因此通过最小化该准 则得到的权重估计能更接近不可得的理论最优组合权重;最后,模拟对比实验验证了 MMMAc 方法的优势: MMMAc 估计具有与 MMMA 估计同样的渐进最优性,因此两者的表现在大样本情形下没有太大差异,然而,由于修 改后的权重选择准则为预测损失的无偏估计,因此在样本量不足的情形下,MMMAc 方法的预测表现更佳。

摘要:针对股价数据具有高噪声、非线性和非平稳性等特征,使得股价精确预测非常困难的问题,提出小波-长短 记忆网络(LSTM-Wavelet)模型应用于股价预测。 首先,利用小波(Wavelet)分解降低金融时间序列的不稳定性,并 分析小波系数的细节特征;接着,发挥长短记忆网络(LSTM)模型的优势,深层挖掘小波系数中的长期依赖关系,对 分解后的各层小波系数分别建模预测;最后进行预测小波系数的数据重构。 使用中石油近两年的股价数据进行实 证分析,以每个交易日的开盘价、最高价、最低价、交易量为特征输入,预测当日中石油的收盘价。 结果表明:相较 于标准 LSTM 模型和小波- ARIMA (ARIMA-Wavelet)模型,提出的 LSTM-Wavelet 模型有更好的预测效果; 通过 小波分析将复杂股票数据,分解为长短记忆网络(LSTM)容易识别的小波系数,根据各层小波系数不同的数据特征 进行分层预测,提高了预测精度。

摘要:针对一类双函数系数自回归条件异方差-均值(ARCH-M)模型的估计问题,提出一种基于经验似然的估计 方法;在该估计方法中,所提出的模型允许金融时间序列的风险效应和收益效应同时为某一变量的函数结构,可以 有效地刻画金融时间序列的风险和平均收益之间的关系,具有较广的适应性;同时,与经典矩估计法和极大似然估 计法相比,基于经验似然的估计方法具有独特的优势,可以充分考虑金融序列的异方差性,并且所构造的置信区间 不涉及任何渐近方差的估计,因此具有较好的稳健性和有效性;在一些正则条件下,对所构造的经验对数似然比统 计量及函数系数估计量的渐近分布进行了理论分析;结果表明:关于风险效应函数系数和收益效应函数系数的经 验对数似然比统计量均渐近收敛于中心卡方分布,同时函数系数估计量渐近收敛于正态分布;进而对风险效应函 数系数和收益效应函数系数分别构造了相应函数系数的逐点置信区间。