长流道式直线型沉沙池结构优化与数值模拟

沉沙池是保障滴灌系统正常运行的重要设施之一,但灌溉期池内水沙“固液”耦合过程比较复杂,且难以通过单一物理模型进行结构优化。为进一步提高滴灌系统沉沙效率,设计了长流道直线型沉沙池;采用物理试验与数值模拟相结合的方式,研究有无调流板和不同调流板角度对池内水沙运动规律的影响。结果表明:Fluent软件可准确模拟池内“固液”耦合过程;后池设计的调流板起到了消能、降速和提高沉沙率的作用;相较于无调流板,有调流板时后池流速可降低70%以上,沉沙率提高12%以上;且60°倾角调流板池内流速最低,沉沙率最高,出口含沙量最低为1.12 g/L,沉沙率平均可达到71.26%。研究可为优化水工结构、提高沉沙池工作效率提供一定的技术支撑。     

基于精细化河网水动力模型的长宁区除涝能力评估

为全面细致地评估上海市长宁区的除涝能力,基于翔实的基础资料构建了苏州河水系精细化河网水动力模型,并对模型进行了率定和验证,采用该模型模拟分析了现状和规划两种工况下,长宁区的面平均最高水位的特征值和主要河道的最高水位。结果表明,长宁区在现状工况下,除涝能力为10~20年一遇;在规划工况下,除涝能力达到20年一遇,但仍未达到上海市《治涝标准》要求的30年一遇标准。经过进一步分析计算,建议增加0-504km2临时滞蓄区来提高区域调蓄能力,可使长宁区除涝能力达标。     

小浪底细砂岩单轴压缩声发射特征研究

采用岩石伺服试验机和声发射仪,对小浪底三叠系细砂岩进行单轴压缩声发射试验。基于试验结果,将试样变形过程划分为压密、弹性、塑性和破坏四个阶段,分析了不同阶段试样声发射幅值、峰值频率、振铃计数和能量的变化特征,在此基础上对比分析了试样声发射ｂ值以及累计振铃计数的演化规律,得出了岩石的破坏时间前兆特征。研究结果表明:压密和弹性阶段试样声发射幅值、振铃计数和能量处于较低水平、峰值频率频带数量依次增多;塑性阶段试样幅值增大、振铃计数与能量上升且整体处于较高水平、峰值频率数值增大且呈现多频带化,临近破坏阶段试样产生大量100ｄＢ的高幅值信号,振铃计数与能量持续急增,峰值频率降低,频带减少;声发射ｂ值的变化规律可以间接反映岩体内部微裂隙萌生、扩展的演化特征。     

大藤峡水力发电厂发电机出口PT断线动作信号分析

介绍了发电机出口PT的用途及重要性,结合大藤峡水力发电厂发电机出口PT断线事件,对机组计算机监控系统、调速器系统、励磁系统、继电保护系统的动作信号进行了原因分析,为机组运行维护提供参考依据。     

众筹项目推荐:面向隐式反馈的深度学习协同过滤

目前,在推荐系统研究中,用户的隐式反馈,以及极度稀疏的数据,已成为影响协同过滤推荐效果的主要问题.针对这一现象,本文提出了深度学习协同过滤算法,先利用卷积神经网络,对用户-项目矩阵的隐层特征进行学习,再结合协同过滤,对用户-项目的交互信息进行建模,并将两种特征融合预测推荐列表.以众筹平台的数据为实验对象,比较模型中各参数对推荐效果的影响,并设计与基线方法的对比实验.实验结果表明:均匀采集负反馈,并在一定卷积层数的网络中,数据稀疏度越高,效果越好;对比基线方法,本文提出的算法在公开数据集(Yahoo!Movie)上取得了最好的推荐结果.本文提出的算法有助于提高众筹平台的融资成功率,同时也丰富了推荐系统的研究体系.     

校园网络安全应急响应联动系统模型

网络安全应急响应联动系统的目的是充分协调地理上分布的资源,共同应对网络安全事件。以目前的应急响应技术为基础,结合校园网络安全的应急响应实践,建立了校园网络安全应急响应联动系统模型,分析了联动系统的体系结构、功能结构和安全策略。     

基于变论域理论的模糊自适应控制方法研究

针对一类非线性、快时变性以及模型不确定性问题,设计了一种基于变论域的模糊自适应控制器。利用模糊模型逼近控制系统的非线性部分,以及采用李亚普诺夫方法证明所设计的非线性控制系统的渐进稳定性并推导出自适应律。最后将设计的控制器应用于倒立摆,仿真结果表明跟踪性能良好。     

体育馆灯光照明系统解决方案研究

体育馆大多为所在地的标志性建筑。由于功能齐备,需求较全,建筑面积较大,照明要求严格,整个场馆除了主场地的高标准照明和众多工作场所的一般照明外,还有室外夜景照明、景观照明、装饰照明以及广告、标识照明等。本文结合都江堰体育馆的照明实例,对体育照明、室外夜景照明、照明节能、智能控制系统等在体育馆照明工程中所涉及的标准、要求和解决方案进行了研究。     

基于机器学习的电力通信网带宽分配算法

网络切片技术可以优化5G电力通信网的数据传输性能,但是数据传输性能取决于5G电力通信网为各切片分配的带宽大小。为优化5G电力通信网中网络切片的时延效果,提出了一种基于机器学习的5G电力通信网带宽资源分配算法。该算法通过对5G电力通信网历史预留带宽量及获得的时延效果进行学习,进而确定当前时隙网络应该预留的带宽资源大小。得到当前网络所预留带宽大小后,算法会基于切片重要度按序准入切片。仿真结果显示,所提出的基于机器学习的带宽资源分配算法可以提升17.968%切片加权时延和,并获得43.21%的决策性价比增益。