高温对煤炭地下气化围岩损伤的影响

煤炭地下气化是煤炭无害化开采技术创新战略方向之一，该技术可以回收老矿井废弃煤炭资源，对传统采煤技术难以开采的煤炭资源进行原位清洁转化。气化过程中燃空区形成带来的结构应力和高温造成的热应力共同作用对岩石造成损伤。以大城勘查区深部煤层为气化对象，得出典型围岩热物性及力学参数随温度变化规律。基于连续损伤力学理论，在平滑Rankine损伤模型的基础上提出高温岩石损伤变量模型，使用COMSOL Multiphysics多物理场耦合软件对深部煤层地下气化过程围岩温度、主应力、损伤变量进行模拟研究。结果表明，5种典型岩石的比热容随温度升高整体呈上升趋势，导热系数随温度升高整体呈下降趋势，抗压强度和弹性模量随温度变化规律差别较大。围岩受温度影响范围随气化时间呈指数变化，气化10 d时，温度影响范围仅为3.27 m;气化50 d时，温度影响范围达到5.73 m;气化100 d时，温度影响范围为8.21 m;气化400 d时，温度影响范围达到18.20 m。结合地下气化过程中普遍采用的控制注气点后退气化法，岩石处于高温区的时间在40 d左右，温度场对围岩的影响范围约为4.7 m。燃空区上方及两端均出现损伤...     

用于射频滤波器的LN单晶薄膜XBAR的性能研究

基于铌酸锂(LN)薄膜的横向激发体声波谐振器(XBAR)能够兼具大机电耦合系数(K²)和高谐振频率(f)特性，有望满足5G应用的频段要求。然而，常规LN薄膜单层XBAR结构的温度稳定性较差，频率温度系数(TCF)较低。该文提出一种具有SiO₂温度补偿层的SiO₂/LN双层结构XBAR，并建立了精确分析层状结构XBAR的有限元模型。理论分析表明，该双层结构XBAR上激励的主模式是一阶反对称(A1)兰姆波。通过合理优化结构参数配置，能够获得高谐振频率(f~4.75 GHz)和大机电耦合系数(K²~8%)，同时其温度稳定性也得到显著改善(TCF~-36.1×10^-6/℃)，相较于单层XBAR结构提高了近70×10^-6/℃，这为研制温补型高频、大带宽声学滤波器提供了理论基础。     

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法

急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊.算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征;依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别;使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证.实验结果表明,加入胸痛中心真实临床数据后,基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72％,精度达到99.53％,灵敏度达到100.00％,同时F1-Score达到99.76.该算法比其他现有算法准确率提高至少1％,该项研究具有非常重要的临床应用价值.     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.