巴塘水电站导流洞平面闸门流激振动试验研究

针对巴塘水电站导流洞动水闭门过程中门体出现振动的问题,根据水弹性和重力相似准则建立比尺为1∶25的物理模型。通过模型试验,对平面闸门在闭门阶段的振动加速度、持住力以及门体应变等参量进行试验测定。试验结果表明:闸门在局开挡水时,水平向最大单倍位移幅值为91.974μm,振动危害较小;结构最大Mises应力值为11.32 MPa,闸门整体应力满足强度要求,平面闸门安全可靠。通过ANSYS Workbench平台对闸门进行模态分析。结果表明:干模态基频为40.05 Hz,湿模态基频为35.40 Hz,闸门挡水时脉动主频在10 Hz以内,与湿模态第1阶频率相差较大,闸门产生共振的可能性较低。本文采取的水弹性模型试验技术能够较好地反映平面闸门的动力特性,能够较为准确地预测和分析闸门的流激振动响应特性,可为类似工程的结构优化设计及运行安全监测提供参考。     

考虑流固耦合效应的弧形钢闸门地震动力响应研究

在地震高发的中国西南地区,地震激励对弧形钢闸门的安全持续稳定运行影响较大,有必要对弧形闸门在地震作用下的动力响应及安全性进行研究。以某工程表孔弧形钢闸门为例,通过建立考虑水体和结构耦合作用的三维数值模型,研究了弧形钢闸门地震动力响应,然后利用重力坝-库水流固耦合模型验证了计算方法的准确性和有效性,最后对弧形钢闸门进行动力时程响应分析,计算了弧门地震动水压力,并与规范方法进行对比。结果表明:本文提出的考虑流固耦合效应的动力响应分析方法适用于闸门地震动力响应计算;流固耦合效应对弧形钢闸门地震动力响应影响较大,考虑流固耦合效应的闸门动力响应计算结果比规范明显增大,两者最大比值达到2倍以上。闸门结构动位移响应峰值在闸门面板顶部中心,动应力响应峰值发生在下主横梁跨中;流固耦合的动力计算表明该闸门结构刚度满足规范要求,强度不能满足,上、下主横梁处为结构动力响应薄弱环节;对高水头采用规范法计算的地震动水压力偏大,对低水头动水压力计算结果偏小。考虑流固耦合的闸门结构动力响应分析研究能反映其真实力学特征,对于地震高发区弧形钢闸门的结构设计和安全评价具有参考意义。     

基于关键闸坝优选的区域水网水量调控

为实现区域水网水量的高效调控,从水量、水生态、水质和闸坝管理等4个方面构建包含10个指标的闸坝优选评价指标体系,以廊坊市凤河-永定河区域水网为研究对象,计算区域内32座闸坝的综合关键指数并给出影响程度排序,采用水动力数学模型验证关键闸坝选取的合理性。结果表明：优选出的永丰闸和东张务闸是区域水网的关键闸坝,通过调节这两座闸坝的开度即可满足区域水网的生态需水和防洪排涝调度目标,保持区域水网较优的水力连通能力,提高区域水网水量调控效率。     

Quadratic polynomial guided fuzzy C-means and dual attention mechanism for medical image segmentation

Medical image segmentation is the most complex and important task in the field of medical image processing and analysis, as it is linked to disease diagnosis accuracy. However, due to the medical image's high complexity and noise, segmentation performance is limited. We propose a novel quadratic polynomial guided fuzzy C-means and dual attention mechanism composite network model architecture to address the aforementioned issues (QPFC-DA). It has mechanisms for channel and spatial edge attention, which guide the content and edge segmentation branches, respectively. The bi-directional long short-term memory network was added after the two content segmentation branches to better integrate multi-scale features and prevent the loss of important features. Furthermore, the fuzzy C-means algorithm guided by the quadratic polynomial can better distinguish the image's weak edge regions and has a degree of noise resistance, resulting in a membership matrix with less ambiguity and a more reliable segmentation result. We also conducted comparison and ablation experiments on three medical data sets. The experimental results show that this method is superior to several other well-known methods.     

CoGCN: Combining co‐attention with graph convolutional network for entity linking with knowledge graphs

Entity linking is a fundamental task in natural language processing. The task of entity linking with knowledge graphs aims at linking mentions in text to their correct entities in a knowledge graph like DBpedia or YAGO2. Most of existing methods rely on hand‐designed features to model the contexts of mentions and entities, which are sparse and hard to calibrate. In this paper, we present a neural model that first combines co‐attention mechanism with graph convolutional network for entity linking with knowledge graphs, which extracts features of mentions and entities from their contexts automatically. Specifically, given the context of a mention and one of its candidate entities' context, we introduce the co‐attention mechanism to learn the relatedness between the mention context and the candidate entity context, and build the mention representation in consideration of such relatedness. Moreover, we propose a context‐aware graph convolutional network for entity representation, which takes both the graph structure of the candidate entity and its relatedness with the mention context into consideration. Experimental results show that our model consistently outperforms the baseline methods on five widely used datasets.     

一种时空注意力网络的交通预测模型

交通预测在智能交通中有着重要的意义和应用.由于交通数据的复杂性和高度的非线性,精确的交通预测的核心挑战在于如何对复杂的空间相关性和时间动态建立模型.在现实生活中,我们发现:1)区域间的空间依赖是动态的;2)时间依赖有日和周的模式,但由于有动态时间变化,它不具有严格周期性.为了解决这两个问题,我们提出了一个新的时空注意力网络(STAN),该模型的主要思想是区域间的动态相似性用一个门控机制学习,长期周期性时间转移现象由一个周期性注意力转移机制来学习,并考虑交通道路、天气状况等外部因素.通过与不同的方法在两个数据集上进行评估,实验结果表明,我们提出的模型有更好的准确性.     

一种新的考虑注意力机制的微博谣言检测模型

随着社交媒体的迅速发展,谣言通过社交媒体迅速传播,识别社交媒体网络上的谣言是社交网络研究中一个至关重要的问题.本文提出了一种新的考虑注意力机制的微博谣言检测模型,考虑到卷积神经网络(CNN)提取到的特征对输出结果影响力问题,在经典的文本卷积神经网络(Text CNN)上引入了注意力机制,通过CNN中的卷积层学习微博窗口的特征表示,再根据每个特征表示对输出结果的影响力不同通过注意力机制赋予不同的权重来进行谣言事件的检测.研究结果表明,本文提出的微博谣言检测模型准确率达到了96.8%,并且在召回率和F1值上也有提升,即本文提出的新的微博谣言检测模型具有更好的谣言识别能力.     

注意力ConvLSTM模型在RUL预测中的应用

预测性维护的应用能够极大地降低企业运维成本,而设备剩余使用寿命(Remaining Useful Life,RUL)预测是预测性维护的关键技术之一.针对传统RUL预测算法难以提取时序数据的潜藏特征以及特征权重分配不合理的问题,本文提出一种基于注意力机制(Attention Mechanism)的卷积长短时记忆(Convolution Long-Short Term Memory,ConvLSTM)预测模型,该模型充分利用LSTM网络处理和预测长期时间序列的优势,并引入注意力机制对产生显著影响的特征因子提高权重,极大地优化了模型的时空特征提取能力.为验证模型预测效果,本文以NASA提供的CMAPSS数据集为对象进行实验,以均方根误差(Root Mean Squared Error,RMSE)和数据集自定义的Score为评价指标,将预测结果与其他RUL预测算法作比对,证明了该模型具有更佳的预测准确性.     

基于多层局部信息融合的在线论坛用户心理危机识别

心理健康问题已经成为当今社会关注的焦点,它严重威胁着家庭和睦与社会稳定.有心理危机的用户经常通过特定的社区论坛或者社交媒体来求助或倾述,这为用户心理危机识别开辟了一个新的途径.论坛帖子长短不一,但判断心理危机的核心信息往往体现在局部内容上,基于此特点,本文构建了一个结合分层长短记忆网络和卷积神经网络的多层局部信息融合模型(Multi-layer Partial Information Fusion model,MPIF),利用论坛用户发布的帖子,检测用户的心理危机严重程度.模型的特点在于:1)利用预训练语言模型BERT对用户帖子中的句子进行向量化表示,充分考虑词语在不同语境中的不同含义表达;2)分别从词、短语、以及句子层面挖掘反映用户心理危机状态的信息,采用深度分层LSTM网络和注意力机制相结合的方式来获取待分类帖子中词语层面以及句子层面的局部信息,利用CNN网络中多种大小不同的卷积核来提取帖子中短语层面的局部信息;3)采用注意力机制和最大池化层,使得模型不仅能够有效地利用局部信息给出心理危机程度的判断,同时可以将这些局部信息展示给心理专家,辅助专家更快了解患者.基于CLPsych2019 Shared Task评测任务的实验结果显示,与评测时排名第一的模型相比,MPIF模型的官方评测指标All-F1值(自杀风险程度a,b,c,d 4个类别的F1值取平均)高出3.9%.经消融实验发现,去除LSTM词语层、CNN短语层、LSTM句子层,All-F1分别下降4%、4.3%、2.4%.     

经食道心房调搏的放射性核素心血管造影

本文应用反符合电路剔除调搏脉冲干扰的方法,制成经食道心房调搏心电心音门电路触发装置,用于经食道心房调搏的核素心血管造影。参考Tzivoni标准,当逐级增加调搏心率至140次/min或亚极量心率后发现:冠心病人有调搏后EF降低;急性心肌梗塞病人EF减低更为明显,并呈室壁反向运动。因此,心房调搏核素心血管造影有助于冠心病,特别是心肌梗塞的诊断。