锚杆支护金属网力学性能及传力机制试验研究

鉴于目前井下金属网常见的强度及刚度失效2类破坏方式严重制约巷道安全可靠性问题，采用自主研发的金属网静载试验系统对3类金属网进行了测试，得到了3类金属网在垂直载荷作用下的支护强度、刚度及变形破坏方式；借助有限元分析软件Ansys得到了3类金属网在垂直载荷作用下的应力分布规律；采用理论分析的方法得到了3类金属网的传力机制问题，并进一步根据3类金属网的力学响应特征、应力分布规律及传力机制分别给出了结构优化建议。研究结果表明：(1)金属网支护系统在垂直载荷作用下的载荷-位移曲线变化可分为载荷传递阶段、网丝变形阶段及结构破坏阶段3部分。(2)钢筋网具有高刚度支护特征，菱形网具有高强度支护特征，垂直载荷作用下经纬网的网丝错动会大幅度降低其支护强度及刚度。(3)钢筋网及经纬网以中心“十”字型区域内的网丝承受轴向应力，菱形网以中心“X”字型区域内的网丝承受轴向应力。(4)钢筋网支护系统在承载过程中呈现出中心“十”字型传力方式，菱形网呈现出中心“X”字型传力方式，经纬网网丝在外部载荷作用下由高应力区向低应力区滑移。(5)直接决定金属网支护作用的边界网丝，在垂直及水平方向上分别受到剪切及扭曲作用，且绑丝强...     

基于VOCs传感器敏感材料的研究进展

挥发性有机化合物(Volatile organic compounds,VOCs)检测是环境治理的重要环节,而开发快速、灵敏的检测系统仍然面临挑战。基于智能系统的VOCs传感器能够实时监测空气中污染物浓度,从而严格把控排放标准,减小VOCs对环境和健康的影响。通过调控材料及构筑方法能够制成适用于识别和快速捕获VOCs的敏感元件,从而获得传感性能优越、安全可靠的气敏传感器。本文以敏感机制为出发点,介绍了聚合物、金属氧化物、复合材料及新材料作为敏感膜的研究进展,重点讨论了VOCs与敏感膜的相互作用机制。基于此,分析了提高VOCs检出浓度和响应速度的构筑方法。最后,展望了基于光学效应的光致发光型和手性向列型敏感膜材料在VOCs智能检测领域的前景和面临的挑战。     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。     

传统固态白酒高级醇调控技术的研究进展

随着中国影响力的日益增强，中国白酒国际化进程必将加速发展，这对其酒质提出了更高要求。白酒酒质与风味物质密切相关，适当含量的高级醇能使酒体风格更为协调，但过高含量的高级醇会引发上头效应，极大影响饮酒后的舒适感。本文综述了传统固态白酒酿造过程中高级醇的形成机理，并对高级醇调控技术的研究进展进行了总结，以期为建立白酒高级醇的调控技术提供理论依据。     

石油降解菌ZS1对典型抗生素毒害作用的应激响应机制

为了解抗生素对石油降解菌的生态效应及微生物对典型抗生素毒害作用的应激响应机制，通过开展不同浓度典型抗生素对高效石油降解菌铜绿假单胞菌（ZS1）的毒性试验，研究了菌体细胞在3种不同种类抗生素（土霉素、红霉素、磺胺嘧啶）作用下的生长及毒理指标。结果表明，3种抗生素对ZS1有不同的抑菌效果，其中土霉素对ZS1活性的抑制程度最强，抑制率随着土霉素浓度的增大而明显上升，有显著的浓度-效应关系。研究了ZS1抗氧化酶（过氧化氢酶、过氧化物酶、超氧化物歧化酶）对抗生素的响应机制，结果表明ZS1受到污染时会通过产生抗氧化酶抵抗外界污染并维持细胞功能。     

基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

基于推理注意力机制的二阶段网络图像修复

现有的图像修复方法在处理大面积缺失或高度纹理化的图像时，通常会产生扭曲的结构或与周围区域不一致的模糊纹理，无法重建合理的图像结构。为此，提出了一种基于推理注意力机制的二阶段网络图像修复方法。首先通过边缘生成网络生成合理的幻觉边缘信息，然后在图像补全网络完成图像的重建工作。为了进一步生成视觉效果更逼真的图像，提高图像修复的精确度，在图像补全网络采用推理注意力机制，有效控制了生成特征的不一致性，从而生成更有效的信息。所提方法在多个数据集上进行了实验验证，结果表明该图像修复方法的结构相似性指数达到了88.9%，峰值信噪比达到了25.56 dB，与现有的图像修复方法相比，该方法具有更高的图像修复精确度，生成的图像更逼真。     

城市粉土地面塌陷的影响因素分析及成因研究

粉土作为一种具有特殊性质的土,自身的粉粒含量很高,当粉土处于饱和状态下就容易发生土颗粒随水流动的现象,进而对地面的建(构)筑物造成较大的危害.文章以城市粉土地面塌陷为研究对象,重点研究降水下渗、地下管线渗漏和市政工程施工对地面塌陷的影响,分析其不同的致灾机理,进而提出相应的城市地面塌陷防治措施.该研究可以为城市粉土地面塌陷和相关地质灾害的预防,提供科学理论和依据.     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。