Processing Modflow在地下水位预测中的应用

数值模拟软件逐渐成为预测地下水演化更普遍的工具,并且广泛应用于地下水动态变化研究.以乌苏市平原区为例,结合区域水文地质条件及钻井资料,利用Processing Modflow建立三维水流数值模拟模型,并对该模型进行平面流场拟合,验证出模拟值基本符合2018年实测地下水位,通过模型模拟2018—2027年不同条件地下水位变化趋势,结果显示,2027年现状条件下比用水总量条件下浅埋深面积减少了550km2.     

"十四五"生活垃圾焚烧发电行业发展趋势分析

截至2020年年底,全国垃圾焚烧发电行业垃圾处理能力超60万吨/日,并网装机容量达到1533万千瓦,年焚烧处理垃圾量约为1.4亿吨."十三五"期间行业发展迅猛,生活垃圾焚烧发电项目在守护城乡环境、节约土地资源等方面发挥了重要作用,已是民生兜底工程,城乡协同发展的重要基础设施.在2030年碳达峰、2060年碳中和的大背景下,行业将如何发展.文中对行业现状进行简单分析,对"十四五"期间行业发展趋势进行预判,并提出相关行业发展建议.     

太湖地区2020年洪水先兆特征与降雨预测模拟研究

以单要素年际序列分析为基础,采用多种方法对太湖地区2020年洪水的先兆特征进行总结,基本摸清了太湖地区旱涝转换的规律.研究表明,通过成因、频率和相似年景对比分析,可以从宏观上找到暴雨洪水发生的理论依据;通过历史演变法、分段法和细部特征法的研究,可以从无锡站年际降雨序列的微观变化中准确把握太湖地区2020年降雨大幅增长的趋势和数值预测的范围;太湖流域的气候与长江中下游地区基本同步,气候突变和非典型旱涝周期的研究,可以提升气候预测水平.     

基于Stacking集成算法的岩爆等级预测研究

岩爆是地下工程面临的一个巨大灾害，岩爆预测可以降低岩爆带来的危害。机器学习是岩爆预测方法的研究热点和发展方向，但现阶段各机器学习算法表现不同，并且相互独立工作，没有融合，不能优势互补，导致各机器学习算法的准确率、泛化性和稳定性较低。本文采用Stacking集成算法，融合现阶段使用较多的8个机器学习算法(4个集成算法和4个基本算法)，充分发挥各算法的优势，实现优势互补；为保证新特征信息具有多样性，结合各种机器学习算法的原理和岩爆样本库的特点，提出3组考虑多个岩爆预测指标的Stacking集成算法，每组算法拥有不同基模型和多个元模型，解决了传统Stacking集成算法接受特征信息受限和元模型选择困难的难题。对比分析各组Stacking集成算法与独立算法的准确率、精确率、召回率和F1值，结果表明构建的Stacking集成算法可以有效融合各机器学习算法，预测性能显著提升。在3组Stacking集成算法中，Stacking集成算法二的基模型由Random Forest Classifier,Extra Trees Classifier,Gradient Boosting Classifier和L...     

近五年地质学领域研究热点的数据可视化分析

本文选取2016年1月至2021年7月在地质学领域权威期刊：《地质学报》、《岩石学报》、《地学前缘》上发表的文献为研究对象,利用Endnote、Excel和Vosviewer等软件对数据进行相应的整理和清洗,分析了相关热点与关键词的耦合关系。结果显示：在成矿时代同位素定年的研究中,Lu-Hf年代学逐渐成为地学研究的一个热点；随着测试分析手段的进步,西藏地区作为研究青藏高原前寒武纪-早古生代演化历史的关键,逐渐成为当下国内外研究热点地区；随着信息技术的发展,地学研究的数据化、信息化,已成为地质学研究的热门方向。     

框式铝合金粉末挤锻液压机设计优化

随着我国航空航天、交通运输、新型能源等工业的快速发展,高强度、耐高温、抗腐蚀、轻量化的铝合金粉末挤锻件需求日益广泛,质量要求越来越高,相应的对制造设备也提出了更高的要求。本文就框式铝合金粉末挤锻液压机的主机结构设计、挤锻动力自动切换、精准切合工艺要求、设备优化趋势等方面进行探讨。     

基于复杂网络的合成致死预测方法研究综述

合成致死(Synthetic Lethality,SL)是一种负遗传相互作用,描述的是两个非必要基因之间的相互关系:其中任何一个基因的突变对细胞存活的影响很小,但两个基因的共同突变会导致细胞死亡或其他有碍细胞存活的表型.SL对于解释复杂生物过程、推动癌症的临床诊治有着重要的意义.因此,利用海量的高通量数据,通过构建数据分析模型和计算方法,从计算的角度进行SL对的挖掘和预测,是计算生物学研究的一个重要方向.本文首先对于SL预测所使用的相关数据进行了详细的综述,然后从生物网络这一全新视角出发,重点讨论了基于网络分析的SL预测方法.从网络上的统计学方法、基于网络结构变化的方法、基于网络特征学习的方法、基于图表示学习的方法四个方面综述了相关预测模型和研究的最新进展,详细地比较了各类方法的算法思路、应用场景和优缺点,最后针对SL预测的结果评估和验证方法的研究进展进行了论述.在此基础上,论文进一步总结出SL预测研究中所面临的几项挑战,并针对性的对未来发展方向进行展望,希望为今后的相关研究提供一些有用的参考和思路.