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.     

养老社区的建筑室内噪声治理

新时代,隔声降噪已成为评价养老社区品质的关键指标之一.研究基于对噪声危害的阐述,分析交通运输、建筑施工、建筑机电系统和社会生活4个噪声来源,结合养老社区建设实践案例,提出养老社区的建筑室内噪声治理措施.     

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...     

典型废玻璃回收厂区空气颗粒物及噪声分布特征研究

以某典型废玻璃回收厂区作为研究对象, 监测和分析了车间及厂区内部的噪声强度、空气颗粒物(PM_2.5、PM₁₀) 浓度等环境指标, 点位布设涵盖了车间入口、人工分拣、物料筛分、破碎、干法清洗等关键工艺环节; 其次, 解析了空气颗粒物的组分及形貌特征, 并对其在厂区及车间内部的时空分布特征进行了研究; 此外, 利用噪声控制模型模拟并分析了隔声罩对噪声的控制作用。结果表明, 生产车间中工作态的空气颗粒物浓度显著高于非工作态, 其中干法清洗区浓度最高, 其PM_2.5 浓度为3.725 mg/m³, PM₁₀浓度为4.055 mg/m³; 噪声监测结果显示生产车间内噪声强度较高, 达到99.5 dB, 而引入隔声罩后噪声强度可降至67 dB, 结果表明, 隔声罩可有效控制频率为125~1 000 Hz 的噪声。该研究可为废玻璃的绿色、高效回收处置提供理论基础和实践经验。     

基于Matlab的量子激光雷达稳频通信模拟系统设计

传统通信模拟系统设计较为复杂,导致模拟过程消耗能量较大,不能准确模拟稳频通信质量。因此,提出基于Matlab的量子激光雷达稳频通信模拟系统。由于振荡器是雷达形成初始信号源的基础,通过分析振荡电路与相位噪声,获得相位噪声函数与通信频率存在的关系;为确保通信过程的稳定,将准确性与稳定性作为信号质量的评价指标,并采用锁频环稳频技术计算频率偏移程度,根据PID控制算法控制频率,量子激光雷达稳频通信;利用Matlab确定激光器、探测器等硬件组成结构,通过时序与数字阵列的设置完成模拟系统设计。仿真结果表明所提系统结构简便、性能稳定,能够真实模拟出稳频通信的信号质量。     

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.