城市内涝预警系统的设计与实现

城市因暴雨来袭导致内涝问题日益凸显,严重威胁人们的生命财产安全。为此,本文以南京市为例研发了城市内涝预警系统。系统采用浏览器/服务器(Browser/Server,B/S)系统架构,基于BP神经网络构建城市内涝水深预测模型。系统包含雷达估算降水服务、历史资料库服务、城市内涝预警服务,实现了雷达估算降水产品的反演、城市内涝基础信息的导入和查询、城市内涝的预测及分级预警服务,能够为城市内涝的快速响应和防洪减灾提供决策支持。     

人工智能在移动通信中的应用

阐述移动通信技术的特点和应用状况，通信网络的优化框架，网络智能优化中的机器学习算法分析，完善后台监控系统，建立软件平台提高服务质量，形成安全的网络环境，保证高效运行。     

—种基于特高压工程的图像识别算法研究

阐述提出一种基于特高压工程的图像识别算法，通过对原始图像高斯低通滤波、平滑、亮度拉伸以及增强预处理，降低原始图像噪声，并且使图像亮度增强，探讨选取色调、饱和度以及亮度作为图像特征向量，利用模糊数据自相关函数对特高压工程图像特征进行提取。在此基础上对将图像特征向量映射到图像上，并且对特高压工程图像特征进行匹配，识别到图像中的目标。     

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.     

具有保护肠上皮细胞HT-29免受大肠杆菌和H2O2损伤潜力的植物乳杆菌的筛选

益生菌可在肠道定植从而发挥抗炎或抗氧化活性，有利于宿主肠道健康。本实验研究了从新疆传统发酵乳制品中分离得到的8?株植物乳杆菌对大肠杆菌侵袭和过氧化氢刺激肠上皮细胞HT-29的保护作用。结果表明：在8?株植物乳杆菌中，植物乳杆菌35具有最高的黏附能力。植物乳杆菌35可通过取代、竞争、排阻的方式抑制大肠杆菌对HT-29细胞的黏附，抑制率分别为42.60%、59.17%、60.19%。植物乳杆菌35及其多糖可抑制大肠杆菌刺激HT-29细胞产生白细胞介素-8；同时保护HT-29细胞免受过氧化氢的损伤，增加超氧化物歧化酶、谷胱甘肽过氧化物酶活力水平并降低丙二醛含量。结论：植物乳杆菌35及其粗胞外多糖具有抑制大肠杆菌O157诱导的炎症性肠病的潜力。     

数学建模在化工生产中的应用——评《化工生产技术》

化工行业是国家经济发展的重要支柱产业,现代化科学技术的发展需要以数学作为支撑,从而将数学广泛应用于化工生产实践当中,对于提升化工行业的生产效率及产品质量等方面具有重要的作用。当前,化工行业想要获得可持续健康发展,依然要依赖于数学的发展,为了能够达到不断优化操作的目的,快速发展完善的计算机技术为数学建模在化工生产当中的应用提供了强大的支撑。     

基于VR技术的智能变电站运行仿真培训系统

为了更加真实、直观地呈现智能变电站的运行整体结构,构建基于VR技术的智能变电站运行仿真培训系统。该系统通过5个模块协同完成智能变电站运行仿真培训,结合实际变电站的设备情况,采用二维纹理映射方法完成变电站设备仿真建模;系统利用虚拟现实交互模块呈现培训场景,参与培训人员能够通过人机交互设备,实现场景漫游和相关培训内容操作。测试结果表明:该系统能够较好地模拟出智能变电站的实际运行情况,参与培训的人员可以身临其境地完成整个变电站的巡视,更真实、直观地呈现智能变电站的整体状态。     

基于组合导航技术的观光车行驶坡度检验系统

由于景区内部观光车运营环境和车辆本身特性的影响,为了保证观光车的安全运营,景区内部行驶道路的坡度有着严格的限制和要求,传统方法需要人工对行驶路线中的坡度进行测量,任务繁重且测量精度低。针对上述问题,提出一种基于惯性组合导航技术的观光车行驶坡度检验仪器,使用高精度组合惯导模块实时获取观光车的位置、坡度,并且能够通过手机端实时获得数据分析结果,观测行驶状态。     

基于长短期记忆神经网络的每日股票价格预测

股票价格预测一直是人们关注的焦点之一。针对每日股票预测存在的问题,本文提出一种基于长短期记忆神经网络的方法来预测每日股票的最高价与最低价,通过使用Python编程语言构建长短期记忆神经网络模型,并对2000—2020年上海证券、深圳证券的股票数据进行预测。实验结果表明,采用长短期记忆神经网络能够很好地拟合每日股价的波动趋势,具有较高的准确率。