供水管网DMA优化分区设计方案

实施独立计量分区(district metered area,DMA)是辅助供水管网管理和漏损识别的重要手段.图划分算法是进行DMA分区的方法之一,常规图划分算法应用中,存在解空间受限、分区后原水流状态易发生较大改变、形成较多串联分区(对流量计算不利)的缺点.在常规图划分算法基础上进行了改进:粗化阶段按照特定规则匹配、合并非输水干管两端的节点,形成简化的管网拓扑结构;分区阶段得到管网初步分区方案;细化阶段提出基于贪心算法、枚举算法、蒙特卡洛算法的分区调整方法,结合改进的仪表安置方法、水力模拟、优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS),对分区方案进行调整.将该方法应用于YX市供水管网,成功进行了分区.     

钢结构二维桁架建模比较

桁架设计为水泥厂工程设计普遍项目,通过PKPM对两个案例多种情况的建模分析,可发现桁架在不同情况下应采用不同的模型以匹配现实状态.     

蜂窝网络用户上行覆盖率的数值计算方法

对于蜂窝用户上行覆盖率这类含无穷上限的多重积分公式,直接调用积分函数进行计算耗时长且无法确保收敛。文章提出通过逐层分析被积函数特征来缩小积分区间,从而提高计算速度并保证收敛性。为验证方法的准确度,与一种特殊情况下的解析式和仿真结果进行比较,结果显示差异可忽略;同时,与直接进行无穷积分的方法进行比较,显示计算时间至少节省一半以上,且随着用户密度的降低,本方法计算效率方面的优势更加突出。     

基于全基因组测序解析不同瑞士乳杆菌菌株的遗传差异——以瑞士乳杆菌H9和H10为例

目的:瑞士乳杆菌是广泛用于干酪、发酵乳饮料等领域的重要发酵剂菌种之一。以瑞士乳杆菌H9和H10为例，解析不同瑞士乳杆菌菌株间的遗传背景和基因组差异，为菌株鉴定和开发应用奠定遗传学基础。方法:以瑞士乳杆菌H9和H10为例，结合NCBI数据库中其它16株瑞士乳杆菌全基因组完成图，通过比较基因组学方法探究不同菌株之间的遗传差异。结果:不同瑞士乳杆菌菌株基因组大小、质粒数量、CDSs、tRNA、rRNA数量均存在差异。系统发育分析结果显示，瑞士乳杆菌H9和H10聚类于不同进化分支。与瑞士乳杆菌H10相比，瑞士乳杆菌H9与工业发酵剂菌株瑞士乳杆菌CNRZ32的系统发育关系更近；平均核苷酸一致性(Average nucleotide identity， ANI)聚类结果与系统发育树基本一致，瑞士乳杆菌H9与H10聚类于不同类群，瑞士乳杆菌发酵乳制品分离株间的基因组序列一致性低于人类肠道/粪便分离株；与参考菌株瑞士乳杆菌DPC4571相比，瑞士乳杆菌H9和H10基因组序列中均有不同程度的片段插入、缺失和倒置；瑞士乳杆菌H9和H10特有功能基因存在差异，瑞士乳杆菌H10的特有功能基因更多涉及氨基酸和能量代谢。结论:通过比较基因组学方法分析瑞士乳杆菌基因组信息，发现不同瑞士乳杆菌菌株间存在遗传差异。     

关于论文中的图

1.图要精选,应具有自明性,切忌与表及文字表述重复。2.图要精心设计和绘制,要大小适中,线条均匀,主辅线分明。3.坐标图标目中的量和单位符号应齐全,并分别置于纵、横坐标轴的外侧。4.图中的术语、符号、单位等应与表格及文字表述所用的一致。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

数智化时代背景下《服装立体裁剪》课程的教学新模式探析

21世纪进入数智化时代,学习者认知方式的改变,教师角色及教学环境、结构的变化等,颠覆了传统的教学模式,逐渐形成了新的教学范式.现基于数智化时代背景下探析《服装立体裁剪》课程的教学新模式.