澜沧江沿岸某岩堆地质特征及成因分析研究

岩堆是发育在山坡坡脚或平缓山坡上的松散堆积体，属于典型的不良地质现象，直接威胁着当地人民的生命财产安全。本文以澜沧江右岸某在建公路桥梁处岩堆体为例，从岩堆的几何形态、物质组成、形成条件等方面对岩堆的发育特征及成因机制进行了分析。研究结果表明该岩堆为一古岩堆，其成因机理为坡脚软岩遭受河流侵蚀冲刷、上覆硬岩拉裂崩塌所致。岩堆区上覆盖层主要由松散崩坡积物构成，具有分布范围广、厚度大、边界条件复杂的特点。本文的研究结果能够有力指导相关公路桥梁墩台设计，在实际工程建设中具有重要意义。     

基于竖缝式鱼道的鱼类上溯试验研究

为分析影响鱼类上溯的影响因素，基于竖缝式鱼道对19～27 cm体长范围内的鲫鱼开展连续上溯试验。通过物理模型和数值模拟相结合的方法，对鲫鱼上溯过程的位置与数值模拟得到池室内部的流速场和紊动能叠加分析，得到鲫鱼上溯所喜好的流速范围。试验结果表明，体长为19～27 cm的鲫鱼上溯所喜好的池室流速范围为0.091～0.524 m/s,试验中水流的紊动能最大值为0.035 6 m²/s²,小于0.050 m²/s²,属于低紊动能区，适合鱼类上溯，鱼类在上溯过程中会寻找流速和紊动能低的地方进行上溯。研究成果可为其他鱼类上溯提供参考。     

基于图神经网络的网络性能智能预测

传统网络性能预测技术存在网络状态获取不够全面及网络性能评估准确性欠佳等问题，利用图神经网络学习推理网络关系数据的特点，结合捕获的网络全局信息，提出了一种基于图神经网络的网络性能智能预测方法。通过网络系统抽象及网络性能建模，将复杂的网络信息转化为形式化的图数据进行描述，利用图空域卷积处理图网络节点的消息传递过程，实现网络信息之间的关系推理，研究了实现网络性能预测的图神经网络模型，提出了一种能处理流量矩阵、网络拓扑、路由策略、节点配置的图神经网络体系结构，最后通过实验论证了模型能更好地实现包括时延、抖动和丢包率的网络性能的准确预测。     

化工用纸塑编织制品发展分析

随着时代的变迁和科技的高速发展,各行各业对编织袋的需求与日俱增,导致编织袋对环境的污染日益严重,引起了社会广泛关注。文章主要对塑料包装领域普遍使用的几类编织袋生产和回收进行介绍,对纸塑等多种材质复合袋被全塑编织袋取代的重要性及发展进行分析,以期在工业以及农业生产中全面推广全塑型包装编织袋的使用,从而使生产企业更好地服务于我国国民经济健康持续发展,为生态环境的改善做出贡献。     

盐分胁迫对烤烟叶片亚细胞结构及生理生化指标的影响

  目的  探究不同浓度NaCl和Na₂SO₄溶液对烤烟叶肉细胞超微结构以及对叶片抗氧化系统的影响。  方法  利用透射电镜对不同浓度的盐溶液处理下烤烟叶肉细胞进行观察，并检测其抗氧化酶活性。  结果  在低浓度盐溶液（100 mmol/L NaCl和50 mmol/L Na₂SO₄）处理条件下，烤烟叶肉细胞壁厚度有所减小，细胞内各细胞器无明显变化。中等浓度NaCl（200 mmol/L）处理条件下，烤烟叶肉细胞的叶绿体背膜边缘模糊，嗜锇颗粒增多，淀粉粒含量减少；线粒体内出现空泡，嵴减少，部分膜结构边缘模糊；细胞核核仁密度降低，核膜凹凸不平。中等浓度Na₂SO₄（100 mmol/L）处理条件下，叶绿体基粒片层间空隙增大；线粒体形态饱满，但内膜凹陷；细胞核染色质分布均匀，但核仁边缘模糊。高浓度NaCl（400 mmol/L）使烤烟叶肉细胞叶绿体基粒片层结构失去完整性；线粒体结构瓦解，几乎没有完整结构的嵴。高浓度Na₂SO₄（200 mmol/L）处理条件下，叶绿体肿胀，变为球形，内膜及部分基粒片层溶解，淀粉颗粒进一步减少；线粒体内膜溶解，基质密度降低；细胞核核仁解体，甚至溶解消失。随着NaCl和Na₂SO₄浓度的升高，过氧化氢酶活性逐渐增强；丙二醛含量和超氧化物歧化等酶活性先升高后降低；过氧化物酶活性先降后升之后再降低。  结论  烤烟对Na₂SO₄溶液的耐受能力强于NaCl溶液。      

炼油化工中气体脱硫技术探分析

工业生产是产生空气污染的主要原因,特别是炼油化工生产中的含硫气体对空气和环境有严重的污染,甚至会危害人们的身体健康,因此要解决炼油化工的含硫气体污染问题。在炼油化工生产中采用气体脱硫技术可以有效地去除炼油化工中的硫化氢,起到保护环境和提高炼油化工经济效益的目的。     

基于LDC1314芯片的电感式旋钮控制系统设计

在家电产品中,旋钮操控是一种不可或缺的人机交互方式,相比于传统的机械式旋钮方案,电感式旋钮方案具有灵敏度可调、结构简单、利于产品面板一体化设计、可移动、易清洁、不易磨损等优势.本文结合电感式旋钮在中央空调控制器上面的应用,全面阐述了基于电感数字转换芯片LDC1314的电感式旋钮控制系统的结构、硬件和软件设计,该电感式旋钮控制系统方案可应用于不同的家电产品,提升产品外观和操作体验.     

基于张量计算的卷积神经网络语义表示学习

卷积神经网络已在多个领域取得了优异的性能表现,然而由于其不透明的内部状态,其可解释性依然面临很大的挑战.其中一个原因是卷积神经网络以像素级特征为输入,逐层地抽取高级别特征,然而这些高层特征依然十分抽象,人类不能直观理解.为了解决这一问题,我们需要表征出网络中隐藏的人类可理解的语义概念.本文通过预先定义语义概念数据集(例如红色、条纹、斑点、狗),得到这些语义在网络某一层的特征图,将这些特征图作为数据,训练一个张量分类器.我们将与分界面正交的张量称为语义激活张量(Semantic Activation Tensors,SATs),每个SAT都指向对应的语义概念.相对于向量分类器,张量分类器可以保留张量数据的原始结构.在卷积网络中,每个特征图中都包含了位置信息和通道信息,如果将其简单地展开成向量形式,这会破坏其结构信息,导致最终分类精度的降低.本文使用SAT与网络梯度的内积来量化语义对分类结果的重要程度,此方法称为TSAT(Testing with SATs).例如,条纹对斑马的预测结果有多大影响.本文以图像分类网络作为解释对象,数据集选取Image Net,在Res Net50和Incep...