基于数据质量评价的目标估计

针对目标估计过程需要大量人工参与、自动化程度低的问题，提出了基于数据质量评价的目标估计方法。利用目标数据质量评价方法，对不同传感器得到的目标数据质量进行科学、有效的测度和评价，并根据质量得分动态调整各数据源在目标估计过程中所占的权重，从而减少人工干预，提高目标估计效能。仿真试验结果证明了该方法的有效性。     

Direct ink writing of vancomycin-loaded polycaprolactone/ polyethylene oxide/ hydroxyapatite 3D scaffolds

Novel inks were formulated by dissolving polycaprolactone (PCL), a hydrophobic polymer, in organic solvent systems; polyethylene oxide (PEO) was incorporated to extend the range of hydrophilicity of the system. Hydroxyapatite (HAp) with a weight ratio of 55–85% was added to the polymer-based solution to mimic the material composition of natural bone tissue. The direct ink writing (DIW) technique was applied to extrude the formulated inks to fabricate the predesigned tissue scaffold structures; the influence of HAp concentration was investigated. The results indicate that in comparison to other inks containing HAp (55%, 75%, and 85%w/w), the ink containing 65% w/w HAp had faster ink recovery behavior; the fabricated scaffold had a rougher surface as well as better mechanical properties and wettability. It is noted that the 65% w/w HAp concentration is similar to the inorganic composition of natural bone tissue. The elastic modulus values of PCL/PEO/HAp scaffolds were in the range of 4–12 MPa; the values were dependent on the HAp concentration. Furthermore, vancomycin as a model drug was successfully encapsulated in the PCL/PEO/HAp composite scaffold for drug release applications. This paper presents novel drug-loaded PCL/PEO/HAp inks for 3D scaffold fabrication using the DIW printing technique for potential bone scaffold applications.     

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

气候变化背景下滇中引水工程水源区与受水区 降水丰枯遭遇分析

基于历史实测降水数据与全球气候模型预估数据，使用 Morlet 小波方法分析滇中引水工程水源区与受水区 降水序列的周期变化和未来的降水趋势。同时，采用 Copula 函数计算历史时期（1960—2021 年）与未来时期 （2022—2100 年）水源区与受水区降水丰枯异步或丰枯同步的概率。结果表明：1960—2021 年降水序列存在 26~39?a、18~25?a、4~7?a 的 3 类时间尺度的周期变化，2022—2100 年降水序列存在 38~55?a、18~30?a、5~12?a 的 3 类时间尺度的周期变化，降水量呈现“多—少—多”的循环交替，预计未来 10~20?a 将持续处于降水较多的时期； 过去 62?a，水源区和受水区降水丰枯异步频率 36.4%，同期丰水年频率为 25.3%，同期枯水年频率小于 30%，水源区 和受水区具有水量互补的引水条件，两区域之间存在着水量补偿特征；与历史丰枯遭遇对比，未来降水量丰枯同 步频率均呈现减小的趋势，丰枯异步呈现增加的趋势，同枯和源枯受丰的频率减少，未来有利于调水的降水丰枯 组合概率平均增加 3.75%；在近、中、远期预估中，从 SSP1-2.6 情景过渡到 SSP5-8.5 情景，SSP5-8.5 情景下降水量 丰枯异步频率比 SSP1-2.6 情景大，说明水源区与受水区的降水区域差异变大，降水时空差异更加显著。通过对滇 中引水工程水源区与受水区降水量丰枯遭遇的综合分析、定量评估和模拟预测，为滇中引水工程水资源调度协同 一体化提供数据支撑及参考依据。     

水力空化改质对重质原油沥青质及性质的影响

利用水力空化过程产生局部的高温、高压、高射流以及强大的剪切力等极端化学物理条件改质处理沙特重质原油，试验结果表明：沙特重质原油经过水力空化改质后粘度由13.61降低至7.22mm2/s，残碳由7.16%降低至6.48%，实沸点蒸馏后减压渣油降低1个百分点。进一步采用APPI FT-IR MS、XRD、FT-IR、SEM和粒度分布等技术研究了水力空化改质对沙重原油分子组成，沥青质团聚体微晶结构、沥青质胶束粒径分布、沥青质官能团、沥青质形貌等方面的影响，从分子角度阐述空化改质重油的机理。研究结果表明：水力空化改质后沙重原油分子量分布、芳烃类化合物缔合作用变小；沥青质对低DBE化合物吸附性能降低；沥青质团聚体微晶结构更加松散；沥青质胶束粒度分布降低；沥青质分子相互团聚作用力减弱。进一步考察了水力空化改质前后减压渣油延迟焦化性能，改质处理后焦炭产率降低1.85个百分点，液体收率和气体产率分别增加1.52和0.33个百分点，水力空化改质对沥青质性质、结构特点的改善能够有效的提高其加工性能。     

Ensemble relation network with multi-level measure

Fine-grained few-shot learning is a difficult task in image classification. The reason is that the discriminative features of fine-grained images are often located in local areas of the image, while most of the existing few-shotlearning image classification methods only use top-level features and adopt a single measure. In that way, the localfeatures of the sample cannot be learned well. In response to this problem, ensemble relation network with multi-level measure (ERN-MM) is proposed in this paper. It adds the relation modules in the shallow feature space tocompare the similarity between the samples in the local features, and finally integrates the similarity scores from thefeature spaces to assign the label of the query samples. So the proposed method ERN-MM can use local details andglobal information of different grains. Experimental results on different fine-grained datasets show that the proposedmethod achieves good classification performance and also proves its rationality.     

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.     

基于重要度排序的配电自动化终端优化布局方法

针对配电自动化终端优化布局问题，提出了一种基于重要度排序的终端优化布局方法。首先以等年值综合费用为目标函数，供电可靠性和投入产出比为双重约束建立了配电自动化终端优化布局模型。然后通过分析配电自动化终端对供电可靠性提升的影响，给出各个节点的“二遥”及“三遥”终端安装重要度定义及计算公式。最后采用枚举法确定最优终端安装数量，基于节点终端安装重要度排序确定终端的最优安装位置。该方法考虑了已布局节点对剩余节点终端安装重要度的影响，能够在降低计算量的同时兼顾布局合理性。运用所提方法RBTS-BUS2系统及扩充模型进行终端优化布局并与智能优化算法的布局结果进行对比，验证了本文方法的有效性及优越性。