“自动控制系统工程设计”课程思政教学实践

学习不仅仅是自然科学知识的学习，更是社会科学、民族文化、正确人生观和价值观的形成过程，“课程思政”无疑正是实现该目标的捷径，它是当前高等院校思想政治教育的新模式。如何提升学生解决“复杂工程问题”的能力成为高校开展工程教育和“新工科”的难点和重点，而课程思政正是培养学生解决“复杂工程问题”中所需要的非技术因素的重要途径。“自动控制系统工程设计”是自动化专业高年级学生的一门专业课，当前关于“课程思政”的论述是指导思想居多、实施经验以及案例设计较少，针对该问题以“自动控制系统工程设计”为例，详细给出了“课程思政”教学案例的具体实施过程，对同类课程提供参考。     

浅谈某通信局房设备、线路搬迁案例

由于城市化建设、租用合同到期、局房资源整合等原因,通信局房搬迁成为了一项棘手的工作。文章着重探讨通信局房搬迁工作中的设备、线路搬迁方案要点及搬迁进度计划。     

基于分形理论的黄河内蒙古段河势演变特征及其与凌汛灾害关联研究

寒区河道凌汛灾害河势“弯道效应”的量化评估十分重要。基于分形理论提出河道横断面-纵剖面-平面多维度河势分形维数计算方法及其物理机制，并探讨黄河内蒙古段不同维度河势演变分形特征及其与凌汛灾害的关联关系。结果表明，黄河内蒙古段不同维度河势均具有多尺度自相似分形特征，且具有多年记忆周期的长程相关性；冰坝（严重性冰塞）发生频次与河道主槽弯曲分形维数呈正相关指数型函数关系，与河相系数、深泓点高程和河段平均底坡分形维数负相关，与水深-面积分形维数正相关，总体表明冰坝灾害更易发生于主槽偏移摆动大、蜿蜒曲折、河湾发育程度高的宽浅型弯曲河道，研究成果可为凌汛期冰塞冰坝灾害易发河段诊断及预测提供重要理论依据。     

宁夏地区雨季特征时空变化规律及其归因分析

为揭示宁夏地区雨季特征时空变化规律及物理归因，利用1960～2020年宁夏地区9个气象站点的降水资料，基于滑动t检验法确定宁夏地区各个站点多个雨季特征(包括雨季开始时间、结束时间、持续时间、降雨量、降雨强度和降雨日数)的时空分布规律，分析大气环流、季风以及海表温度对宁夏地区雨季特征的影响。结果表明：宁夏地区的雨季开始时间和结束时间具有明显的年代际和空间变化特征，西北太平洋增强(减弱)的反气旋是宁夏地区雨季开始(结束)的重要信号。雨季降雨量和降雨强度在突变年份发生后，具有增强的趋势。多个雨季特征表现出与厄尔尼诺(ENSO)区域明显的负相关性，即升高的海表温度会导致宁夏地区雨季起讫时间的提前、降雨量和降雨强度以及雨季降雨日数的减小。研究成果可为探究宁夏地区雨季特征与海表温度的遥相关性提供参考。     

不同加载状态曲线锚索沿程预应力损失试验研究

曲线锚索沿程预应力损失是影响衬砌结构应力分布的关键因素，获取摩擦系数和偏差系数尤其重要。开展不同加载状态曲线锚索沿程预应力损失研究，建立了模型试验平台，进行了不分级加载、分级加载和分级循环加载测试，分析了锚固端和张拉端受力特征、预应力损失变化规律、摩擦系数和偏差系数取值，并结合实际工程计算了曲线锚索任意点受力值。结果表明:曲线锚索沿程损失摩擦系数和偏差系数不仅与材料自身属性有关，还受到力学加载状态影响；与不分级相比，分级加载曲线锚索平均预应力损失由 8．47％ 降低至 3．63％，且各级荷载必须给予足够停滞时间，以保持预应力传递；分级循环加载曲线锚索预应力沿程损失大幅降低，而加载时长却较久，不适宜作为常规加载方式，宜作为极个别曲线锚索预应力值不能达标时的应急处置方案。     

基于OBE理念的视觉方向实践教学设计

阐述基于OBE理念开展的教学改革与探索，课程内容的设计、教学方法、考核评价，实验应用案例包括变换颜色的台灯、追球的小车、人脸识别的智能门锁。     

5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

燃气工程领域重大责任事故罪案件分析及防范

对近5年发生的19起燃气工程领域生产安全重大责任事故罪案件,从所在省自治区直辖市、事故类别、作业类别、刑期和职务5个维度进行分析,提出事前、事中、事后防范措施。     

基于全U网络的混凝土路面裂缝检测算法

针对现有的混凝土裂缝检测算法在各种复杂环境中检测精度不够、鲁棒性不强的问题,根据深度学习理论和U-net模型,提出一种全U型网络的裂缝检测算法。首先,依照原U-net模型路线构建网络;然后,在每个池化层后都进行一次上采样,恢复其在池化层之前的特征图规格,并将其与池化之前的卷积层进行融合,将融合之后的特征图作为新的融合层与原U-net网络上采样之后的网络层进行融合;最后,为了验证算法的有效性,在测试集中进行实验。结果表明,所提算法的平均精确率可达到83.48%,召回率为85.08%,F1为84.11%,相较于原U-net分别提升了1.48%,4.68%和3.29%,在复杂环境中也能提取完整裂缝,保证了裂缝检测的鲁棒性。