基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

基于互联网的基础课程线上线下教学实践

阐述课程教学中的线上线下混合教学模式，存在的问题，应对的措施，通过对现有网络资源的充分利用，将前沿理论知识以及行业热点融入线上课程教学中，从而促进对于课程的主动学习。     

非对称独塔混合梁斜拉桥的异形索塔不同状态力学性能分析

以一座跨度为314 m的不对称混合梁独塔斜拉桥为工程背景,首选建立整体桥梁有限元模型研究了不同施工阶段的桥梁结构受力特征;再通过实体有限元分析了"佛手"型曲线性索塔锚固区的局部应力分布规律.结果表明:最大悬臂状态的桥塔最大位移和应力要明显大于桥塔自立状态和满堂支架状态;桥塔最大变形在塔顶第一个锚固区,约为0.742 m;锚固区混凝土塔应力分布规律为从上到下、顺桥向从左到右应力增大,施工和成桥阶段最大应力分别为70.1 MPa和76.2 MPa.     

两种混合单元混合机理的数值模拟

为了研究SV型和SX型混合单元在全静态乳化器的混合机理,使用群体平衡模型对乳化器内部流场进行模拟分析。结果表明,SV型与SX型混合单元的混合机理是油相与水相材料通过混合单元时其空间流动方向改变,在流场内形成大量的漩涡,从而达到乳化的目的;通过比较流体在经过SV型和SX型混合单元后的水相索特平均直径(d_(32)),得出SV型混合单元的乳化效果更强,但同时消耗更多的能量,压降更大。     

投稿须知

为使来稿更符合国家科技期刊格式标准,避免多次退修,特向作者提出以下要求:1.文字描述要简练有条理;文章题目在20个字以内(包括中英文数字及符号);中文摘要不得少于400字,包括目的、方法、结果、结论等4个要素﹔关健词通常为3~8个,且中文关健词不可以全为缩写的英文字母(可以添加"协议"技术"等说明性词语);文章名、姓名、单位、摘要、关键词需要译成英文,且中英文务必严格对应;图、表要求有图号、图名、表号、表名,并且要在文中引用。