超临界机组发生FAC的因素及相互关系分析

为了减轻因流动加速腐蚀(FAC)引起的锅炉结垢加速、汽水系统管道厚度减小甚至爆裂现象，对超临界机组发生流动加速腐蚀的机理及其主要影响因素进行了研究，并讨论了管壁内表面粗糙度、蒸汽含汽率、pH值、溶氧量对FAC的影响，以及温度与pH值、温度与流速、pH值与溶解氧量、溶解氧量与氢电导率等影响因素之间的相互作用关系，最后结合实际电厂的运行数据验证了分析结果。研究表明：减小工质流速、管壁粗糙度和氢电导率，增大给水的pH值和溶解氧含量可以使FAC的腐蚀速率减小，超临界加氧处理时pH值应在8.9～9.2之间，溶解氧量范围为45～100μg/L,氢电导率的期望值在0.1μS/cm以下。由于各影响因素之间的作用十分复杂，本文只给出了大致范围和趋势，并未给出准确数据。     

空中分布式作战概念及关键技术分析

空中分布式作战是美军为应对“反介入/区域拒止”挑战提出的重要作战概念，具备分布式、智能化、高动态、大规模等特点，是未来美军空中作战平台在体系支持下作战样式的发展趋势。首先，按照提出时间梳理了美军空中分布式作战概念及典型研究项目，分析了空中分布式作战内涵、特点、工作机理以及发展趋势；然后，结合空中作战平台典型构型，提出了全域作战体系支撑下的空中分布式作战样式设想；最后，设计了空中分布式作战体系技术框架，并讨论了相应的关键技术。     

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。