碳中和背景下配电网差异化节能降耗潜力评估分

为了提高配电网差异化节能降耗效果，解决现有潜力评估方法存在的应用性能差的问题，提出碳中和背景下配电网差异化节能降耗潜力优化评估方法。根据配电网的空间结构，构建相应的等值电路模型。在该模型下，从设备损耗和运行附加损耗2个方面计算配电网的损耗量。根据损耗量计算结果，确定配电网差异化碳中和节能降耗方式。从静态和动态2个角度设置潜力评估指标，通过指标数据处理、指标权重求解等步骤，得出配电网差异化节能降耗潜力的综合量化评估结果。将设计潜力评估方法应用到配电网的差异化节能降耗改造工作中，能够有效降低配电网的实际线损量、降低区域损耗费用，并具有较高的应用价值。     

基于包装功能的时间–温度指示器与食品新鲜度指示器研究进展

目的 从包装功能实现的角度分析研究时间–温度指示器和食品新鲜度指示器的原理、类型与发展趋势，指出开发设计时间–温度指示器和食品新鲜度指示器应完成的包装功能，为有效实现包装交流功能提供研究思路和技术支持。方法 列出现有食品包装功能在物理环境、周围环境和人类环境下的实现矩阵，通过研究时间–温度指示器和食品新鲜度指示器的实现原理和所满足的包装交流功能，探讨这2种技术提高矩阵中分值较低元素的可行性。结果 时间–温度指示器监测食品所经历的时间、温度的完整历程，有助于提高实现矩阵中ComA元素的分值;食品新鲜度指示器提供生理变化或微生物生长引起的食品质量变化的定性或半定量信息，有助于提高实现矩阵中ComH元素的分值。结论 时间–温度指示器和食品新鲜度指示器能够有效提升食品包装的交流功能，保证消费者安全，减少资源浪费，具有广阔的发展前景。     

成型温度对PBX装药内部质量及性能的影响

针对压制成型的PBX炸药装药，选择CT无损检测、巴西实验和扫描电镜检测等技术，对比研究了室温和加热两种温度下压制成型的炸药装药内部质量、静态力学性能和细观破坏形式。结果表明，加热压制有利于改善炸药装药的内部质量，可避免产生初始损伤，且提高了装药的力学性能。细观尺度上，室温压制成型的装药主要发生界面脱黏破坏，加热压制成型装药的主要破坏形式是穿晶断裂。     

Extinction and Non-extinction of Solutions to a Fast Diffusion p-Laplace Equation with Logarithmic Non-linearity

This paper deals with a class of fast diffusion p-Laplace equation with logarithmic non-linearity in a bounded smooth domain with homogeneous Dirichlet boundary condition. By using energy estimates and some ordinary differential inequalities, we study the conditions on extinction and non-extinction of global solutions. The results of this paper extend and complete the previous studies on this equation.

     

基于Hadoop的气象数据分布式存储技术研究

针对目前气象数据存储所面临的海量扩张、高并发读写、结构化和非结构化数据并存以及长时间序列和大数据集检索效率低下等问题,提出了以Hadoop开源框架为基础的气象数据分布式存储方案。通过对气象数据自身属性和特点进行分析,得出了气象数据在经过充分优化的基础上,在分布式存储框架中具有很强的适应性和规模化应用的潜力;并在HBase数据库中的Row Key设计和小文件合并策略方面做了创新。最后针对气象数据中广泛存在的结构化和非结构化这两种主要数据类型,以自动气象站数据和雷达产品数据为具体实例,给出了详细的设计思路和实现方法。     

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。     

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。