界首水文站自动流量比测分析

文章通过对二线能坡法流量自动监测系统获取的流量数据与实测流量数据进行比测和分析,证明了自动流量数据的可靠性,为获取流量数据提供了新的途径.     

应用卡尔曼滤波的激振力时域识别方法研究

激振力识别属于结构动力学中的第二类反问题,为识别振动系统的激励力,本文基于卡尔曼滤波器和最小方差估计的方法,分别建立了以系统位移和加速度为输入参数的激振力时域识别方法.推导了两种方法的识别公式,并对两种方法的识别结果和识别结果的稳健性进行了仿真分析.仿真结果表明,两种方法对噪声方差初值的设定均不敏感;以加速度幅值为输入的方法识别精度优于以位移幅值为输入的方法;以位移幅值为输入的方法识别结果稳健性较好.最后采用力锤敲击试验验证了识别方法的有效性和精度.     

地铁机电安装绩效领先指标自动预测方法

目前的绩效领先指标的预测中对样本数据的平稳性考虑不足,样本数据波动性大,影响最终的预测准确性.因此提出地铁机电安装绩效领先指标自动预测方法,首先对影响项目绩效的指标进行拟定描述,确定指标后使用Lasso方法来确定其中变量对绩效指标影响程度,然后使用ADF单位根检验法对相关波动数据进行平稳化处理,运用BP神经网络技术来实现自动预测.为了验证设计方法是否满足设计目的 ,设计实验,使用某地铁机电安装工程的数据作为样本数据并进行自动预测,预测结果显示:本文设计方法对比其他方法结果更接近实际值,设计满足设计要求.     

一种飞行计划航段自动激活方法

飞机从一个航段飞向下一个航段时,需要对下个航段是否激活进行判断.提出了一种新的飞行计划航段自动激活方法,通过获取飞机当前位置及其磁差,并结合临近的3个航路点对应位置的磁差经纬度,分别计算3个航路点与飞机位置对应的磁航向角,通过磁航向角之间做差进行比较,进而判断是否被激活.算法推导完成后,通过基于模型的系统工程工具SCADE SUITE进行了建模,并结合杰普逊航图进行了实际数据采样与仿真.仿真结果表明:该航段自动激活方法能够有效稳定地激活下一航段,比传统方法计算简便,方法实用有效.已在实际飞行中成功应用,达到了预期效果.     

2022年边缘计算的5个趋势

边缘计算趋势在商业中扮演着关键角色,因为现在边缘部署无处不在。随着智能手机、智能手表和自动驾驶汽车在内的边缘计算设备的列表以指数速度增长,商业专业人士需要在2022年紧跟前沿趋势。事实上,经过几年的发展,边缘计算似乎将在2022年的采用和投资方面取得巨大进展。以下是需要关注的边缘计算趋势。     

贵州水利工程运行期生态流量下泄过程中存在问题及对策探讨

为确保水利工程在运行期间能足额下泄生态流量，整理了贵州目前水利工程常采用的４种生态流量下泄方式，并分析了各自下泄方式适用范围及存在问题。针对中小型水利工程运行期生态流量下泄存在的问题，提出了应加强恒生态流量自动控制阀的研究与应用，推动智慧水利平台建设，强化生态用水调度运行管理，完善相关行政管理部门生态流量监控管理平台，同时结合国家近期出台的有关生态流量管理的法律法规、条例、政策增强生态流量在线监测监控的管理力度等5条对策建议，以实现生态流量实时足量下泄的技术支撑，并以现行有关生态流量下泄的法规条例为抓手加强管理，可保障河流水资源开发与生态环境保护的协调发展。此结论可为贵州仍至全国其他省（自治区、直辖市）水利工程下泄生态流量方式的选取及生态流量监控监管提供参考。     

HXD2型电力机车自动换端控制研究与实现

介绍了HXD2型电力机车自动换端控制技术,对相关控制原理进行了系统阐述.首先对自动换端功能进行了概述,然后对自动换端升弓原理进行了逻辑分析,最后对机车外重联模式下的自动换端控制进行了详细说明.     

能耗优化的神经网络轻量化方法研究进展

近年来，神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂，需占用大量计算资源并消耗电能，从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路，综述了近年来该领域主要研究成果，并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为，首先需要建立可自适应网络类型的能耗模型；然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法；最后开发搜索空间可约束的轻量化方法.     

机器翻译译文质量估计综述

机器翻译译文质量估计(Quality Estimation,QE)是指在不需要人工参考译文的条件下,估计机器翻译系统产生的译文的质量,对机器翻译研究和应用具有很重要的价值。机器翻译译文质量估计经过最近几年的发展,取得了丰富的研究成果。该文首先介绍了机器翻译译文质量估计的背景与意义;然后详细介绍了句子级QE、单词级QE、文档级QE的具体任务目标、评价指标等内容,进一步概括了QE方法发展的三个阶段: 基于特征工程和机器学习的QE方法阶段,基于深度学习的QE方法阶段,融入预训练模型的QE方法阶段,并介绍了每一阶段中的代表性研究工作;最后分析了目前的研究现状及不足,并对未来QE方法的研究及发展方向进行了展望。