PEG交联有机硅/陶瓷杂化膜的制备及反渗透脱盐性能

采用聚乙二醇(PEG)和1,2-双(三乙氧基硅基)乙烷(BTESE)进行交联共聚, 以多孔α-Al₂O₃陶瓷膜为支撑体制备了一系列PEG交联的有机硅杂化膜。通过原子力显微镜(AFM)、场发射扫描电镜(FE-SEM)、傅里叶红外光谱(FT-IR)、热重分析(TGA)和水接触角测试(CA)对膜结构和物化性质进行了表征。将制备的BTESE/PEG杂化膜应用于反渗透脱盐, 考察了PEG含量、操作压力、进料浓度和操作温度等因素对改性杂化膜分离性能的影响。实验结果表明, 相比于未改性的BTESE膜, 10wt% PEG交联的有机硅杂化膜BTESE/PEG-10的水渗透率和盐离子表观截留率均有所提高。随着操作压力的升高和进料盐含量的下降, NaCl截留率上升而水渗透率基本恒定。在高达70℃的温度循环实验中, BTESE/PEG-10杂化膜表现出优异的水热稳定性, NaCl表观截留率始终保持在97%以上, 水渗透率高达1.2×10^-12 m³/(m²·s·Pa)。     

基于3D和1D多特征融合的语音情感识别算法

针对语音情感识别任务中特征提取单一、分类准确率低等问题,提出一种3D和1D多特征融合的情感识别方法,对特征提取算法进行改进。在3D网络,综合考虑空间特征学习和时间依赖性构造,利用双线性卷积神经网络（Bilinear Convolutional Neural Network,BCNN）提取空间特征,长短期记忆网络（Short-Term Memory Network,LSTM）和注意力（attention）机制提取显著的时间依赖特征。为降低说话者差异的影响,计算语音的对数梅尔特征（Log-Mel）和一阶差分、二阶差分特征合成3D Log-Mel特征集。在1D网络,利用一维卷积和LSTM的框架。最后3D和1D多特征融合得到判别性强的情感特征,利用softmax函数进行情感分类。在IEMOCAP和EMO-DB数据库上实验,平均识别率分别为61.22%和85.69%,同时与提取单一特征的3D和1D算法相比,多特征融合算法具有更好的识别性能。     

基于自身注意力时空特征的语音情感识别算法

针对语音情感识别中无法对关键的时空依赖关系进行建模，导致识别率低的问题，提出一种基于自身注意力（self-attention）时空特征的语音情感识别算法，利用双线性卷积神经网络、长短期记忆网络和多组注意力（multi-headattention）机制去自动学习语音信号的最佳时空表征。首先提取语音信号的对数梅尔（log-Mel）特征、一阶差分和二阶差分特征合成3D log-Mel特征集作为卷积神经网络的输入；然后综合考虑空间特征和时间依赖性关系，将双线性池化和双向长短期记忆网络的输出融合得到空间-时间特征表征，利用多组注意力机制捕获判别性强的特征；最后利用softmax函数进行分类。在IEMOCAP和EMO-DB数据库上进行实验，结果表明两种数据库的识别率分别为63.12%和87.09%，证明了此方法的有效性。     

1988-2018年洞庭湖北部地区地表水资源量演变分析

洞庭湖区水资源总量较为丰富,但近年来在气候变化以及强人类活动的影响下,水资源短缺问题日益凸显。根据1988-2018年的降水及径流数据,采用趋势及突变分析等方法分析了洞庭湖北部地区降水量和地表水资源量的演变特征。结果表明:洞庭湖北部地区降水量呈先减小后增大的趋势,年际波动增大,荆南"三河"径流量呈显著减少;与1988-2003年(三峡水库蓄水前)相比,2004-2018年(三峡水库蓄水后)洞庭湖北部地区本地水资源量由38.90×108m3减少到30.07×10~8m~3,减小幅度为22.7%;过境水资源量由608.7×10~8m~3减小到471.4×10~8m~3,减幅为22.6%; 2004-2018年洞庭湖北部地区9、10月的过境水资源量大幅减少,其中10月份减少幅度达45%。