基于海绵城市理念的东莞市松山湖大科学装置集聚区城市雨洪调控分析

以东莞市松山湖大装置集聚区所在流域为研究区,探索基于海绵城市理念提升低丘城市小流域洪涝应对能力的路径.采用MIKE FLOOD系统分析片区开发对流域洪涝情势的影响,提出以绿色调蓄设施建设为主、洪涝行泄通道改造为辅的提升策略,并分别以地块、子汇水区、流域为单元,提出3个空间尺度的绿色调蓄设施类型、布局及规模.通过模型验证...     

F~-和Cl~-浓度对电沉积锌电化学过程的影响

目前,对电积锌过程中F~-、Cl~-的电化学过程研究较少。基于电化学原理,对含F~-、Cl~-的锌电解液体系电积锌时的极化曲线、循环伏安曲线、交流阻抗谱进行了测定。结果表明:电解液中存在F~-、Cl~-时,表现出去极化作用,Cl~-会使还原电位和氧化电位升高,F~-会抑制还原产物的析出,沉积过程中不伴随气体析出现象,且随着F~-、Cl~-浓度的增大,锌沉积越来越困难。     

除草剂对植物和动物共有靶标的毒性机制

除草剂对哺乳动物和植物的毒性是通过对靶标位点的作用而产生的,目前已发现了近20种不同的除草剂作用机制,它们的靶标位点有些是植物所特有的,有些是哺乳动物和植物以及微生物所共有的。就这些除草剂的作用机制进行了系统的阐述,比较了它们对植物和哺乳动物的相对活性,以及如何确定它们的毒性。同时,除靶标位点外,除草剂的吸收、传导、代谢和降解也是影响毒性的重要因素,对这些因素的研究也有助于提高对非靶标生物的安全性。     

乙羧氟草醚对红小豆和绿豆的室内安全性研究

在温室条件下研究了10%乙羧氟草醚乳油对绿豆和红小豆的安全性,旨在探索该药剂在这两种作物上的应用前景。试验结果表明,绿豆和红小豆在第1、3片三出复叶未展开期施药,虽有一定的药害,但后期可基本恢复。最适施用剂量为300～375mL/hm2,最高剂量不得超过600mL/hm2。     

面向科学计算的复杂产品工程设计数据管理研究

复杂产品设计具有反复性、试探性、选择性等特点,其间产生的大量关系复杂、类型各异的科学数据的组织与管理已成为影响设计性能的一个瓶颈问题.对此,在分析归纳基于科学计算的工程设计特点的基础上,引入了描述设计对象属性及相关业务处理逻辑的业务构件概念,采用了"关系数据库 原始文件 XML Schema"的数据存储方式,提出了基于构件和项目版本的网状版本关系模型,以实现对过程数据和阶段数据进行分别管理,给出了版本合并及可视化等关键技术的实现方式.最后,以航空发动机涡轮设计为例进行了验证.     

煤矿特大采高工作面开采显著特点研究

以上湾煤矿第二个8.8m特大采高工作面12402为工程背景,从形成“砌体梁”结构的理论条件出发,侧重研究了特大采高工作面较难形成“砌体梁”结构的原因,认为特大采高工作面剧烈影响范围更广及采空区Δ值更大,“两更大”可造成形成“砌体梁”结构所必须的水平推力T不足,从而导致破断后的岩块不易形成“砌体梁”结构,而非仅采空区Δ值大一方面的原因。大断面切眼为特大采高工作面又一显著特点,考虑到已掘完的切眼需“闲置”较长一段时间,分析了切眼周边的应力状态,用于指导生产实际,以减小围岩蠕变对正常开采的影响。利用研究得出的“两更大”,对工作面初采期间的生产组织、机尾段的生产组织提出了部分建议,并认为前期开采所形成的大型采空区群对后续工作面的影响程度、目前留设25m宽的区段煤柱的合理性以及上湾矿原岩地应力场的测量应是下一步的研究重点。     

基于纯几何学线特征匹配的点线结合匹配算法

为了解决传统匹配算法在强光照变化或者高动态范围(HDR)环境下的匹配不准确,在欠点环境下提取特征过少的问题,引入基于纯几何学的线特征匹配算法并融合性能优越的点特征匹配算法。在保证算法实时性与拥有足够数量匹配对的前提下,使得算法对于光照变化有较好的鲁棒性,同时提高匹配的准确率,满足诸如视觉里程计(VO)之类的实时应用。实验表明,该算法在满足实时应用要求的前提下,匹配精度以及对于光照变换的鲁棒性都有了明显的提升。     

40%噁草酮·丙草胺水乳剂的制备及生物活性

[目的]制备具有良好生物活性的40%噁草酮·丙草胺水乳剂。[方法]利用转相法制备40%噁草酮·丙草胺水乳剂,分别对配方中各个组分进行筛选,对制剂的室内生物活性及安全性进行研究。[结果]较优配方组成为噁草酮10.0%、丙草胺30.0%、T-80 3.0%、AEO-9 3.0%、AEO-3 2.0%、乙二醇3.0%、SAG 1522 0.5%、三乙醇胺0.15%,去离子水补足至100.0%。[结论]该制剂各项指标符合水乳剂相关标准。室内药效结果表明,该产品对稗草和鳢肠的防效达到90%以上,对水稻安全。     

基于优先经验回放可迁移深度强化学习的高铁调度

高铁行车调度是一个复杂的多阶段序列决策问题,需要考虑列车、线路设备等条件,且决策空间随问题规模的增大呈指数增长.而深度强化学习(DQN)兼备强大的搜索和学习能力,为高铁调度提供了新的解决方案,但存在经验利用效率低、迁移能力差等问题.本文提出一种基于优先经验回放可迁移深度强化学习的高铁调度方法.将包含股道运用计划等约束的高铁调度问题构建为多阶段序列决策过程,为提高算法的迁移能力,提出一种新的支持源域和目标域共享的状态向量和动作空间.为提高经验的利用效率和算法的收敛速度,设计了一种融合优先经验回放的深度Q网络训练方法.以徐兰线小规模案例为源域问题的经验学习实验表明,所提算法的经验利用效率和算法收敛速度优于传统DQN算法,并可适当增大优先级指数和调节权重参数以改善其收敛性能.以京沪线繁忙路段的晚点案例为目标域问题,本文提出的在线决策算法相比于经典的混合整数规划算法,决策时间平均减少约75$%$,且在近77$%$的案例中,总晚点时间的性能损失在15$%$以内.