基于CNN-ResNet-LSTM模型的城市短时交通流量预测算法

针对交通流量特性和外部因素对交通流量预测结果的影响,提出了一种对城市短时交通流量预测的模型CNN-ResNet-LSTM,将卷积神经网络（CNN）、残差神经单元（ResNet）和长短期记忆循环神经网络（LSTM）集成到一个端到端的网络框架.利用卷积神经网络来捕获城市区域间交通流量的局部空间特征,并在卷积神经网络中加入多个残差神经单元来加深网络深度,可提高预测的准确性;利用长短期记忆循环神经网络来捕获交通流量数据的时间特征;利用相应的权重将2个网络的输出结果融合,得到通过轨迹数据预测的结果;最后与外部因素融合,得到城市区域的交通流量预测值.用北京市轨迹交通数据对该模型进行验证,CNN-ResNet-LSTM模型不仅在准确率方面比传统模型高,而且在保证预测准确率的情况下,模型使用的参数也少.     

N2O5/HNO3硝化合成1,2,3,4-丁四醇四硝酸酯

以赤藓糖醇为原料,利用绿色硝化剂五氧化二氮（N₂O₅）在硝酸(HNO₃)介质中硝解制得1,2,3,4-丁四醇四硝酸酯（ETN）。与现有混酸法相比,该反应可在无硫酸(H₂SO₄)环境下进行,后处理简单,废酸污染小。试验探讨了投料比、反应温度和反应时间对ETN产率的影响,用扫描电镜SEM、红外光谱IR等对不同ETN晶体的形态进行了表征。结果表明,投料比m(赤藓糖醇):m(N₂O₅):V(HNO₃)=2.5 g :4.0 g :20.0 mL、反应温度为20 ℃、反应时间为2 h时,ETN的产率最高,达76.6%。同时,3种不同晶体形态的ETN具有相同的特征峰。     

东莨菪碱医药中间体的研究进展

现代医学和临床研究表明,东莨菪碱在生物医药领域具有广阔的应用前景。东莨菪碱作为胆碱受体阻滞药,其药理作用主要表现为抑制体分泌及中枢镇静作用,临床上主要用于麻醉前给药。对其制备工艺和临床用途等方面进行了综述,力求为化药等研究提供参考。     

面向能量受限传感网的最优数据收集策略

本文研究了能量受限条件下无线传感器网络(wireless sensor networks,WSNs)的最优数据收集策略问题.首先,传感器节点周期性采集数据并通过卡尔曼滤波器(Kalman filter,KF)对信息进行预处理以滤除噪声.其次,考虑到通信为主要耗能环节,设计最优数据发送策略令节点在特定轮内发送数据,使得满足网络生存周期前提下,基站获得的数据精度最高.具体来说,针对单跳网络,给出可使基站误差方差最小化的数据发送策略;在此基础上,进一步提出面向多跳网络的改进数据发送策略.最后,利用仿真和原型实验验证所提策略的有效性.     

无母液、无废水生产乙酰甲胺磷新技术

采用氨气代替氨水进行中和,通过离心得到醋酸铵产品。引进高效增溶剂,通过反萃取去除溶剂氯仿层和母液中杂质,最终得到98%的高含量乙酰甲胺磷产品,生产过程中无废水和母液产生。     

基于编码拆分的跨网通信技术优化研究

现有的WEBee系统可通过模拟接收器的标准时域波形在物理层面实现WiFi到ZigBee的跨网通信,但该系统存在单次传输帧接收率不高,符号错误率较大等局限.针对该局限,本文提出了一种基于循环前缀前的编码拆分优化方案,主要思想是对ZigBee前导码中的同步码序列进行编码拆分,可有效降低循环前缀操作时出现的错误,提高帧接收率.结果表明该方案优化系统单次传输的帧接收率可达65.2％,相比原系统提高了8.1％,且单次传输的符号错误率从2.7％降低至1.8％.     

苯锈啶的合成研究

对苯锈啶的合成路线进行了研究。通过对苯锈啶的合成单元,4-特丁基苯基-2-甲基丙烯醛直接用雷尼镍过量加氢制备4-特丁基苯基-2-甲基丙醇的工艺进行正交试验,确定了加氢过程中的溶剂选择、加氢催化剂投用量、反应温度、反应压力及反应时间等。单步反应收率可达98.5%以上,与负载型催化剂作用下与哌啶制得苯锈啶,两步总收率85%。     

三基发射药生产过程中气态硝化甘油的销爆研究

针对三基药生产过程中因含有微量(0.02～4.83 mg·kg~(-1))硝化甘油(NG)导致气态有机溶剂难以回收的现状,采用吸收?分解联用法,通过喷淋液,吸收、化学分解NG。结果表明,氢氧化钠水溶液、氢氧化钠醇溶液以及硫化钠水溶液均可作为喷淋液使用,且销爆性能与温度及溶液浓度呈正相关关系。以气态NG初始浓度5 mg·kg~(-1)为例,当氢氧化钠水溶液浓度2.0%,体系温度50℃,气液接触时间20 s,液气比0.16 L·m~(-3)时,气态NG去除率达到99.92%。     

一种基于Shapelet算法的指纹定位方法

信道状态信息（CSI）受时空影响较大,导致现有基于CSI的室内定位技术鲁棒性差.针对这一问题,提出了基于Shapelet算法的指纹定位方法.在训练阶段将CSI作为原始位置数据,通过3-σ异常值处理法和卡尔曼滤波对原始数据进行处理、修正;再使用Shapelet算法提取每个位置的指纹,并建立指纹库;最后使用指纹库构建Shapelet决策树,通过决策树分类实现较为精准的定位.通过与主成分分析算法以及k近邻算法的对比实验,结果表明,该方法在不同时间的定位精度较高,且能保持性能稳定,所需训练集更小.