基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

广州市高技能人才实训鉴定基地基坑大变形分析及应急处理

在广州市高技能人才实训鉴定基地施工中,西侧基坑支护结构出现了较大变形,曾一度出现了险情。采用对比分析法,对东西两侧基坑的受力及变形进行对比分析,找出西侧基坑支护出现大变形的原因,即没有对地面裂缝及时做灌浆填缝处理,雨水从地面缝隙和大树根下逐渐长期渗入基坑西侧土中所导致的;最后,介绍了应急抢险所采取的措施及抢险后笔者所得的启示。     

基于图神经网络的网络性能智能预测

传统网络性能预测技术存在网络状态获取不够全面及网络性能评估准确性欠佳等问题，利用图神经网络学习推理网络关系数据的特点，结合捕获的网络全局信息，提出了一种基于图神经网络的网络性能智能预测方法。通过网络系统抽象及网络性能建模，将复杂的网络信息转化为形式化的图数据进行描述，利用图空域卷积处理图网络节点的消息传递过程，实现网络信息之间的关系推理，研究了实现网络性能预测的图神经网络模型，提出了一种能处理流量矩阵、网络拓扑、路由策略、节点配置的图神经网络体系结构，最后通过实验论证了模型能更好地实现包括时延、抖动和丢包率的网络性能的准确预测。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

基于交叉点支护设计对井巷支护效果优化

为进一步提升综采工作面生产的安全性,对交叉区段采取特殊的支护进行设计,以西铭矿22407工作面为例在分析其地质、水文、煤层等条件的基础上,对其支护现状进行分析,并从改进交叉区段掘进顺序、交叉点形式以及支护参数三个方面实现对交叉区段的特殊支护,并对最终的支护效果进行验证,取得理想效果.     

深部松软煤层钻孔孔周煤体变形产渣特征研究

针对煤矿井下高瓦斯软煤顺层长钻孔排渣困难、成孔率低、施工困难等问题,通过数值模拟实验研究了井下深部软煤体变形破坏特征,分析了顺层长钻孔孔周松软煤体变形特征及应力变化,以揭示顺层长钻孔孔周松软煤体变形产渣规律。研究表明:深部高瓦斯软煤顺层钻孔孔周煤体的应力平衡临界条件破坏后将发生大体积突然垮落;钻孔水平最大变形位移为1.22mm,垂直方向最大变形位移为10.7mm;径向孔周煤体垂向变形呈现逐渐减小趋势,且垂向变形明显大于钻孔水平变形。在水平方向上,钻孔孔周煤体应力分布呈现先增大再逐渐减小的变化规律,径向距离对水平应力分布的影响逐渐减小;随着径向距离的增加,钻孔孔周煤体应力分布逐渐降低,钻孔孔壁处煤体的应力出现最大值,且垂直方向处应力值最大。     

浅谈金属热处理变形影响因素及改善措施

随着当今社会制造业的飞速发展,金属材料在制造中的应用已经非常广泛,由于金属的力学性能在经过热处理后能够得到改善,所以在加工中为了能够更好的应用常常会进行热处理以改善其化学性能和物理性能。但是在这个用一定的方法进行加热、保温或冷却的过程中,不可避免地会产生变形的情况,这种情况会对整个工件的精确度、强度以及寿命都会影响。因此,在加工中将如何控制操作减少变形是需要深入探究。     

总变差模型在书画打印宣纸印刷质量预测中的应用

为了建立适用于书画打印宣纸印刷质量的预测模型,本研究测量了14种书画打印宣纸的粗糙度、白度、不透明度、定量、光泽度和针对宣纸特别设定的帘纹深浅以及帘纹疏密度等表面物理参量,并在相同条件下,使用喷墨打印设备输出并测量印品色度值,利用总变差模型构建去除帘纹色差的测定方法,得到与人眼视觉特征相符的色差。运用GRNN广义回归神经网络结合书画打印宣纸表面物理参量与宣纸去帘纹后的色差值,建立预测模型。结果表明,该模型能够在仅测量书画打印宣纸表面物理参量的情况下,便能较为准确地预测书画打印宣纸印刷质量,为书画打印宣纸印刷前的选纸工作提供指导依据。