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%。     

滇黔相邻区二叠系宣威组富稀土黏土岩综合研究进展

在滇黔相邻区峨眉山玄武岩之上，二叠系宣威组下部广泛分布一套富稀土黏土岩。作为一种新类型的潜在稀土资源，诸多学者对其进行了研究，包括成矿条件、赋存状态，富集规律、综合利用方式等多个方面都有了较大的进展。该类型稀土具有非常大的资源潜力，区域连续性好、集中程度高，富含高价值的稀土元素镨、钕、铽、镝，经济价值和开发利用潜力巨大。本文全面总结了宣威组稀土目前的研究进展和存在的关键问题，提出了下一步研究方向。当前对于宣威组富稀土黏土岩中稀土元素的富集机理尚未明确，进一步开展成矿理论研究是找矿突破的关键；赋存状态的研究亟待突破，对该新类型稀土的综合利用技术突破，后期绿色勘查开发具有重要的意义；综合利用方面，经济可行的绿色选冶技术、伴生的铝、铌、锆、镓、钛等有价元素的综合回收、尾矿的资源化消纳等方面是下一步的主攻方向。      

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FLAC3D的破碎围岩巷道支护效果分析

为了解破碎围岩分别采用锚杆支护、锚喷支护以及锚喷+锚索耦合三种支护方式下的支护效果,进而为破碎围岩巷道选择合理的支护方式提供参考。通过借助FLAC^3D软件建立数值模型,分析不同支护条件下的破碎围岩巷道位移量、应力分布以及塑性区的时空演化特征。结果表明,采用锚喷+锚索耦合支护时,可以较好的控制巷道围岩的位移量、减小应力集中效应、缩小塑性区的影响范围。     

河南省商城县观庙金多金属矿区地球化学异常特征*

结合1∶1万土壤地球化学测量成果，对商城县观庙金多金属矿区的元素分布特征、相关性及元素异常特征进行了研究，并根据矿区地质背景，圈定了化探综合异常20处，通过地表工程揭露，发现了Au矿（化）体，证明圈定的异常准确、有效，为地质工作提供了精准的找矿靶区。     

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。