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%。     

轻烧煤矸石混合电子含氟污泥制备混合材及其对水泥性能的影响

直接轻烧电子含氟污泥用作水泥混合材存在火山灰活性不高、标准稠度需水量大等问题，本文利用煤矸石作为电子含氟污泥的硅铝质补充来源，将电子含氟污泥和煤矸石混合后轻烧制备水泥混合材，通过强度活性指数、水泥力学强度、水泥标准稠度需水量、凝结时间、粒度分布等指标以及X射线衍射和扫描电镜等试验，探究了轻烧煤矸石混合电子含氟污泥制备水泥混合材对水泥性能的影响。结果表明:与直接轻烧电子含氟污泥制备的水泥混合材相比，煤矸石混合电子含氟污泥后轻烧制备的水泥混合材，可改善水泥的颗粒级配，降低水泥的标准稠度需水量，提高水泥混合材的活性和所配制普通硅酸盐水泥强度，但会使水泥的初凝时间延长、终凝时间缩短。     

分子膜/混合有机酸复合解堵技术在姬塬油田欠注井的应用

针对姬塬油田欠注井现象日益严重、堵塞物类型复杂造成常规酸化无法同时解除多种堵塞等问题，从堵塞物分析和解堵机理入手，研究了一种适用性较广的分子膜/混合有机酸复合解堵体系，主要由混合有机酸、新型分子膜、解聚剂和助剂组成。实验结果表明，该复合解堵体系具有优良的解堵性能，对现场垢样的溶垢率普遍能达到80%以上，对聚合物的降黏率可达到90%以上，适用于深部解堵，且能够有效避免二次沉淀的产生。现场应用效果表明，分子膜/混合有机酸复合解堵技术能够有效降低注水压力，提高日注水量，适用于大部分欠注井的地层改造。     

基于推理注意力机制的二阶段网络图像修复

现有的图像修复方法在处理大面积缺失或高度纹理化的图像时，通常会产生扭曲的结构或与周围区域不一致的模糊纹理，无法重建合理的图像结构。为此，提出了一种基于推理注意力机制的二阶段网络图像修复方法。首先通过边缘生成网络生成合理的幻觉边缘信息，然后在图像补全网络完成图像的重建工作。为了进一步生成视觉效果更逼真的图像，提高图像修复的精确度，在图像补全网络采用推理注意力机制，有效控制了生成特征的不一致性，从而生成更有效的信息。所提方法在多个数据集上进行了实验验证，结果表明该图像修复方法的结构相似性指数达到了88.9%，峰值信噪比达到了25.56 dB，与现有的图像修复方法相比，该方法具有更高的图像修复精确度，生成的图像更逼真。     

黄淮平原“环城湖”景观的空间发展与生成机制研究 — —以淮阳为例

地缘环境造就了不同城市景观的独 特性。环城湖就是受黄河泛滥影响，河流中下 游平原产生的特殊城市景观。但在发展过程 中，这些城市出现了不同程度的水域面积缩减 的现象，城市风景的独特性也随之消失。淮阳 作为此类环城湖景观保存较为完好的城市， 环城湖的发展历程具有很强的代表性，研究 环城湖的生成机制能为保护和发展城市整体 格局提供明晰的理论支撑。论文在史料研究 基础上，梳理了淮阳的城市景观发展特征以 及此特征下城湖空间格局的形成过程；整理了 在地势低下、极端降雨、河泛频繁、政治经济 转移影响下的淮阳环城湖的形成机制，以期为 淮阳城市的发展研究提供参考与借鉴。     

基于互联网的基础课程线上线下教学实践

阐述课程教学中的线上线下混合教学模式，存在的问题，应对的措施，通过对现有网络资源的充分利用，将前沿理论知识以及行业热点融入线上课程教学中，从而促进对于课程的主动学习。     

线上线下混合"计算机控制技术"教学改革

本文结合"计算机控制技术"课程的授课内容和学校的创新应用型人才培养目标,探索了一种线上线下混合式教学模式,将传统的线下课堂知识点传授与现代线上多媒体、多平台的信息共享、在线视频会议等相互融合,实践表明该教学模式有效调动了学生的学习积极性和主动性,获得了良好的授课效果.     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。