基于分形理论的黄河内蒙古段河势演变特征及其与凌汛灾害关联研究

寒区河道凌汛灾害河势“弯道效应”的量化评估十分重要。基于分形理论提出河道横断面-纵剖面-平面多维度河势分形维数计算方法及其物理机制，并探讨黄河内蒙古段不同维度河势演变分形特征及其与凌汛灾害的关联关系。结果表明，黄河内蒙古段不同维度河势均具有多尺度自相似分形特征，且具有多年记忆周期的长程相关性；冰坝（严重性冰塞）发生频次与河道主槽弯曲分形维数呈正相关指数型函数关系，与河相系数、深泓点高程和河段平均底坡分形维数负相关，与水深-面积分形维数正相关，总体表明冰坝灾害更易发生于主槽偏移摆动大、蜿蜒曲折、河湾发育程度高的宽浅型弯曲河道，研究成果可为凌汛期冰塞冰坝灾害易发河段诊断及预测提供重要理论依据。     

宁夏地区雨季特征时空变化规律及其归因分析

为揭示宁夏地区雨季特征时空变化规律及物理归因，利用1960～2020年宁夏地区9个气象站点的降水资料，基于滑动t检验法确定宁夏地区各个站点多个雨季特征(包括雨季开始时间、结束时间、持续时间、降雨量、降雨强度和降雨日数)的时空分布规律，分析大气环流、季风以及海表温度对宁夏地区雨季特征的影响。结果表明：宁夏地区的雨季开始时间和结束时间具有明显的年代际和空间变化特征，西北太平洋增强(减弱)的反气旋是宁夏地区雨季开始(结束)的重要信号。雨季降雨量和降雨强度在突变年份发生后，具有增强的趋势。多个雨季特征表现出与厄尔尼诺(ENSO)区域明显的负相关性，即升高的海表温度会导致宁夏地区雨季起讫时间的提前、降雨量和降雨强度以及雨季降雨日数的减小。研究成果可为探究宁夏地区雨季特征与海表温度的遥相关性提供参考。     

基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法

急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊.算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征;依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别;使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证.实验结果表明,加入胸痛中心真实临床数据后,基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72％,精度达到99.53％,灵敏度达到100.00％,同时F1-Score达到99.76.该算法比其他现有算法准确率提高至少1％,该项研究具有非常重要的临床应用价值.     

针对细微特征进行K-means聚类的电台分选识别技术

现代战场中的无线通信设备日益增多，精准获取个体信息已成为研究热点，但也是难点。针对通信电台，提出了一种分选识别技术。该技术从电台物理层特性出发，对其辐射信号的细微特征进行K-means聚类以实现分选，分选的同时提取各个个体的特征属性值，未知信号通过与特征属性值相关运算实现个体识别。该技术无需先验知识，无需训练运算，通过实验验证，其可行、高效，易于工程实现。     

近源成藏——来自鄂尔多斯盆地延长组湖盆东部“边缘”延长组6段原油的地球化学证据

延安以东和以北的鄂尔多斯盆地东北部地区曾被认为位处三叠纪延长组7段（长7段）沉积期古湖盆的"边缘"，一些学者认为该区延长组烃源岩不发育，因而其油藏原油系湖盆中心生成的原油经长距离侧向运移而来；但也有研究认为，包括盆地边缘在内的整个鄂尔多斯盆地致密油藏均为近源成藏。为明确盆地东部地区延长组原油来源，对三叠纪湖盆"东缘"七里村油田的主力油层延长组6段（长6段）原油开展了原油地球化学和油源对比研究。七里村油田长6段原油具有高饱和烃、高饱芳比、低非烃和低沥青质的特征，正构烷烃呈前高单峰型，主峰碳为C₁₉，生物标志化合物分析显示长6段原油为同源成熟原油，生油母质以藻类等低等水生生物为主，混有陆源高等植物，母源沉积环境为偏还原性的淡水湖泊。七里村油田长6段原油与本地区长7段黑色泥页岩和暗色泥岩2种烃源岩均具有明显亲缘关系，而与志丹、富县等湖盆中心地区的长7段烃源岩在族组成、生物标志化合物和稳定碳同位素特征上均存在明显区别。综合分析认为七里村油田长6段原油并非湖盆中心长7段优质烃源岩所生油气经长距离运移而来，而主要为原位长7段烃源岩生成的原油经垂向运移和短距离侧向运移在长6段等储层中聚集成藏，属于近源成藏。     

EBZ-260型掘进机截割头截割性能研究

通过对EBZ-260型掘进机截割头的截割性能进行分析和研究,深入了解和掌握了相关截割头的数据参数、设计结构及载荷等情况,进一步研究了截割头的受力情况、形状结构及其截齿运行轨迹及安装分布等特性,可为截割工作提供必要的数据参考及理论基础,有利于重要部件的有限元分析,对研究掘进机整机受力的情况、截割的性能、所具备的可靠性及稳定性等方面具有重要作用.     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.