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%。     

不同重构土壤材料配比的土壤改良和苜蓿生长效应研究

针对西部露天矿区土地生态修复中表土稀缺和土壤贫瘠难题,从充分利用矿区当地常见的原材料出 发,利用风沙土、红黏土、煤矸石、玉米秸秆及腐植酸为原料,按照不同配比混合后进行室内盆栽试验,研究不同配比下 紫花苜蓿生长特性、土壤理化性状和生物学特性的差异,优选适宜于该地区的重构土壤配比。 结果表明:利用风沙土、 红黏土、煤矸石、玉米秸秆及腐植酸重构土壤具有可行性;不同重构土壤配比均可显著改善土壤物理结构,增加土壤 养分含量,提高土壤微生物活性,进而促进紫花苜蓿生长,但不同配比之间存在明显差异;与纯风沙土(CK)相比,不同 重构土壤配比下紫花苜蓿生物量、根长、根直径和根表面积分别提高了 19. 05% ~ 624. 76%、17. 99% ~ 131. 80%、 17. 72% ~ 239. 20%和 33. 01% ~ 650. 45%。 相关分析结果表明:紫花苜蓿生物量与基质理化性状和微生物活性存在协 同效应。 综合来看,风沙土与红黏土按 1 ∶2 复配,同时添加 15%煤矸石、5%玉米秸秆及 0. 05%腐植酸,土壤重构效果 最佳。 该研究为矿区土壤重构及降低土地生态修复成本提供了理论依据。     

建筑工程技术的经济预测及决策探究

现如今,随着人们生活水平的逐渐提升,对建筑类型、结构、外观及质量等条件的要求越来越高.而建筑工程本身具有周期长、技术类型丰富及施工复杂的特点,除考虑质量因素外,还需对其施工技术成本进行明确的预测和决策及核算,一方面要保障成本在预算范围之内,保质保量地完成施工计划;另一方面通过有效的经济预测和决策,也有利于强化技术优势,进而为提升建筑工程的建设水平提供坚实可靠的保障.主要研究建筑工程技术经济预测和决策的意义与方法.     

90 t/h四角切圆燃烧锅炉优化调整及试验研究

某炼油厂90 t/h自然循环燃气锅炉燃烧器低氮改造后，运行调整总是不太理想。在40%～90%负荷工况下，出现炉膛和过热器的高温/低温段、省煤器两侧烟气温度（烟温）偏差大，NO_x、氧含量及颗粒物排放浓度较高的问题。经过分析，造成该现象的主要原因是4个燃烧器配风不均。针对此问题，对4个燃烧器配风进行了优化调整，优化后的锅炉省煤器α/β侧烟气温差较原来减少30℃,炉膛内部两侧温差较原来减少9℃,过热器高温/低温段温差较原来减少40℃/30℃,各侧点温度α侧变化较大，β侧变化较小。NO_x平均质量浓度下降了近100 mg/m³;颗粒物质量浓度由16.3 mg/m³降低到5.8 mg/m³。有效地解决了锅炉两侧燃烧偏烧和氧气分布不均匀及NO_x、颗粒物排放浓度较高的问题。     

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。     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。     

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。     

一种舰用橡胶减振器疲劳寿命预测方法研究

针对橡胶减振器在舰船设备应用中常伴随着不可预见的疲劳失效问题,对舰用BE-300型橡胶减振器疲劳寿命预测方法进行了研究。基于连续介质力学理论,通过开展橡胶材料拉伸疲劳试验,建立了减振器橡胶材料的疲劳寿命预测模型;根据减振器橡胶材料的单轴拉伸和单轴压缩试验数据拟合结果,选择2阶多项式本构模型进行了橡胶减振器的有限元仿真;根据有限元仿真计算结果提取了橡胶减振器的最大主应力分量,结合橡胶材料疲劳寿命模型预测了橡胶减振器的疲劳寿命。研究结果表明:选取不同的疲劳损伤参量所得到的寿命预测结果并不相同,以等效应变为损伤参量对橡胶减振器寿命进行预测得到的结果与实际情况较为符合,该方法可用来预测舰用橡胶减振器的疲劳寿命。