基于卫星和Argo观测的阿拉伯海中北部海表盐度季节和年际变化（英文）

基于美国国家航天局(NASA)发射的水瓶座(Aquarius/SAC-D)卫星和欧洲航天局(ERA)发射的土壤湿度与海洋盐度(SMOS)卫星的观测资料,以及Argo海表盐度资料,重点分析了阿拉伯海中北部海表盐度的季节和年际变化.年平均情况下,Argo、Aquarius和SMOS表现出相似的海表盐度分布形态,均表现了阿拉伯海中北部高达36.5 psu的高盐特征.阿拉伯海中北部海表盐度在2—3月出现最低值,在4月之后快速升高,并在夏季西南季风的成熟阶段达到最高.阿拉伯海中北部海表盐度显著的季节变化与季风风场引起的大量蒸发和平流输送相关.夏季风期间,Ras al Hadd急流将来自阿曼湾的高盐水向东向南输送到阿拉伯海中北部海域,使海表盐度升高并达到最高值;冬季风期间,冬季风环流系统在印度半岛西侧海域形成向北的低盐水输送,造成阿拉伯海中北部海表盐度降低.该低盐水平流在冬季风后期能够影响到阿曼海.阿拉伯海中北部海表盐度年际变化主要与季风驱动的季风环流系统的变化相关,尤其是冬季风期间向北流动的印度西侧沿岸流的强弱与该区域海表盐度年际变化关系密切.     

广义Willmore泛函及其极值子流形（英文）

研究变换群作用下的不变量是几何的重要任务之一.通过对黎曼流形中子流形共形变换下不变量的计算,定义了一类广义Willmore泛函,并利用变分方法求解此泛函的极值条件,最后构造了满足此极值条件的Willmore子流形.     

数据驱动型时间序列预测方法综述（英文）

阐述了时间序列、时间序列预测及其方法,研究了时间序列预测定量分析的主要内容--数据驱动型时间序列预测方法,分析了其预测原理、特点、关键技术和研究热点,在此基础上讨论了数据驱动型时间序列预测方法的适用性及发展趋势.     

面向自动可视化的可解释数据变换推荐（英文）

自动可视化技术能够为不熟悉可视化设计的用户生成有意义的可视化,以支持他们的数据分析和模式发现需求。当前,主流的自动可视化方法采用聚合与过滤从原始数据抽取模式信息。然而,这些有限的数据变换并不能捕获聚类、关联等复杂的模式。尽管特征工程领域的最新进展为更加广泛的自动数据变换提供了可能,其结果却缺少可解释性,导致变换后的模式无法与原始数据特征建立联系。为应对上述挑战,我们面向自动可视化中广泛的数据变换类型,提出一种创新的可解释推荐方法。我们通过回顾既往文献总结可行的数据变换空间,通过开展预实验总结变换可解释性的度量。我们的推荐算法能够计算最优的数据变换,这种变换能够在维持可解释性的同时揭示数据的模式信息。真实场景下的使用案例与用户实验验证了我们方法的有效性。     

高维观测数据的投影寻踪回归法及其应用

高维预测数据的非线性建模是工程实际中普遍存在的问题。本文首次给出了岭函数为多项式形式的投影寻踪回归（简称PPR）的新方法。应用PPR新方法，本文对全向攻击导弹数据进行处理，建立有效攻击距离Rmi n和Rmax的非线性回归模型，模型精度达到了实际工程要求。同时，本文建立了飞机性能参数换算功率Nop的数学模型，其相对误差小于2.5%，使模型精度明显提高，该方法适用面广，所需的条件弱，建立的模型形式简单，精度高，易于在计算机上实现，对于工程实际应用有着普遍的实用价值。     

矿业科学技术（英文）

正International Journal of Mining Science and Technology publishes original research papers covering all aspects of mining,including mining engineering,safety technology and engineering,mineral processing,coal geology,geotechnical engineering,etc.International Journal of Mining Science and Technology is abstracted/indexed in:Ei Compendex,CA,AJ,CSA,Coal Abstracts,Scopus,etc.     

加速器质谱在核科学中的应用（英文）

加速器质谱(accelerator mass spectrometry,AMS)是基于加速器和离子探测器的一种高能质谱,属于一种同位素质谱(mass spectroscopy,MS),它克服了传统MS存在的分子本底和同量异位素本底干扰,因此同位素丰度灵敏度很高,对14C(T1/2=5 730 a)、10Be(T1/2=1.5×106a)和36Cl(T1/2=3.0×105a)等核素测量的丰度灵敏度均达10-15(传统MS的同位素丰度灵敏度最高为10-8).因此,AMS具有极其广泛的应用前景.简述AMS原理、技术和发展现状,介绍中国原子能科学研究院的AMS技术,及该技术在核科学与技术中的应用研究进展,包括长寿命核素半衰期的测量(如79Se),核反应微小截面的测量(如238U(n,3n)236U),长寿命谷区裂变产物核测量以及129I的AMS测量作为核设施监测、核环境与核应急检测的新方法等.     

通过解决先验数据冲突实现自适应图神经网络（英文）

图神经网络（GNN）在各种与图相关的任务中已取得显著性能。最近GNN社区的证据表明,这种良好的性能可归因于同质性先验,即连接的节点倾向于具有相似的特征和标签。然而,在异配性设置中,连接节点的特征可能会有显著变化,导致GNN模型性能明显下降。本文将此问题定义为先验数据冲突,提出一种名为混合先验图神经网络（MPGNN）的模型。首先,为解决异配图上同质性先验不匹配的问题,引入无信息先验,它不对连接节点之间的关系做任何假设,并从数据中学习这种关系。其次,为避免同质图上性能下降,通过可学习的权重实现软开关,以平衡同质性先验和非信息先验的影响。评估了MPGNN在合成图和真实世界图上的性能。结果表明,MPGNN能够有效捕捉连接节点之间的关系,而软开关有助于根据图的特征选择合适的先验。基于这两个设计,MPGNN在异配图上优于最先进的方法,而在同质图上不会牺牲性能。     

移动大数据赋能的智慧城市态势感知（英文）

智慧城市态势感知近年来成为学术圈、产业界及政府部门关注的热门话题。其整合尖端信息技术的潜力可望解决现代城市面临的诸多挑战。在最近一期五年规划中,中国政府强调利用前沿信息技术（如大数据、物联网）赋能智慧城市管理,其中态势感知通常是关键的第一步。近年来,面向城市态势的静态监测数据已广泛存在。与之不同的是,本文报告了一类相对新颖且极为重要的新兴城市数据源,即在移动设备上收集的大规模移动数据,可代表现代城市中公共车辆和个人用户的移动情况与分布。具体而言,我们重点关注一种代表性数据源,整合了数十万移动软件应用程序中获取的百亿条GPS定位数据,服务于智慧城市态势感知。这种数据源具有较高的用户渗透率（覆盖约50%的城市人口）、均匀的时空覆盖程度和高定位精度等优势。本文首先详述了智慧城市态势感知的需求与挑战,之后重点介绍了两类面向态势感知的移动大数据分析技术：（1）智慧城市的安全保障方法;（2）智慧城市移动大数据的时空建模与可视化分析方法。本文主要贡献在于全面阐述智慧城市态势感知的技术框架,并通过实际应用案例展示其技术可行性。     

基于非脆弱采样数据控制的非线性多智能体系统同步控制及其在电路系统中的应用（英文）

设计了一个非脆弱采样数据控制方案,用于互连耦合电路系统（多智能体系统）的渐近同步标准。该方案对所考虑的多智能体系统在时变延迟情况下作同步分析。通过构建合适的李亚普诺夫函数,得出线性矩阵不等式成立的充分条件,确保多智能体领导者和跟随者系统之间的同步。最后,给出两个数值案例,展示了该控制方案的有效性和所提李亚普诺夫函数的较低保守性。     

观测数据预处理及其在发酵动力学建模中的应用

针对观测数据中可能存在的异常数据，提出了一种异常数据检测和剔除的预处理方法，并将它成功地应用于发酵过程中菌体生长的观测数据预处理，建立了拟合精度较高的发酵动力学模型。     

一个改进的LR（1）分析表及其构造算法

LR（1）分析表是LR（1）分析器的核心。改进了传统的LR（1）分析表,提出了新的构造算法。该算法利用LR（1）基本集代替LR（1）项集,对于归约状态直接标注归约转移后的状态编号。该分析表不含GOTO表,基于它的LR（1）语法分析过程一般不需要后入先出栈的辅助,文中的一个实例说明了该分析表的有效性。     

菝葜的化学成分研究（英文）

采用常压柱色谱和制备型高效液相色谱等色谱方法,从菝葜根茎中分离得到12个化合物,通过理化性质和波谱分析鉴定为(2R,3R)-二氢山奈酚-3-O-β-D-葡萄糖苷(1),(2R,3R)-二氢槲皮素-3-O-β-D-葡萄糖苷(2),落新妇苷(3),异落新妇苷(4),3,5,7,3',5'-五羟基-2R,3R-二氢黄酮-3-O-α-L-鼠李糖苷(5),芦丁(6),紫云英苷(7),4,6-二羟基苯乙酮-2-O-β-D-葡萄糖苷(8),4,6-二羟基苯甲酸甲酯-2-O-β-D-葡萄糖苷(9),氧化白藜芦醇(10),原薯蓣皂苷(11),薯蓣皂苷(12).化合物1,4-5,7-9为首次从该植物中分离得到.此外,通过比较菝葜和土茯苓中化学成分的差异,发现菝葜的主要成分为甾体皂苷和黄酮类化合物,而土茯苓中主要为黄酮类化合物.     

高炉炼铁过程数据驱动软测量技术研究综述（英文）

在高能耗、高污染、极为复杂的冶炼过程中,高炉是极为重要的反应器。软测量技术是在线实时预测反映高炉能耗和运行稳定性质量指标的关键技术,在节能减排、提高产品质量和带来经济效益方面发挥着重要作用。随着物联网、大数据和人工智能的发展,高炉炼铁过程中的数据驱动软测量技术受到越来越多关注,但目前尚无关于高炉炼铁过程数据驱动软测量技术的系统性总结与评价。本文详细总结了高炉炼铁过程数据驱动软测量技术的最新研究成果与发展现状。具体而言,首先对高炉炼铁中使用的各种数据驱动软测量建模方法（如多尺度方法、自适应方法、深度学习等）进行了全面分类总结与分析。其次,对高炉炼铁中数据驱动软测量技术的应用现状（如硅含量、熔铁温度、气体利用率等）作对比分析。最后,展望了数据驱动软测量技术在高炉数字孪生、多源信息融合、碳达峰与碳中和等方面的潜在挑战和未来发展趋势。     

扩散模型在时间序列的应用综述（英文）

扩散模型,一类基于深度学习的生成模型家族,在前沿机器学习研究中变得日益重要。扩散模型以在生成与观察数据相似样本方面的卓越性能而著称,如今广泛用于图像、视频和文本合成。近年来,扩散的概念已扩展到时间序列应用领域,涌现出许多强大的模型。鉴于这些模型缺乏系统性总结和讨论,我们提供此综述作为此领域新研究人员的基础资源,并为激发未来研究提供灵感。为更好理解,引入了有关扩散模型基础知识的介绍。除此之外,主要关注基于扩散的时间序列预测、插补和生成方法,并将它们分别在三个独立章节中呈现。还比较了同一应用的不同方法,并强调它们之间的关联（若适用）。最后,总结了扩散方法的共同局限性,并突出强调潜在的未来研究方向。     

一种QQ-Plot新生成方法及其在NIG分布中的应用（英文）

提出了一个生成QQ-Plot的新方法,该方法适用于一切可以模拟的随机变量,包括概率分布密度函数,概率分布函数,分位数函数无显示表达式的所有随机变量.通过对NIG分布的实证研究表明,新方法在保持极高精度的同时,与传统使用求分布函数的反函数方法相比,速度有高达400多倍的提升.该文还提供了与NIG分布相关的Matlab程序.