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。     

儿童用品TBT通报数据可视化预警研究

探索采用数据可视化技术分析儿童用品TBT通报数据,以可视化图形图像呈现通报热点并揭示趋势信息,提出对策与建议,助力为儿童用品产业升级、TBT预警数据分析和信息传播工作提供新思路,提高中小企业的国外市场准入机会。     

干扰条件下的“北斗”信号解扩重构DOA估计

在干扰条件下，卫星导航抗干扰波束形成算法往往需要卫星信号波达方向（Direction-of-Arrival，DOA）的先验信息。但当存在低信噪比信号或主动干扰源时，常规的DOA估计算法性能急剧下降甚至失效。针对此问题，提出了一种被干扰信号压制的低信噪比“北斗”信号的DOA估计算法。该算法首先通过对接收信号进行子空间投影抑制干扰信号，然后对抑制干扰后的信号进行解扩重构处理，最后通过多重信号分类算法完成对“北斗”信号的DOA估计。仿真结果表明，在干扰信号干信比80 dB条件下，“北斗”信号DOA估计误差在5°以内，为下一步进行波束形成计算提供了高精度的入射角信息。     

Ca~(2+)强化沉淀处理含铜电镀废水并回收铜研究

针对氢氧化物沉淀工艺不能去除络合态重金属的问题,采用加钙离子强化氢氧化物沉淀的方法处理含铜电镀废水并回收铜实验。结果表明,钙离子的加入能够有效提高氢氧化物对络合态重金属废水的处理效果。当pH 10,反应时间为15 min,除铜效果为佳,铜去除率可达99%以上。与现有铁氧体法相比,钙强化氢氧化物沉淀法投药量大大减少,工艺稳定性也大大增加。把沉泥加入pH5的酸液中,铜离子可实现循环利用,为保证重金属回收率,其反应时间应大于30 min。该方法具有工艺简单、成本低廉、效果明显和易于管理的特点。     

印之星：初心不改乘风翱翔

2015年，郑州印之星印务有限公司正在谋划一场大战略的转移，修炼内功，创建品牌。或许你对这家新锐公司尚不熟悉，但自2012年正式成立后的短短3年时间内，便成长为河南颇具特色和影响力的印刷企业，印之星的上升势头不可小觑。