以武汉市为例研究小尺度公共空间活力

通过小尺度公共空间中人们的活动研究,探索活动在空间和时间上的分布特征,总结得出影响小尺度公共空间活力的因素,并提出塑造公共空间活力的相关建议。     

对置端曲面齿轮柱塞泵动态特性仿真研究

为了研究对置端曲面齿轮柱塞泵参数对泵动态特性的影响,根据端曲面齿轮柱塞泵工作原理,推导柱塞运动方程。利用Adams与AMESim软件建立对置端曲面齿轮柱塞泵联合仿真模型,通过联合仿真得到不同转速与偏心率下的柱塞泵出口流量与压力的相应曲线。结果表明：转速增大,泵出口流量与压力增大,脉动幅值与脉动频率增大;偏心率增加,泵出口流量与压力增大,脉动幅值增大,脉动频率不变。     

不同组分LNG饱和蒸气压计算分析

LNG接收站内,LNG需要与外界进行换热,导致储罐中LNG的组分不断变化,LNG的饱和蒸气压会因此而产生变化。针对这一问题,本文优选了精度较高的饱和蒸气压计算公式,设计了不同的LNG组分,对不同组分饱和蒸气压进行热力学计算与对比分析;结合天津南港LNG接收站的再冷凝器操作压力范围,计算出相应的操作温度上限。同时就饱和蒸气压差对高压泵气蚀的影响进行了分析。     

图自动编码器上二阶段融合实现的环状RNA-疾病关联预测

大部分现有的用于预测环状RNA(circRNA）与疾病之间关联关系的计算模型通常使用circRNA和疾病相关数据等生物学知识，配合已知的circRNA-疾病关联信息对来挖掘出潜在的关联信息。然而这些模型受已知关联构成的网络稀疏性、负样本过少等固有问题的影响，导致预测性能不佳。因此，在图自动编码器基础上引入归纳式矩阵补全及自注意力机制进行二阶段融合，以实现circRNA-疾病关联预测，由此构建的模型叫GIS-CDA (Graph auto-encoder combining Inductive matrix complementation and Self-attention mechanism for predicting Circ RNA-Disease Association）。首先，计算circRNA集成和疾病集成的相似性，并利用图自动编码器学习circRNA和疾病的潜在特征，以获得低维表征；接着，将学习到的特征输入归纳式矩阵补全，以提高节点之间的相似性和依赖性；然后，将circRNA特征矩阵和疾病特征矩阵整合为circRNA-疾病特征矩阵，以增强预测的稳定性和精确性；最后，引入...     

基于地方志的湖北地区佛寺分布时间特征研究

本文以两晋至明清时期的湖北寺院为研究对象，通过湖北地方志等资料的爬梳整理，在数据统计的基础上，对该时期湖北寺院的时间分布进行分析，并探讨形成这些特征的原因。结果表明：（1）从两晋至明清四个时间段来看，湖北寺庙修建数量从两晋至明清呈现稳步上升的趋势；（2）早期湖北寺庙大多以新建为主，随时间后移，重修寺庙比重增加；（3）佛寺分布的时间特征受政治、经济和文化三个方面的影响，呈现正相关关系。     

大型LNG薄膜罐建设与运行关键技术

LNG接收站储罐建造目前趋于大型化，且已有正在进行新型储罐——薄膜罐的建设项目，对于薄膜罐建设与运行关键技术的研究具有重要的意义。通过对薄膜罐结构和施工工艺的分析，对比传统9%镍钢储罐，认为混凝土平整度控制（承台3 m以内，平整度≤5 mm）、正五十六边形角度控制（通过模板控制173.6°）、恒温恒湿环境要求（环境温度20～30℃，相对湿度<60%）、防潮层施工（混凝土表面粗糙度预处理75～150μm）、绝热板安装（精度控制±1.5 mm）、波纹板焊接（采用热熔焊，点焊—间断焊—连续焊）、气密测试（氨氮显影测试）等方面是薄膜罐建造过程中的关键控制点，对施工控制参数和关键技术提出参考标准。同时，通过对薄膜罐运行特有的氮气工艺系统的结构进行研究，并对氮气系统的呼吸模式和扫气模式进行了工艺流程分析，为薄膜罐氮气系统的运行提供了参考。     

频响测试分析系统的开发研究

在消化吸收引进设备的基础上,提出组成一个以微机为控制器的频率响应测试分析,它能完成对被测对象的频响测试、系统辨识、系统分析等工作.经实践证明,该系统具有较大的实用价值和较广的应用范围范围.对于科研及教学有着莫大的帮助.     

负载感应齿轮泵

分别介绍了由带调整弹簧的负载感应控制器构成的负载感应齿轮泵,以及在此基础上增加卸荷阀或先导溢流阀构成的复合控制负载感应齿轮泵的结构、工作原理及特点,并将它们与传统的负载感应柱塞泵或叶片进行了对比.     

基于神经网络的手势识别系统研究

随着计算机视觉科技的日益发达及电子设备的广泛应用，手势识别成为一种重要的交互方式。为了提高手势识别的准确率，基于PyTorch深度学习平台，对比了BP神经网络和卷积神经网络（CNN）在手势识别方面的效果。实验结果表明，CNN的准确率可达92.5%，相较于BP神经网络更具优势。优化后的CNN在识别率方面进一步提升，并具有广阔的拓展空间。     

基于语义与全局双重注意力机制的长链非编码RNA-疾病关联预测模型

针对现有长链非编码RNA(lncRNA)-疾病关联预测模型在综合利用异构生物网络的交互、语义信息上存在局限性的问题，提出一种基于语义与全局双重注意力机制的lncRNA-疾病关联预测模型（SGALDA）。首先，基于相似性和已知关联构建一个lncRNA-疾病-微小RNA(miRNA)异构网络，并基于消息传递类型设计特征提取模块来提取和融合异构网络上同质、异质节点的邻域特征，以捕捉异构网络上的多层面交互关系。其次，基于元路径将异构网络分解为多个语义子网络，并分别在各个子网络上应用图卷积网络（GCN）来提取节点的语义特征，以捕捉异构网络上的高阶交互关系。然后，基于语义与全局双重注意力机制融合节点的语义和邻域特征，以获得更具代表性的节点特征。最后，利用lncRNA节点特征和疾病节点特征的内积运算重建lncRNA-疾病关联。5折交叉验证结果显示，SGALDA的受试者工作特征曲线下面积（AUROC）为0.994 5±0.000 2,PR曲线下面积（AUPR）为0.916 7±0.001 1，在所有对比模型中均为最高，验证了SGALDA良好的预测性能。对乳腺癌、胃癌的案例研究进一步证实了SGALDA识...