信息技术与课程整合的教学现状及对策

信息技术与课程有效地整合,可以提高学生的信息素养。本文在明确信息技术与课程整合概念界定的基础上,分析了信息技术与课程整合的教学现状,并进一步提出了相关对策。     

稀疏差分网络和多监督哈希用于高效图像检索

针对基于深度哈希的图像检索中卷积神经网络（CNN）特征提取效率较低和特征相关性利用不充分的问题,提出一种融合稀疏差分网络和多监督哈希的新方法SDNMSH（sparse difference networks and multi-supervised hashing）,并将其用于高效图像检索。SDNMSH以成对的图像作为训练输入,通过精心设计的稀疏差分卷积神经网络和一个监督哈希函数来指导哈希码学习。稀疏差分卷积神经网络由稀疏差分卷积层和普通卷积层组成。稀疏差分卷积层能够快速提取丰富的特征信息,从而实现整个网络的高效特征提取。同时,为了更加充分地利用语义信息和特征的成对相关性,以促进网络提取的特征信息能够更加有效地转换为具有区分性的哈希码、进而实现SDNMSH的高效图像检索,采用一种多监督哈希（MSH）函数,并为此设计了一个目标函数。在MNIST、CIFAR-10和NUS-WIDE三个广泛使用的数据集上进行了大量的对比实验,实验结果表明,与其他先进的深度哈希方法相比,SDNMSH取得了较好的检索性能。     

Monthly Streamflow Forecasting Using Convolutional Neural Network

Monthly streamflow forecasting is vital for managing water resources. Recently, numerous studies have explored and evidenced the potential of artificial intelligence (AI) models in hydrological forecasting. In this study, the feasibility of the convolutional neural network (CNN), a deep learning method, is explored for monthly streamflow forecasting. CNN can automatically extract critical features from numerous inputs with its convolution–pooling mechanism, which is a distinct advantage compared with other AI models. Hydrological and large-scale atmospheric circulation variables, including rainfall, streamflow, and atmospheric circulation factors are used to establish models and forecast streamflow for Huanren Reservoir and Xiangjiaba Hydropower Station, China. The artificial neural network (ANN) and extreme learning machine (ELM) with inputs identified based on cross-correlation and mutual information analyses are established for comparative analyses. The performances of these models are assessed with several statistical metrics and graphical evaluation methods. The results show that CNN outperforms ANN and ELM in all statistical measures. Moreover, CNN shows better stability in forecasting accuracy.

     

水工钢闸门主梁模糊失效概率计算方法研究

为合理计算水工钢闸门主梁模糊失效概率,分别将主梁相对变形当作一个随机变量及三个变量的组合,采用积分法、当量随机化方法及蒙特卡罗法进行了计算。当相对变形为一个随机量时,采用积分法及当量随机化方法计算,两者的差别在于积分法用隶属函数描述模糊限值,当量随机化方法是将模糊限值当量作为一个随机量。当相对变形看作三个变量的组合时采用蒙特卡罗法进行计算,该方法考虑了三个变量的分布特性,更符合实际情况,模糊限值也用随机量表示。计算表明,积分法与当量随机化方法结果相近,验证了当量随机化方法的精度;蒙特卡罗法结果与相对变形服从正态分布时、用当量随机化方法计算的结果接近,故主梁相对变形服从正态分布更为合理。三种计算方法中,当量随机化方法计算失效概率相较于其它方法有计算过程简便,效率高的优点。     

一种固化河湖底泥重金属的改良方法

重金属在河湖底泥中的积聚已成为我国的一大环境问题,通过及时妥善的技术处理,可以避免重金属对环境的二次污染。基于生石灰降低底泥含水量,锯末灰初步固化,采用水泥和矿粉+水泥2种方式对生石灰-锯末灰固化后的污泥进一步固化的方法,对天津西青区某河流污染底泥开展试验。基于原子吸收分光法对试验样品进行重金属浸出浓度分析,比较水泥和矿粉+水泥固化2种方法的固化效果。研究表明,当生石灰掺入比为9%,养护2 d 时,污泥的含水率明显降低。锯末灰掺入比10% 、水泥掺入比20%、矿粉换掺水泥40%时,底泥中的 Ni²⁺ 、 Hg²⁺ 、 Pb²⁺ 、 Cd²⁺ 4种超标重金属浸出浓度分别降低71.61%、84.85%、58.49%、77.78%,均满足相关技术规范要求。为检验固化土的种植效果,选用牛筋草和牛繁缕2种植物进行室内60 d种植试验,发现2种植物的光合作用、根部发育、生长速度都很正常。结果表明生石灰掺入比9%、锯末灰掺入比10%、水泥掺入比20%、矿粉换掺水泥40%的固化方案得到的固化土可用于绿化种植。     

基于降雨-径流试验的高寒草甸产流机制研究

对黄河源区高寒草甸产流机制进行研究,为河源区生态环境保护、水资源科学规划管理提供基础水文理论认知。基于野外降雨-径流试验,通过回归分析构建考虑坡度和覆被因子的暴雨和中小雨产流计算模式,精度良好,能够反映暴雨和中小雨2种降雨模式下高寒草甸产流的一般特征。试验结果表明,因草甸土-植体系蓄容能力较强,高寒草甸区地表产流主要发生在暴雨模式下,中小雨模式下的地表产流量一般很小。模式应用表明,草甸发生退化后,暴雨和中小雨入渗均有减少,暴雨模式下退化草甸比高覆草甸入渗减少约12%,中小雨模式下减少约3%。     

基于多尺度自回归模型体系的混凝土坝位移预报及工程应用

针对混凝土坝位移监测数据的时频非线性特征严重影响到数值模型预报精度的难题,通过小波技术解析原型数据中多重交叉环境驱动的效应实况,有机结合非线性自回归模型(Nonlinear Autoregressive Model with Exogenous Input, NARX)和差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model, ARIMA),建立了多尺度组合机制下的自回归模型体系,解决了内蕴复杂混沌特性的监测序列的信息挖掘难点。工程实例分析表明,所建模型的拟合精度及预测能力均得以提升,相比于传统模型具有较好的抗噪性和鲁棒性。此外,所建立的计算模型经一定的优化和拓展,亦可推广应用于其它水工建筑物的效应预报分析。     

苏州市景观水体表观污染类型识别及特征指标筛选

为解决表观污染成因的问题,以苏州市区河网为主要研究对象,采集796个数据样本,对景观水体的表观污染类型进行划分界定,并通过对数据样本的统计分析,探究水体表观污染类型和水质指标之间的关系。结果表明:氧化还原电位、溶解氧、叶绿素a、高锰酸盐指数和浊度对不同污染类型的水体具有很好的区分度,可作为主要特征指标;景观水体可分为有机主导型、无机主导型、营养主导型和混合型4种表观污染类型;不同表观污染水体判别的优先次序为有机主导型、无机主导型、营养主导型、混合型。     

城市水系统关联模型研究

为了理清城市水系统中多因素间的复杂关系,对系统解决城市水问题提供帮助,基于水系统理论与城市水系统模拟相关研究,提出了城市水系统中水-经济社会-生态环境各因素之间相互作用和反馈的关联模型理论框架,建立了城市水系统演变过程中由针对经济发展的正反馈回路和针对可持续性的负反馈回路共同控制的新模式,构建了模拟城市水-经济社会-生态环境内在联系的城市水系统关联模型。以武汉市为例,应用建立的城市水系统关联模型,采用2001—2017年的历史统计数据,建立了武汉市城市水-经济社会-生态环境各要素之间互馈作用的模拟模型,预测了武汉市的城市发展轨迹,并与武汉市2030年的远期规划进行比较,验证了模型的有效性,表明城市水系统模型能够揭示城市水-经济社会-生态环境多要素的耦合驱动机制,体现了节水技术与绿色发展相关政策两大因子导向下的生态环境、经济社会协同发展的良好预期。     

基于水表误差曲线重建的供水系统表观漏损量估算方法及应用

在分类用户用水模式分析的基础上,考虑选取5个特征流量进行水表误差曲线重建,对水表误差值进行修正,建立了基于水表误差曲线重建的表观漏损量估算方法.利用该方法对苏州市研究区域内新建小区、老旧小区、工业、商业、学校和医院等6类用户的水表误差进行修正,各水表的误差修正值分别为-0.25％、-4.1％、-4.59％、-2.03％、-5.74％、-0.34％,据此计算得到各类用户的表观漏损水量分别为7.41万m3、103.42万m3、292.50万m3、28.29万m3、167.83万m3、2.82万m3.与传统方法相比,建立的方法考虑到用户用水模式对水表误差曲线的影响,对表观漏损水量估算更为准确,能为用水行为类似的苏南地区的表观漏损水量估算提供参考.