面板堆石坝面板顺坡向挤压破坏机理的试验研究

本文针对面板堆石坝面板顺坡向挤压破坏的钢筋压曲凸起问题开展了试验研究,采用了配有单根立筋的混凝土柱受压试验来模拟面板顺坡向的挤压破坏。试验结果证实了以往研究中无箍筋钢筋混凝土立柱抗压强度低于素混凝土柱、且钢筋保护层厚度越小强度越低的推测。与素混凝土柱相比,保护层厚5 cm钢筋混凝土柱的强度降低约10％。根据试验的破坏荷载结果,通过已有理论解反推出了立柱的侧向支撑刚度k,对于保护层厚5 cm和8 cm立柱k值相应为0.841 N·mm^-2和1.032 N·mm^-2。经过试验结果分析,发现钢筋混凝土立柱各截面不服从应变平面假设,受压中钢筋没有同混凝土一起协调变形,钢筋与混凝土之间相互作用强烈。本研究结果再次说明,限制钢筋的侧向变形是防止面板顺坡向挤压破坏的根本措施。应开展可模拟混凝土中钢筋压曲的挤压破坏数值模拟研究,为这些措施的量化设计提供依据。     

2000—2020年中国地下水开采时空演变特征EI北大核心CSCD

采用Mann-Kendall趋势检验法、重心模型和标准差椭圆法研究了2000—2020年我国地下水开采时间变化特征、空间分布特征和重心迁移过程。结果表明:2000—2020年我国地下水开采量呈现波动性减少趋势,年均递减率为0.83%;华北地区在严格的地下水开采管理、地下水超采综合治理和南水北调工程共同作用下,地下水开采量得以压减,东北地区和西北地区由于黑龙江、新疆农业经济发展,地下水开采量明显增加;我国地下水开采重心主要分布在河北、山西和内蒙古交界处,有向西北方向偏移的趋势,地下水开采空间分布格局由东北—西南方向逐渐偏转为东—西方向,方向性趋势也更为明显。     

梅溪流域城镇化进程对山前平原区洪涝过程的影响

为探究城镇化进程引起土地利用类型变化对山前平原区洪涝过程的影响,以梅溪流域下游平原区的洪濑镇为例,分析了2002—2018年梅溪流域上游山区和下游平原区的土地利用类型变化,并基于多情景数值模拟,研究了流域尺度内土地利用类型变化对山前平原区洪涝过程和地表淹没状况的影响。结果表明：随着梅溪流域耕地和林地面积减少、城镇建设用地增加,上游山区的径流系数和峰值流量均增大,下游山前平原区的淹没状况更加严重;上游山区的城镇建设用地增加使山区骤发洪水峰值流量增大、峰现时间提前,主要影响地表平均最大淹没水深和平均峰现时间;下游平原区的城镇建设用地增加使内涝发生的时间提前,主要影响地表平均淹没历时。     

实时洪水预报中基于岭估计的AR修正模型研究

为提高实时洪水预报精度,经常将水文模型与误差修正模型相结合,AR模型因其结构简单广泛应用于实时洪水预报误差修正。然而,实际应用显示,AR模型时常出现修正结果不稳定现象,表现为流量修正幅度过大,甚至出现“震荡”现象,严重影响修正效果。鉴于此,本文从矩阵特征值角度解释了AR模型出现不稳定现象的原因,并引入岭估计方法选择性利用流量信息更新自回归系数,使其更满足真实流量的涨落过程,增强该模型的稳健性。将新方法应用于蔺河口流域,结果显示岭估计方法显著提高了AR模型的稳健性,从而改善了模型修正效果,进一步提高了洪水预报精度。     

一种轮毂电机悬架构型及其减振性能的研究

针对轮毂电机驱动的电动汽车簧下质量的增加导致车辆平顺性下降的问题,采用与轮辋连接的三个对称分布的减振器和弹簧作为驱动电机悬架,主动轮与车体之间仍采用原车悬架结构.建立含路面激励与电机振动激励的车辆1/4垂向振动数学模型,采用B级路面作为路面激励,以0阶和8阶电磁力波作为电机振动激励.实例仿真研究双激励下的车身加速度、车轮动载荷、悬架动挠度以及电机位移等响应,比较不同车速下的系统响应,分析电机悬架参数对系统响应的影响.结果 表明,电机振动激励对系统有一定的影响,路面输入是振动的主要来源,电机悬架阻尼系数的影响大于弹簧刚度的影响,上述悬架构型在宽车速范围内都表现出良好的减振性能.     

引入BL-Seq2seq模型进行负荷预测

短期负荷预测在电力系统运行和调度中起着重要作用,为了更好地提取数据中蕴含的有效信息,提升短期负荷预测精度,本文引入Seq2seq算法的注意力机制提出了多层Bi-LSTM的Seq2seq深度学习模型(BL-Seq2seq)实现短期用电负荷预测.其中Seq2seq的编码端由多层Bi-LSTM组成,将输入数据进行编码,并在网络末端输出编码后的最终状态;Seq2seq解码端为单层LSTM,它将编码端的最终状态作为初始输入状态,同时每一步的输出值作为下一步的输入值.利用用电负荷实测数据,基于Keras平台进行仿真,仿真结果表明,与多个经典的深度学习的短期用电负荷预测模型相比,所提BL-Seq2seq模型的预测误差明显降低,大大提升了短期用电负荷预测精度.     

基于时空相关性的光伏发电功率爬坡预测方法

传统的光伏发电功率预测方法爬坡预测可靠性较低,准确性不高.于是提出一种时空相关性的光伏发电功率爬坡预测方法.在典型日理想光伏发电出力归一化曲线提取基础上,采用线性插值方法生成光伏发电理想出力归一化曲线.通过蒙特卡洛法生成光伏发电随机分量,结合光伏发电与随机分量生成光伏发电序列;通过偏移爬坡率及变量状态划分方法构建信度网络节点变量和各节点变量的状态集;利用贪婪搜索算法从已有变量的状态集中获取最优信度网络结构后,进行光伏发电序列学习,完成光伏发电功率爬坡事件预测.实验结果表明,上述方法可有效完成光伏发电序列生成,并且爬坡预测可靠性较高,可实现多种气象条件下的光伏发电功率爬坡预测.     

基于深度学习的集群式供应链应急物资需求预测研究

在突发事件和大数据情景下,建立基于数据流模糊C均值聚类算法的集群式供应链应急物资需求重要度决策算法,有助于辨识集群式供应链子系统应急物资需求的重要程度。针对集群式供应链中各子供应链之间的耦合特性和预测指标的快速变化数据流特征,提出基于长短期记忆网络的集群式供应链应急物资需求动态预测算法,提取集群式供应链多个子系统应急物资需求参数的时序特征,动态地、分布地对互联大系统的应急物资需求不确定性进行系统辨识估计。仿真实验结果表明了基于长短期记忆网络的集群式供应链互联大系统应急物资需求动态预测算法的可行性和精确性。     

基于图嵌入与拓扑结构信息的蛋白质复合物识别算法

蛋白质复合物是细胞结构和生化机制的研究基础,如何准确识别蛋白质复合物成为近年来的研究热点。针对传统算法根据结构信息对蛋白质复合物进行搜索存在敏感度和F-measure低的问题,以及现有监督学习算法根据人为构造特征进行蛋白质复合物识别存在特征构造不能较好地反映图的真实信息等不足,提出了graph2vec-SVM识别算法。将蛋白质复合物看作稠密子图并考虑子图模块度大小,利用graph2vec将图信息转换为向量,并进一步采用SVM分类器对蛋白质复合物进行识别,提高了蛋白质复合物识别的敏感度和F-measure。该算法分别与目前流行的4种非监督学习算法(ClusterOne、CMC、HC-PIN和COACH)和3种监督学习算法(SCI-BN、SCI-SVM和RM)进行比较,在精准度、敏感度和F-measure 3项指标上都显示出了良好的性能。     

基于线程队列动态规划法的GPU性能优化

针对目前线程队列管理方法中执行时间长的线程无法得到响应的问题,对线程队列进行了研究,提出了线程队列动态规划法(Thread Queue Dynamic Programming,TQDP).通过实验验证,对比了评估性能的参数,如Weighted Speedup,STP,ANTT等,TQDP与++DynCTAT,Mod+Bypass,PBS,BF相比,Weighted Speedup分别提高了14％,13.7％,13.3％,3.4％.与SMK,SMK-(P+W)相比,STP分别提高了8.5％,1.4％,表明提出的方法实验效果好,优化了系统性能.