构建移动ASON网络关键问题的探讨

ASON是构建下一代光网络的核心技术之一.本文剖析了目前ASON设备在实际应用中的局限性,提出了建设移动ASON的几个关键性问题.     

油浸式立体卷铁芯变压器热点温度计算

以S13-M·RL-100kVA/10kV型油浸式立体卷铁芯变压器为研究对象,针对标准中推荐的变压器绕组瞬态热点温度计算经验公式在负荷突变时计算误差较大的情况,基于变压器温升试验结果,使用Levenberg-Marquardt(L-M)算法对经验公式中变压器热特性参数进行寻优,改进了经验公式瞬态热点温度计算方法.使用改...     

企业危机应对原则初探

中国改革开放已逾30年,市场化进一步加深,大陆企业在这期间也有了非常大的成长.在目前的的中国商业界,尽管许多企业从资产情况来看,已被列入大企业的阵容里,但是仍然没有摆脱"野蛮生长"的发展状态.中国企业狼性太强,企业内斗不止,由此造成的企业危机成为常态.本文探讨了企业应对危机的策略,并对企业应对危机时施行策略时应注意的事项进一步思考和阐述.     

基于小波包能量谱的磁记忆检测方法

提出磁记忆信号的小波包能量谱分析方法,以小波包变换理论为基础,通过对有中心小孔缺陷的45号钢和18CrNi4A试样进行拉伸试验,采集不同载荷下试样表面的磁记忆信号。用sym6小波对所得信号进行小波包能量谱特征分析。该方法可有效判断试样的应力集中部位及应力集中程度。     

基于超声波法识别环网柜的局部放电类型研究

随着经济的快速发展,对电能质量提出了越来越高的要求,环网柜作为配电网联络的设备,其重要性不言而喻。由于环境影响,施工工艺等因素,环网柜中常常会有局部放电的现象,影响设备的稳定运行,危害电力系统的安全。环网柜的局部放电总的分类可分为四大类:悬浮放电、沿面放电、电晕放电和多点放电,不同的局部放电类型相应的特点以及对环网柜的损害都不一样。基于此,采用超声波法对环网柜的局部放电类型进行识别研究,从超声波检测方法的幅值图、超声波检测方法的相位图和超声波检测方法的波形图三位一体,比较了不同局部放电类型的特征和差异点。与传统的超声波法相比,文中方法检测的参数更多,更能实现准确检测。不仅可以加深对局部放电的了解,具有实际的实践意义,还能为进一步的局部放电定位奠定扎实的理论基础。     

A2/O-MBR组合工艺去除有机氯农药残留的特性研究

以污水中16种有机氯农药(OCPs)残留为目标物,阐明其在厌氧/缺氧/好氧与MBR的组合工艺(A2/O-MBR)中的去除特性.结果表明,16种OCPs在该工艺中的进水浓度范围从50.5 ng/L(艾氏剂)到169.2 ng/L(六氯苯),出水中浓度范围从1.02 ng/L(杀螨酯)到80.1 ng/L(百菌清).该工艺...     

N-乙酰半胱氨酸活性炭缓释微囊对幼鼠非酒精性脂肪肝病miRNA的影响

目的: 初步研究N-乙酰半胱氨酸活性炭缓释微囊对幼鼠非酒精性脂肪肝病的保护作用,并且探讨其对miRNA及相应的靶基因的影响。方法: 采用高脂饲料喂养的方法复制幼鼠非酒精性脂肪性肝病（non-alcoholic fatty liver disease,NAFLD）模型。HE染色观察幼鼠肝组织脂肪变性程度;microRNA芯片检测肝组织的miRNA表达谱;荧光定量PCR对miRNA进行验证;采用荧光定量PCR和Western blot法对目标miRNA进行靶基因预测并进行验证。 结果: 根据检测结果,初步确定miRNA199a-5p和miRNA-378-5p是NAFLD的关键miRNA,脂蛋白脂酶（lipoprotein lipase,Lpl）是miRNA199a-5p的靶基因,固醇调节元件结合蛋白（sterol regulatory element binding proteins-1,Srebp1）、CCAAT增强子结合蛋白α（CCAAT enhancer binding protein alfa,C/EBP-α）是miRNA-378-5p的靶基因。结论: 推测N-乙酰半胱氨酸活性炭缓释微囊可能通过上调Lpl表达水平,下调Srebp1和C/EBP-α表达水平。这些基因与脂肪肝密切相关,可能对幼鼠NAFLD具有保护作用。     

神经网络与解释模型在非结冰期含沙量预测中的应用

基于大量历史数据的预测在环境治理、城市交通等领域已经成为必不可少的一个环节, 预测的准确性对实际生产、调度等工作有着重要影响. 受自然因素或人为因素的影响, 一些数据表现出高波动性以及不确定性, 导致无法充分发挥预测模型的最大优势. 本研究以非结冰期含沙量预测为案例, 探究了针对高波动性数据预测的优化方法, 发现通过基于SHAP方法的特征选择优化、数据平稳化以及前期聚类可以有效降低对高波动数据的预测误差, MAE从初始模型的1.502降低到0.194, 其中数据平稳化的优化效果最显著, MAE降低了76.51%, 但随着平稳化的阶数增大, 预测结果反而变差, 这是由于随着平稳化的阶数越高, 后续指数化的阶数也对应提升, 从而导致误差的指数倍增长. 此外, 将聚类结果作为特征输入可以有效“引导”多层感知机的参数学习过程.     

K-means算法在通信系统安全防御中的应用与设计

互联网、大数据、云计算等技术的快速普及和发展,促进了通信系统的开发和建设,也促进了社会的信息化、智能化和共享化。通信系统承担着数据传输、存储等重要功能,这些数据多为政企单位、金融银行、电子商务等机密信息,吸引了很多的不法分子利用木马或病毒攻击通信系统,篡取或破坏机密信息,给人们带来不可估量的损失。因此,通信系统安全防御一直是安全防御企业或学者的研究对象。本文分析了通信系统安全防御中存在被动性、智能化弱的问题,提出引入K-means算法,并且利用互信息对该算法进行改进,改进的K-means算法能够确保通信系统的安全防御主动性、纵深性和智能化,实验结果显示,改进的K-means算法识别病毒或木马的准确度达到了99.5%,提高了通信系统的安全防御水平,具有重要的作用和意义。