合成氨尾气提氦中试鉴定会在纳溪召开

1973年3月12日至19日,在四川纳溪召开了合成氨尾气提氦中间试验鉴定会。会议由化工部二局主持,有24个单位、55名代表参加。     

云平台下时间序列数据并行化排列熵特征提取方法

随着高级量测体系和各类监控系统的大规模建设发展,时间序列数据的规模呈指数级增长,在智能电网大数据中占有较大的比重。时间序列数据的特征提取是影响数据挖掘质量的关键步骤,在大数据背景下,传统的特征提取算法已无法满足海量数据处理的需求。结合云计算平台和MaxCompute大数据处理技术,设计实现了时间序列数据的表存储方法和并行化的时间序列数据排列熵特征提取算法。在云计算平台上采用不同规模的数据集对并行化算法进行测试,验证了并行化排列熵算法的正确性和高性能。     

大学生社会主义核心价值观教育的模式创新研究

建设社会主义核心价值体系是当前社会主义文化建设的重大理论创新和战略任务。高校作为社会主义事业的建设者和接班人的培育基地,通过社会主义核心价值观教育,对建设社会主义核心价值体系具有重大意义。构建以"理论教育、实践引导、社会传播"为"三维互动"主渠道,以"第二课堂、新媒体、实践基地"为"三维互动"主平台的核心价值观教育新模式,有助于增强大学生社会主义核心价值观教育的吸引力和感染力,从而实现社会主义核心价值观在大学生群体得到高度认同的教育目标。     

网络监督面临的实践困境与化解路径

网络监督是互联网时代背景下公民监督权利应用方式的创新,并且它随着信息技术的发展变革仍在不断演进。网络监督在具体实践中表现出了截然相悖的两极性,追求公平正义的正向效应与激化社会矛盾的负向效应共存共生,使网络监督受到非制度化、情绪化、娱乐化、自由化的实践现状困扰。只有从加强网络监督文化建设、加强网络监督机制建设、加强网络监督主体建设、加强网络监督环境建设等路径入手,才能有效化解网络监督的实践困境,最终达到提升网络监督质量和实效的目的。     

大数据挖掘技术在光伏发电功率预测中的研究与应用

利用大数据挖掘技术对光伏发电功率数据进行建模,并以偏相关分析法对光伏系统发电功率与各个影响因子间的相关性进行分析,选取偏相关系数最为显著的影响因子作为输入样本,综合大数据挖掘技术中混沌神经网络(CNN)、支持向量机(SVM)、多项式回归与鲁棒平滑等多种算法的优点,建立了以混沌粒子群算法优化权重的组合预测模型,并利用该模型对某光伏系统的发电功率进行预测,验证了模型的有效性和精确性。     

自适应混合卷积神经网络的雾图能见度识别

为充分利用高速公路沿线视频监控,实现高速公路大雾天气能见度全程监测,提出一种自适应混合卷积神经网络（Convolutional Neural Network,CNN）算法。在CNN算法输入层使用ResNet、VGG19预训练模型进行迁移学习,防止训练结果出现过拟合现象;在算法前向与反向传播过程之间构建参数自适应调整模块,根据卷积神经网络训练周期数和训练误差增强参数系数,实现权值自适应更新,有效地提高模型训练的收敛速度和能见度识别正确率。基于高速公路视频图像样本库进行实验,对算法的收敛性、时间复杂性以及识别正确率进行评价。实验结果显示,自适应混合卷积神经网络算法能够加快模型训练,模型综合识别准确率达到0.80以上。     

空面导弹飞行视景仿真系统研究

采用Creator和Vega平台以及Simulink仿真开发工具时空面导弹的飞行视景仿真技术进行了研究.提出了一种空面导弹飞行视景仿真系统的体系构架,利用获取的DED真实地形数据,通过Creator建立大地形三维模型:借助VC/MFC开发平台,实现了Simulink数字仿真系统与视景仿真的通信;在Vega中实现视景仿真系统的软件开发调试.仿真结果表明,该系统能够为空面武器系统研制阶段的参数优化和效能评估提供有效的验证平台.     

星载双频GPS载波相位周跳的实时探测与修复

提出一种新的实时方法探测和修复高动态环境下的GPS载波相位周跳。该方法仅使用单站星双频GPS伪距和载波相位数据,而且其每颗星的数据处理是独立的,所以没有最小卫星数的限制。周跳探测时,在相邻历元间时间差模型基础上建立卡尔曼滤波模型,根据滤波残差探测大周跳(>4周),然后用电离层残差法完成对小周跳(≤4周)的探测;周跳修复时,先使用两步卡尔曼滤波的质量控制方法修复周跳到小周跳范围,最后用电离层残差法完成周跳修复。使用该方法处理1 Hz采样CHAMP卫星数据,结果表明,该方法可以有效可靠地对载波相位周跳进行探测和修复。而且该方法需要的信息量和计算量小,算法易于计算机实现,适合应用于实时周跳的监测。     

基于拉丁超立方抽样和场景消减的居民用户基线负荷估计方法

作为需求响应的重要形式,激励型需求响应(incentive baseddemandresponse,IBDR)对提升电力系统运行的灵活性具有重要作用。用户基线负荷(customer baseline load,CBL)是计算IBDR参与者经济补偿的依据,其估计准确性会直接影响项目参与者和提供者的利益。在现有CBL估计方法中,对照组法通过不参与需求响应(demand response,DR)项目的用户的实际负荷来估计DR参与者的CBL,相比于其他方法通常估计精度更高。然而当对照组用户数量不足够多时,该方法的估计精度将会急剧下降、甚至完全失效。为解决这一问题,该文提出一种基于拉丁超立方抽样和场景消减的居民用户CBL估计方法。首先基于拉丁超立方抽样和场景消减,生成每个时段的代表性负荷场景,再通过迭代消减融合将单时段场景连接形成日负荷曲线场景,以此增加对照组样本多样性。以伦敦居民用户实测负荷数据为例,验证了该文所提方法具有可行性。     

基于GPS/GIS的车辆监控系统的设计与实现

介绍了利用GPS、GIS实现的移动目标监控系统的总体结构、软件设计及系统的功能.