基于高精度流线生成的交互流场可视化

高效准确的流线绘制一直是流场可视化的重要研究内容,流线可以对流场的重要特征进行有效的稀疏表示,但流线需要长期的粒子追踪过程及大量的积分计算,在面向大规模流场可视化时时间效率较低,需要高性能计算设备进行辅助计算.本文通过设计一种基于深度学习的高精度流线生成算法,将初始的低精度流线快速映射为稠密的高精度流线,可以在较短的时间内快速生成可靠的流线可视化结果,并在此基础上设计了交互式实时流场可视化系统,涵盖了流场的特征检测,属性关联分析,信息论分析等,帮助用户快速了解流场数据,找到自己感兴趣的区域进行后续进一步深度分析,避免了获取过多冗余数据,同时优化了分析工作的效率,满足用户对于流场结构,特征属性等多维度进行关联分析的需求.     

基于区块链的新型存储模型慈善系统

现如今的慈善领域总会面临着数据无法公开透明的问题,人们无法对不公开数据的慈善组织报以信任,即使公开了数据,也要面临着数据造假的质疑.针对现有慈善组织存在的公信力不足、便捷性低,以及善款流向不透明等问题,本系统采用区块链技术,通过设计新型数据存储模型,将上传的项目数据按照所需的要求进行加解密等操作,使得数据具有保密性;同时将交易数据进行链上存储,利用区块链不可篡改可追溯等特性,将所有经过本系统的交易数据进行上链操作,使得交易数据变得公开透明,同时无法对已经完成的交易的数据进行修改,从而使整个系统具有足够的公信力,有效地弥补了传统慈善系统的数据不公开,同时可能存在数据造假的不足.     

无线传感网络关键技术及在环境监测中的应用

回顾了无线传感网络技术的发展历史,对无线传感网络的结构和关键技术进行详细阐述;综述了无线传感网络技术在环境监测中的研究及应用现状,对该技术的发展方向和趋势作一展望.     

一种卷绕系统大行程精密自动测量计米方法

大行程位移测量计米精度决定了卷绕式系统的位置控制精度.目前的计米方法测量误差大,不易实现正反双向计米.提出并设计了一种面向卷绕系统的大行程位移精密自动测量计米方法,以双同步齿形带传动副作为精确夹持传送装置,同时采用主动驱动计米与从动轮计米,主动轮由带编码器的交流伺服电机驱动,从动轮计米采用霍尔齿轮转速传感器,可减小同步带轮打滑引起的测量误差.经分析同步带传动多边形效应引起的直线传动位移误差,提出采用加厚聚氨酯圆弧齿同步带以提高测量精度,提出了一种同步带打滑检测及误差修正方法.该方法已用于某型飞机试飞空气静压测量拖锥自动收放系统线缆收放位移检测,结果证明,该方法原理正确可行,位移测量误差不大于0.2％.     

新工科背景下应用型本科专业建设的研究与实践

文章针对新工科背景下应用型本科高校学生培养方面的缺失,采用产教城深度融合的形式,从专业人才培养目标、专业课程体系和课程教学设计三个方面开展了相应研究与实践,提出了以学生的实践能力为目标的人才培养方案、以学生的学习成果为中心的课程体系以及以激发学生的学习内驱力为方式的课程教学方式,从而达到培养具有扎实专业知识和交叉学科知识、自主学习能力和团队协作能力的复合型创新型工程技术人才.     

基于深度网络的出租车Pick-up需求预测

在智慧城市建设中,区域的出租车需求预测是一个十分重要的模块。为了预测指定区域未来时刻的出租车需求,本文通过拓展已有序列模型,提出一个多时间分辨率的基于层次注意力机制的循环高速网络（Multi-Time Resolution Hierarchical Attention-Based Recurrent Highway Networks, MTR-HRHN）。MTR-HRHN将对外生数据时空特征的提取和目标数据的时空建模整合到单个框架中,并且通过多分辨率（例如每个小时或者每天）对序列数据不同的时间属性建模,从而捕获更全面的时间模式。最后,在纽约市出租车数据集上评估MTR-HRHN的预测性能。实验结果表明,与其他经典时间序列预测方法相比,MTR-HRHN在多个高需求区域的短期需求预测上表现出更好的预测性能。     

钢框架-钢板剪力墙结构修复后的使用性能指标

为便于钢框架-钢板剪力墙结构震后快速修复,统计既有实验结果,提出修复后使用的三级性能指标,基于等效拉杆理论,研究结构在侧向载荷作用下塑性铰的出现顺序、层间位移角和结构应力发展等情况,并建立有限元模型对指标进行验证.结果 表明:在一级修复性能指标(位移角1/220)下,结构板墙轻微受损,对应的修复方法为对板墙进行轻微修复;在二级修复性能指标(位移角1/110)下,结构板墙几乎全面进入塑性状态,需要考虑换板或增加加劲肋修复;在三级修复性能指标(位移角1/85)下,结构板墙已经全部进入屈服状态,而且框架梁端也出现塑性铰,此时不仅需要对板墙进行修复,还要考虑对框架进行修复.     

基于互信息F统计量特征选择技术的地基气象云图分类

在地基气象云图的云状(云类)识别研究中,基于局部二值模式(Local Binary Pattern,LBP)描述子的特征选择技术由于它的简单性和有效性成为最通用的方法.然而,LBP特征的高维特性使得云状识别的性能和计算开销不能令人满意.为此,本文提出一种基于互信息构造的F检验统计量的LBP特征选择算法,可以实现高维LBP特征的有效降维,同时保证云状识别的准确性,极大减少了特征选择过程的计算开销.     

基于云模型与PROMETHEE方法的语言型Z-number多属性决策

针对属性权重未知,属性值为语言型Z-number的多属性决策问题,提出了一种基于云模型与丰富度评估的偏好排序组织方法（Preference ranking organization method for enrichment evaluation, PROMETHEE）的决策方法。首先,引入语言尺度函数,然后利用其建立转化模型完成语言型Z-number向云模型的转化。此外,通过定义云可能度函数,建立属性权重求解公式及构建正弦偏好函数,进而计算方案的优先指数,通过计算方案的正负方向优序级别值得到备选方案综合优序级别值,进而得到方案排序。最后通过算例及比较分析验证本方法的有效性和可行性。     

基于区域结构特征的城区LiDAR数据快速分类

机载激光雷达能够及时准确地获取大量具有精确三维位置信息的三维点云数据,在数字城市、森林防火、智能交通等领域有着广泛的应用。城市中心区域的三维点云数据往往会因为高大树木或植被的遮挡,造成建筑物等人造目标识别特别困难。本文通过直接的二次多项式拟合方式提取高大树木等植被与建筑物目标典型局部区域的区域信息,构建区域目标敏感的结构特征,进而,通过模糊逻辑即可完成三维点云数据的建筑物目标敏感的分类任务。实验结果表明,该方法能够快速有效地实现较大尺度范围内LiDAR点云数据的分类,具有较好的应用前景和推广能力。