Effect of the Three Gorges Reservoir on vertical distribution of suspended sediment concentration and estimation accuracy of depth-average concentration in downstream reaches

The sediment regime in the middle Yangtze River has been significantly changed from quasi-equilibrium to nonequilibrium since the impoundment of the Three Georges Reservoir (TGR). To understand the effects of the TGR on vertical distribution of suspended sediment concentration (SSC) and estimation accuracy of mean concentration, vertical sediment concentration and flow velocity data at the Shashi and Jianli hydrological stations in the reach before and after the impoundment were collected. Comparisons and analysis of vertical profiles of SSC before and after the TGR impoundment show that after the impoundment of the TGR, due to the coarsening of sediment particle size, the reduction in sediment load, and the significant decrease in sediment saturation, the vertical distribution of SSC in the downstream reaches became more uneven under medium and low water flows, which was reflected in the vertical gradient and the fluctuation degree of SSC significantly increased. In addition, the depth-average sediment concentrations were calculated by the selected-point method and the mean values calculated by the “multi-point method” were regarded as the “true mean” to evaluate the accuracy of the mean value calculated by the “few-point method.” It was found that the relative errors for the selected-point method were mainly positive before impoundment but mainly negative after impoundment. Additionally, the correction factors of one-point, two-point, and three-point methods and the position of the near-bed substituted point for the five-point method were given to reduce the error when the point measurements were used to calculate the depth-average sediment concentration in the downstream reaches.     

基于GMM-CNN的鱼道内鱼类游泳行为提取方法

鱼道设计离不开鱼类行为特性的研究,智能监控是观测、记录和量化鱼类行为的主要手段,但由于鱼道紊动的水流环境对鱼体精确跟踪造成了困难。本研究提出一种适用于鱼道研究的鱼类游泳行为提取方法,通过高斯混合模型（GMM）和卷积神经网络模型（CNN）对鱼体图像语义分割,再根据鱼体像素计算上溯轨迹、游泳速度和摆尾幅度。方法的验证以草鱼为试验对象,分别进行基于UNet和SegNet的鱼体语义分割对比试验和鱼类游泳行为提取试验。试验结果表明：（1） UNet模型的图像语义分割结果（MPA=95.9%,MIoU=93.3%）优于SegNet模型（MPA=95.5%,MIoU=92.8%）;（2）应用GMM-CNN模型进行过鱼轨迹跟踪,其坐标平均相对误差（MRE_x=7.1%,MRE_y=2.4%）低于单独使用GMM方法23.1%、11.6%;（3） GMM-CNN模型测算鱼类行为能够准确定位鱼体特征点,应用于提取鱼类游泳行为时具有较高的精确度。基于GMM-CNN鱼类游泳行为提取方法可以为鱼道设计提供技术支持。     

电力巡检无人机精准降落方法研究与应用

针对现有电力巡检无人机降落方法定位误差较大、机身稳定性较差、易受外部环境干扰等问题,提出一种电力巡检无人机自适应降落方法.构建基于多级视觉标识图像识别的四维定位降落方法,指引无人机进行垂直方向精确降落.开发基于分段式反馈控制的速度矢量的四维控制方法,稳定无人机水平方向的姿态.设计基于视觉标识阵列的自适应抗干扰降落方法,克服降落平台的阴影对无人机定位的影响.开展无人机精准降落现场实验,结果表明所提方法具有非常高的降落定位精度,简单实用.     

基于大数据技术的人才智能推荐方法

复杂多样的岗位信息使得很多求职人员很难查找到适合自己的岗位信息,为了提高人力资源的推荐质量,本文基于梯度提升树和混合卷积神经网络设计一种有针对性的人才市场推荐模型。利用流式分布式方法收集求职人员信息并将其转换为可用于算法分析的独热编码,使用梯度提升树提取求职人员特征。混合卷积神经网络在经过训练之后可实现有针对性的人才推荐。本文模型与不结合梯度提升树的混合卷积神经网络、结合梯度提升树的卷积神经网络相比,在召回率和F1-Score上分别提高了9.78%和10.1%。这说明,结合梯度提升树的混合卷积神经网络算法能够有效提高人力资源的推荐质量。     

基于DT-CWT和SVM的踏面旋转不变纹理提取算法

针对列车车轮踏面旋转纹理信息无法准确、有效提取的问题,提出一种基于Radon变换和双树复小波变换（DT-CWT）的列车车轮踏面特征提取方法。首先,对车轮踏面图像进行Radon变换;然后,对变换后的图像进行DT-CWT分解,使用分解后的各层低频子带系数和高频子带系数模的均值和标准方差构造特征向量,将其作为区分列车车轮踏面是否发生损伤的依据;最后,由支持向量机（SVM）进行分类决策。使用动车所采集的图像及人为加噪声后的图像进行分类实验,结果表明,本文使用的Radon和DT-CWT算法能有效地进行旋转不变纹理的提取,SVM分类正确率可以达到95%,可为列车车轮踏面状况检测提供更为准确便捷的方法支撑。     

基于余弦相似度的改进蝴蝶优化算法

针对蝴蝶优化算法（BOA）容易陷入局部最优和收敛性差等问题,提出一种多策略改进的蝴蝶优化算法（MSBOA）。首先引入余弦相似度位置调整策略,通过旋转变化算子和伸缩变换算子进行位置更新,从而有效地保持BOA的种群多样性;其次引入动态切换概率,来平衡BOA局部阶段和全局阶段的转换;最后增加混合惯性权重策略,以提高BOA的收敛速度。使用16个基准测试函数、Wilcoxon检验以及部分CEC2014函数来验证MSBOA的有效性和鲁棒性。仿真实验结果表明,与BOA和其他改进策略BOA及其他群智能算法相比,MSBOA在收敛精度和收敛速度上有明显的提升。     

基于分形理论的冰下水流流速垂线分布研究

冰下水流流速分布是冰凌生消、泥沙输移、河床演变及冰期输水的重要参考依据,基于分形理论,在前人的研究基础上,研究了冰下水流流速垂线分布规律。结果表明,依托明渠水流的若干成果,从分形理论出发,基于Einstein假定,可推出已有冰下不同形式的流速垂线分布公式;理论分析认为,冰下分区水流流速分布近似镜像,均具有分形特征,可用双对数公式表达,实测结果证明,对于弯曲河道,水流核心区流速分布均匀,并不服从对数分布,公式在运用时需考虑适用性或引入因子项;稳封期,冰盖区水流流速分布的分维值大于河床区,流速分布更均匀,而在弯道卡冰区域,由于弯道冰下水流结构的复杂性,河床区水流流速分布的分维值无规律。对冰下水流流速的研究,拓展了分形理论在水流流速垂线分布研究方面的应用成果,概化的冰下水流结构,对工程运用有一定借鉴意义。     

砂土原位应力场中的灌注桩成孔卸荷收缩理论解

为了探究钻孔灌注桩在竖向成孔时伴随的孔周土体径向应力的卸荷情况,基于SMP屈服准则及非相关联流动法则,探讨了初始原位应力场条件下砂土竖向钻孔孔周存在的2个塑性区的应力状态工况,并推导了该工况的应力场、位移场的解答,给出了工况判别标准。结果表明:静止侧压力系数K₀、土体内摩擦角φ的选取关系到孔周塑性区半径r_e,r_p的变化,对塑性区的产生和发展有很大影响;不同K₀和泥浆重度r_mud下的孔壁相对位移、孔壁应力均随着钻孔深度的增大而呈线性增大,孔壁相对位移随K₀增大而增大,随r_mud的增大而减小,但孔壁径向和环向应力并不随K₀的改变而改变;砂土竖向成孔的孔周塑性区范围几乎沿深度不发生变化,塑性半径r_p对钻孔孔壁环向应力有较大影响。提出的理论解对于砂土初始原位应力场中的灌注桩成孔卸荷问题具有一定的理论意义。     

低消耗免查找表CORDIC算法

为减少传统流水线型CORDIC(Coordinate Rotation Digital Computer)算法的硬件资源消耗和输出时延,在包含查找表的三阶段CORDIC算法实现基础上,提出一种免去查找表环节的CORDIC算法实现方法.提出的改进算法直接使用四次移位相加的迭代运算替换查找表结构从而显著降低寄存器消耗,同时通过合并迭代降低迭代次数进而有效减少最大输出时延,并综合运用角度二极化重编码(Binary To Bipolar Recoding,BBR)方法和角度区间折叠技术保证了输出精度.使用Verilog HDL语言在ISE14.2软件平台上对三种算法进行具体实现,利用XST工具对其进行综合,并通过MATLAB建模计算得到算法的正余弦值输出误差.仿真实验结果表明:在输出位宽均设置为16位的情况下,免查找表CORDIC算法能够有效地输出正余弦值;与传统流水线型算法相比,免查找表算法的寄存器资源消耗减少大约74.42%,计算所需的时钟周期降低68.75%,其输出精度也有明显改善;与三阶段算法相比,免查找表算法的寄存器消耗减少大约43.3%.本文提出的免查找表CORDIC算法具有实时性强、输出精度高、硬件资源消耗少等优势,更适用于高速实时的现代数字通信系统应用.     

Ultra-low latency and omit-iteration CORDIC algorithm

The pipeline structure Coordinate Rotation Digital Computer (CORDIC) algorithm improves its precision by increasing the stages of iterations, which leads to a large delay, excessive consumption of hardware and limits its applications.The omit-iteration CORDIC algorithm is proposed to solve this problem by using the methods of binary to bipolar recoding, folding angle domain, merging iteration and optimizing the lookup table. Simulation results show that this method needs only two clock cycles to get the output and also makes improvement on the hardware consumption and its precision, especially having privilege to the application on high speed and real-time occasions compared with other realization of the CORDIC algorithm.