基于流形学习的人体动作识别

目的 提出了一个基于流形学习的动作识别框架,用来识别深度图像序列中的人体行为。方法 从Kinect设备获得的深度信息中评估出人体的关节点信息,并用相对关节点位置差作为人体特征表达。在训练阶段,利用LE（Lalpacian eigenmaps）流形学习对高维空间下的训练集进行降维,得到低维隐空间下的运动模型。在识别阶段,用最近邻差值方法将测试序列映射到低维流形空间中去,然后进行匹配计算。在匹配过程中,通过使用改进的Hausdorff距离对低维空间下测试序列和训练运动集的吻合度和相似度进行度量。结果 用Kinect设备捕获的数据进行了实验,取得了良好的效果;同时也在MSR Action3D数据库上进行了测试,结果表明在训练样本较多情况下,本文方法识别效果优于以往方法。结论 实验结果表明本文方法适用于基于深度图像序列的人体动作识别。     

Experimental methods in chemical engineering: X‐ray photoelectron spectroscopy‐XPS

X‐ray photoelectron spectroscopy (XPS) is a quantitative surface analysis technique used to identify the elemental composition, empirical formula, chemical state, and electronic state of an element. The kinetic energy of the electrons escaping from the material surface irradiated by an x‐ray beam produces a spectrum. XPS identifies chemical species and quantifies their content and the interactions between surface species. It is minimally destructive and is sensitive to a depth between 1–10nm. The elemental sensitivity is in the order of 0.1 atomic %. It requires ultra high vacuum ( Pa) in the analysis chamber and measurement time varies from minutes to hours per sample depending on the analyte. XPS dates back 50 years ago. New spectrometers, detectors, and variable size photon beams, reduce analysis time and increase spatial resolution. An XPS bibliometric map of the 10 000 articles indexed by Web of Science^[1] identifies five research clusters: (i) nanoparticles, thin films, and surfaces; (ii) catalysis, oxidation, reduction, stability, and oxides; (iii) nanocomposites, graphene, graphite, and electro‐chemistry; (iv) photocatalysis, water, visible light, and ; and (v) adsorption, aqueous solutions, and waste water.     

基于季节长记忆双自回归模型的日径流模拟

传统时间序列模型无法同时考虑径流序列的长记忆性和时变波动性,且模型参数限制严格,从而使日径流序列模拟受到限制,影响径流模拟预测精度。本文提出了同时考虑非平稳性、季节性、长记忆性和时变波动性的新型双自回归模型(WOA-SFIDAR),并与经典长记忆波动率模型(SFIAR-GARCH)进行对比,选取渭河流域4个水文站日径流序列进行模拟验证。结果表明：WOA-SFIDAR模型的模拟能力优于SFIAR-GARCH模型,模拟结果很好地保持了日径流过程的统计特性。7、8月份模拟均值误差相对较大,WOA-SFIDAR模型的误差范围(5.72～32.56)低于SFIAR-GARCH模型(7.42～48.02)。WOA-SFIDAR模拟逐月变差系数(C_v)和偏态系数(C_s)与实测序列统计值间偏差范围为0～0.51和0.02～1.31,优于SFIAR-GARCH模型(0.02～0.56和0.06～1.52);模拟结果能够保持日径流序列自相关系数(ACF)的变化趋势,且随滞时的增加,实测序列与模拟序列的ACF差距减小。文中模型扩展了水文随机模拟方法,可为日径流模拟...     

南水北调东线调水区及受水区降水径流变化特征

为给南水北调工程规划与运行提供科学依据,基于比《南水北调工程总体规划》制定水平年更加完整的水文观测数据识别2001年以来工程区降水、径流变化特征,采用Mann-Kendall趋势检验、小波分析等方法分析了比较期(2001—2016年)相对于基准期(1956—2000年)的降水、径流统计特性差异和变化特征。结果表明：相对于基准期,比较期调水区降水量变化不明显,长江大通水文站天然径流量下降3.5%,调水区水资源条件较为稳定;比较期受水区降水量较基准期基本无变化,天然径流量较基准期上升3.9%,但山东省、河北省和天津市受水区天然径流量下降6.6%,3省市天然径流量呈明显衰减态势。     

基于自适应聚合与深度优化的三维重建算法

针对现有基于多视图的三维重建方法未充分考虑像素点在其余视图的可见性,从而导致重建完整度不足,且在弱纹理和遮挡区域重建困难等问题,提出了一种应用于高分辨率的三维重建网络。首先提出了一种引入可见性感知的自适应成本聚合方法用于成本量的聚合,通过网络获取视图中像素点的可见性,可以提高遮挡区域重建完整性;采用基于方差预测每像素视差范围,构建空间变化的深度假设面用于分阶段重建,在最后一阶段提出了基于卷积空间传播网络的深度图优化模块,以获得优化的深度图;最后采用改进深度图融合算法,结合所有视图的像素点与3D点的重投影误差进行一致性检查,得到密集点云。在DTU 数据集上与其他方法的定量定性比较结果表明,提出的方法可以重建出细节上表现更好的场景。     

基于雪岭云杉树轮的阿克苏河干流冬季径流重建

基于阿克苏河上游高山区采集的雪岭云杉树轮样芯构建了雪岭云杉树轮宽度年表,结合阿克苏河干流径流数据解析了雪岭云杉长期生长与阿克苏河干流径流关系,并重建了阿克苏河干流1813—2015年冬季径流序列。结果表明:利用雪岭云杉树轮宽度年表重建的阿克苏河干流1813—2015年冬季径流序列模拟值与实测值吻合度较高,重建径流序列稳定可靠;1813—2015年阿克苏河干流冬季多年平均流量为82.19 m~3/s,共出现5次持续丰水期和3次持续枯水期,最长的枯水段持续17年(1943—1959年);阿克苏河干流冬季径流变化存在51 a、29 a、16 a周期,第一主周期为51 a。     

深厚淤泥中双排钢板桩结构安全稳定性研究

针对滨海地区深厚淤泥地基中双排钢板桩围堰结构受力复杂的问题,基于土力学理论,分别从运行工况下的抗剪切变形稳定、底部抗隆稳定、整体抗滑移稳定、抗倾覆稳定以及整体滑动稳定等方面进行分析,给出了安全稳定计算公式,同时通过数学理论推导计算,给出了钢板桩最小入土深度计算公式。以浙江省某大型围垦工程水闸的双排钢板桩围堰工程为例,依据该计算公式,得出最小入土深度建议值为17.01 m,与工程实际设计值18.50 m基本一致;同时利用有限元计算软件,对该工程中双排钢板桩围堰结构进行数值模拟计算分析,并将模拟结果与钢板桩实际水平变位监测资料进行对比分析,认为该双排钢板桩围堰结构设计安全可靠,可为相关工程应用提供参考。     

An automatic parameter calibration method for the SWAT model in runoff simulation

Runoff simulation is highly significant for hydrological monitoring, flood peak simulation, water resource management, and basin protection. Runoff simulation by distributed hydrological models, such as the soil and water assessment tool (SWAT) model which is the most widely used, is becoming a hotspot for hydrological forecasting research. However, parameter calibration is inefficient and inaccurate for the SWAT model. An automatic parameter calibration (APC) method of the SWAT model was developed by hybrid of the genetic algorithm (GA) and particle swarm optimization (PSO). Multi‐station and multi‐period runoff simulation and accuracy analysis were conducted in the basin of the Zhangjiang River on the basis of this hybrid algorithm. For example, in the Yaoxiaba Station, the calibration results produced an R² of 0.87 and Nash Sutcliffe efficiency (NSE) index of 0.85, while verification results revealed an R² of 0.83 and NSE of 0.83. Results of this study show that the proposed method can effectively improve the efficiency and simulation accuracy of the model parameters. It can be concluded that the feasibility and applicability of GA‐PSO as an APC method for the SWAT model were confirmed via case studies. The proposed method can provide theoretical guidance for many hydrological research fields, such as hydrological simulation, flood prevention, and forecasting.     

基于1960-2018年实测径流与水文学方法的开都河生态流量分析

为科学地确定河流生态流量,保障流域水安全与生态环境健康,基于开都河大山口水文站1960-2018年的实测径流数据,采用Tennant法、典型水文频率年法、最枯月平均流量法和Q_p法等4种水文学方法计算了河流的生态流量,通过对比分析确定基于Tennant法的计算结果最为适宜。计算结果表明：开都河大山口水文站10-翌年3月的平均生态流量应不小于15.60 m³/s,对应最小生态环境需水量为 2.47×10⁸ m³;4-9月的平均生态流量应不小于46.15 m³/s,对应最小生态环境需水量为7.30×10⁸ 　m³,全年生态流量平均不小于30.88 m³/s,对应最小生态环境需水量为9.77×10⁸ 　m³。该生态流量目标可满足开都河大山口至博斯腾湖河段的河道径流损失,保证河流基本生态功能与水生态安全。计算分析结果可为开都河河流生态流量管理提供支撑。     

济南主城区不透水地表分布分析及其水文效应

以济南市主城区范围为研究区,通过现场调研、遥感解译和划分标记的手段获取并探究其不透水地表分布。研究发现,济南市主城区范围内绿化率达到33.9%,不透水面积占比为65.3%。采用HIMS-SWMM模型进行小时尺度径流模拟,据此探究济南市主城区范围内各行政区不透水地表格局下其径流系数的变化情况。以2016年7-8月降雨作为输入,整个研究区共降水125.23mm,下渗量为36.33mm,产生的径流量为88.9mm,整个济南市主城区总体径流系数为0.71。各用地类型的不透水面占比与径流系数有较强的线性关系,其变化分为阈值型和渐变型。对于阈值型用地类型,可进行较为集中的绿化措施或LID措施;对于渐变型用地类型,可采用放缓的逐步绿化或LID措施,在集中改善阈值型用地类型的不透水面占比的同时,辅以较小范围的改善措施,以达到较为经济有效的防止内涝目的。