丝瓜络更换比例对同步硝化反硝化脱氮和功能菌丰度的影响

本研究以丝瓜络作为生物膜反应器的碳源和生物膜载体,采用同步硝化反硝化(simultaneous nitrification and denitrification,SND)工艺对低碳城市污水进行处理。但长期运行的丝瓜络会失效,导致出水TN浓度不能满足《城镇污水处理厂污染物排放标准》一级A出水标准。为保证系统的持续运行,本研究采用20%、40%和60%的更换比,考察系统的脱氮效果、胞外聚合物(extracellular polymeric substance,EPS)以及功能菌丰度的变化,确定40%为最佳更换比例。     

A/A/O+反硝化深床滤池污水处理厂扩容工艺设计

普宁某污水处理厂扩容工程规模为8×10~4 m~3/d,其扩容工艺采用A/A/O+反硝化深床滤池,与现状主体工艺相同。本工程实施后,该污水处理总处理规模将达到23×10~4 m~3/d。出水水质执行如下标准:COD_(cr)≤40 mg/L,BOD5≤10 mg/L,SS≤10 mg/L,氨氮≤2 mg/L,总氮≤15 mg/L,总磷≤0.4 mg/L,粪大肠菌群≤1000个/L。本文就此工程的工艺流程及配套建构筑物、设备参数等进行了详细的论述,可为相关工程提供参考。     

基于OpenPose的摔倒行为检测技术研究

针对摔倒检测难、检测精度低、误检率高等问题提出了一种基于骨骼姿态关键点和卷积神经网络的摔倒检测算法.该算法通过OpenPose对连续n帧中的运动目标进行关键点检测,以VGG预训练网络作为骨架,对运动目标进行姿态特征提取,并将所提取的姿态特征以支持向量机的方法进行分类实验,有效区分坐、躺、蹲等与摔倒相似的行为.测试所使用的数据集包括一系列自建摔倒视频并结合包括走、蹲、躺、坐、跳等五种非摔倒行为.检测结果的灵敏度为96.52％,特异性为96.37％,相比同类检测算法有较大提升.     

贝叶斯项目反应模型及nimble实现

针对国际学生评估项目2015年数据(PISA),采用单参数、双参数和三参数的项目反应模型进行建模,在每个模型下,分别采用logistic连接函数和probit连接函数.针对6个模型,应用偏差信息准则(Deviance Information Criterion,DIC)和伪边际似然对数(Logarithm of Pseudo-Marginal Likelihood,LPML)进行模型评价和模型选择.结果表明,当连接函数为logistic双参数的项目反应模型表现最好,因为这个模型下的DIC值最小,并且LPML值最大.我们采用R软件nimble包进行编程.     

TC11钛合金壳体成型工艺研究

介绍了用反挤压成型方法加工TC11钛合金大型壳体毛坯的工艺，对润滑剂选取及润滑方式及形状尺寸控制等做了重点研究。结果表明，反挤压成型工艺简单，易操作，产品几何尺寸规则，表面质量良好，组织性能符合国家技术标准要求。     

基于截面特征相容的曲面约束重构

为了从点云中重建高品质的曲面模型,提出一种基于截面特征相容的曲面重构方法.该方法将由点云切片获取的截面曲线分层次表达为直线、圆弧、B样条等基本曲线元和特征点的集合,并基于曲线微分几何属性,建立截面曲线特征点对应的数学模型,采用动态规划法求解并确定其初始对应关系,以曲线元特征匹配准则优化对应,逐步确立截面曲线间的特征对应关系,将特征对应关系映射为参数对应即可利用成熟算法逼近生成蒙皮曲面.实例表明,该算法获取的曲面模型不但满足精度和光顺性要求,而且忠实地反映了原始物理样件所蕴含的特征信息.     

基于卷积神经网络的目标检测

为了完成视频图像中人体检测,将卷积神经网络和梯度算法结合.将YOLO网络模型结构以及算法函数进行了优化调整.为了保留视频时间信息,引入了卷积神经网络反馈时间维度.采用长短记忆卷积神经网络(LSTM)进行训练,通过将迭代过程的最优解保留,加快了梯度算法中的搜索速度,并且保证收敛于全局最优解.     

基于卷积神经网络的苹果分级算法研究∗

针对传统水果分级方式容易损伤水果表面且分级准确率低的问题,以苹果分级为例,提出了一种基于卷积神经网络的苹果分级算法,并分析比较多种卷积神经网络模型,分别用各网络模型训练一个卷积神经网络并对同一测试集图像样本进行分级试验,其中DFNet模型在苹果的一级果、二级果和三级果的分级上,表现出了97％ 左右的分级准确率,达到了良好的分级效果.     

基于WNN与FCM的电动汽车动态充电负荷预测方法

随着电动汽车动态无线充电(EV-DWC)技术的发展,针对目前EV-DWC负荷建模理论工作不全面的现状,以交通流量作为影响充电负荷的主要因素,以天气、典型日期、季节等因素为次要影响因素,根据路况建立负荷模型,通过电动汽车型号和状态的聚类不同对汽车分配不同的功率,完成动态充电负荷的建立。采用小波神经网络(WNN)对时序信息进行处理预测,再同误差反向传播神经网络(BPNN)相结合预测充电道路上的车流,短期车流预测精度为85%,用模糊C聚类(FCM)算法对电动汽车的充电类型以及该类型所对应的充电功率进行划分,将进入充电道路的电动汽车分为7种类型。根据各种充电类型分配相应的充电功率,完成日负荷建模。