SiO2—Si3N4天线窗材料的介电性能研究

研究了Ｓｉ３Ｎ４含量和相对密度对Ｓｉ３Ｎ４颗粒增强ＳｉＯ２复合材料的介电性能的影响。结果表明：在Ｓｉ３Ｎ４含量相同时，随着相对密度的增大，复合材料的介电常数增大，介电损耗减少；在一定的相对密度下，复合材料的介电常数和介电损耗随Ｓｉ３Ｎ４含量的增加而增大。     

Pythagorean犹豫模糊灰色关联前景多属性决策方法

针对Pythagorean犹豫模糊环境下的多属性决策问题,提出了一种基于前景理论的Pythagorean犹豫模糊灰色关联多属性决策方法。定义了Pythagorean犹豫模糊数的灰色关联度和前景价值函数。基于灰色关联度定义了各方案相对于正负理想解的差异集,结合前景价值函数将Pythagorean犹豫模糊决策矩阵转化为价值矩阵。通过各方案的收益损失比值对备选方案进行优劣排序。为了说明该决策方法的可行性和有效性,将其应用到能源项目的综合评价上,并通过实例对比验证了提出决策方法的优越性。     

纳米氧化锆粉体的表面改性研究

本文初步研究了己二酸，硬脂酸对纳米氧化锆陶瓷粉体的表面改性作用及其对粉体的极性和流动性的影响。实验结果表明，己二酸，硬脂酸中的羧基与纳米氧化锆粉体颗粒表面的羟基发生类似于酸和醇的酯化反应，并在其表面形成单分子膜。经过表面改性的纳米氧化锆粉体由极性转化为非极性，同时表现出良好的流动性能。     

SiO2—AlN复合材料的抗热震性

研究了ＳｉＯ２－ＡｌＮ复合材料的抗热震性，分析了影响ＳｉＯ２－ＡｌＮ复合材料的抗热震性的诸因素。结果说明，ＳｉＯ２－ＡｌＮ复合材料的临界热震温差在６００℃左右，提高材料的柔韧性和热导率，降低线膨胀系数有助于其抗热震性的改进。     

基于UI-LSTM模型的短时降水预测研究

降水临近预报是为了预测未来短时间的降雨量。现有大多数基于循环神经网络(Recurrent Neural Network, RNN)的降水预报模型,采用单一的卷积核对输入和隐藏状态的特征进行提取存在局部性,不能捕获雷达回波图中复杂的物理变化,且未有效提取时空相关性和对强降雨区域的精准预测。针对现有模型存在的问题,提出了UI-LSTM模型用于降水临近预报,能够有效地提取雷达回波序列的时空相关性,采用了U形结构,同时使用跳过连接进行特征拼接,学习到整个雷达回波图的上下文语义信息,且将浅层和深层信息进行特征融合。加入了Inception结构来代替ConvLSTM细胞结构中输入到输入和状态到状态的卷积,通过不同大小的卷积核,有效提取输入,隐藏状态的特征。在公开数据集(CIKM AnalytiCup 2017)进行实验并与其他模型进行对比实验。实验结果表明,UI-LSTM模型在HSS、CSI、MAE和SSIM指标整体上要远高于其他对比模型,且提高强降水天气预测的准确率。     

加型Pythagorean模糊偏好关系的多属性决策方法

考虑Pythagorean模糊偏好关系的多属性决策问题,提出了加性Pythagorean模糊偏好关系的多属性决策方法。基于加性一致性Pythagorean模糊偏好关系提出一种新的Pythagorean模糊权重确定模型。给出了可接受加性一致性Pythagorean模糊偏好关系的定义,并针对不满足可接受加性一致性的Pythagorean模糊偏好关系,提出一种加性一致性调整算法。给出基于Pythagorean模糊偏好关系加性一致性的多属性决策方法,并通过实例分析提出的新方法的可行性和合理性。     

氧化锆陶瓷的摩擦磨损性能

研究了ＺｒＯ２砂同工况条件下的摩擦磨损特性。运用扫描电镜，Ｘ射线衍射技术等来观察和分析磨损前后摩擦副的表面形貌、截面特征、磨悄形状及其相组成，从而分析磨损的机制。实验结果表明：干摩擦磨损和加水润滑的摩擦磨损主要机制是粘着磨损和疲劳磨损机制，并随着工况的     

GLnet：融合全局和局部信息的短临降雨预报网络

基于雷达回波外推的定量降水预测具有广泛的应用前景。为了提高降水区域和强度的预测准确性，本文提出了一种新的基于Unet和Swin-Transformer的临近降水预报模型GLnet。该模型具有非对称双路特征提取结构，通过卷积和窗口自注意力机制分别提取雷达回波图片的局部和全局特征。同时在两类特征融合前引入了CBAM注意力机制和Non-local非局部注意力机制。本文在公开的荷兰降水地图数据集上分别采样出至少包含20%和和50%降水像素点的子集NL-20和NL-50,并利用结构相似性损失函数进行了实验。结果表明本文模型相比原始的Unet, MSE误差分别下降了14.4%和10.6%。