基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

沥青与集料的粘附性研究

评价沥青技术性能的一个重要指标是沥青与集料间的粘附性,并且沥青路面的质量和耐久性很大程度上受到沥青与集料间粘附性的影响。沥青裹覆集料后的抗水性除了与沥青的各种性质有关,还与集料的物理性质和力学性质有关。无论是南方多雨地区还是北方季冻地区,都面临着严重而且普遍的水损害问题,水损害会极大影响路面的耐久性。引起沥青从集料上剥落的原因有很多,如路面厚度不足、压实度不够等,但是水损害问题才是导致沥青从集料上剥落的根本原因,才是导致沥青与集料粘附性不足的根本原因。     

硅酸盐水泥水化动力学模型与试验方法研究进展

水泥水化过程决定水泥基材料强度、耐久性等诸多性能，深入理解水泥水化机理具有重要的科学意义和工程价值。本工作回顾了硅酸盐水泥水化动力学模型的最新研究进展，评述了GEMS热力学计算、HymoStruc3D和CEMHY3D等水化数值模拟方法及其局限性，总结了准弹性中子散射和核磁共振等先进测试手段在研究水泥水化过程中水态演变和孔结构发展中的具体应用，提出了该领域未来研究的趋势和挑战。     

高吸水性树脂提高井壁混凝土水密性能的机理

裂缝的产生会导致井壁混凝土的水密性能和耐久性能降低.高吸水性树脂(SAP)可在裂缝中膨胀并堵塞裂缝,从而提高井壁混凝土的水密性能和耐久性能.但SAP堵塞裂缝的机理仍需进一步研究.探究了SAP对混凝土力学性能的影响.通过水渗透测试分析了SAP的裂缝堵塞效果.并借助X射线计算机断层扫描技术探究了裂缝中SAP颗粒的形态特征.结果表明,SAP的掺入导致混凝土的抗压强度和劈裂抗拉强度略有减小.SAP的掺入也会导致预开裂砂浆中的水流速减小,水流速的减小程度随SAP掺量的增加而增大.SAP可在SAP孔中膨胀并堵塞SAP孔位置的裂缝,说明SAP导致水流速减小的原因是SAP能够在裂缝中发生膨胀.     

我国水-能源-粮食耦合关系及影响因素

为缓解我国水、能源和粮食资源紧张问题，促进资源可持续利用，构建水-能源-粮食系统，利用耦合协调度模型对我国的30个省（自治区、直辖市）进行测算,并利用空间杜宾模型分析主要影响因素。结果表明：2003—2017年，我国能源、粮食评价[JP]指数高于水资源评价指数，系统综合评价指数逐年递增；大部分省份耦合协调度处于初级协调水平且呈现逐年上升的态势，个别省份耦合协调度濒临失调；耦合协调度空间自相关性较强，虽有明显波动，但是呈现逐年加强的态势；影响耦合协调度的主要因素有从业人口数、固定资产投资额、人均生产总值、人口总数、[JP]文盲人口占比、工业污染排放、城镇化。     

基于图神经网络的网络性能智能预测

传统网络性能预测技术存在网络状态获取不够全面及网络性能评估准确性欠佳等问题，利用图神经网络学习推理网络关系数据的特点，结合捕获的网络全局信息，提出了一种基于图神经网络的网络性能智能预测方法。通过网络系统抽象及网络性能建模，将复杂的网络信息转化为形式化的图数据进行描述，利用图空域卷积处理图网络节点的消息传递过程，实现网络信息之间的关系推理，研究了实现网络性能预测的图神经网络模型，提出了一种能处理流量矩阵、网络拓扑、路由策略、节点配置的图神经网络体系结构，最后通过实验论证了模型能更好地实现包括时延、抖动和丢包率的网络性能的准确预测。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。