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%。     

定距螺旋桨对船用主机外特性的要求分析

为解决定距螺旋桨与船用主机在船舶运行工况的机桨匹配问题,结合船舶系泊和航行试验的相关标准,分析和归纳船舶运行数据,将实船测试与船机桨匹配理论计算相结合,得出运输船和拖轮在常用工况及特殊工况下定距螺旋桨对主机外特性的定量要求,为配套不同细分市场时船用主机的优化和开发提供参考依据。     

爆炸冲击作用下埋地并行输气管道的动力响应

天然气泄漏爆炸已成为埋地输气管道主要的极端灾害。选取TNT当量法作为输气管道小孔泄漏致爆的估算模型,适当选取材料本构模型,采用任意拉格朗日-欧拉方法 (ALE),在验证模型精度的基础上,建立了埋地输气管道-土壤-炸药耦合的三维实体模型,分析了埋地输气管道动力响应(等效应力、位移)与爆心距和炸药量之间的关系。研究结果表明:ALE法可较好地描述球形爆炸波在土中的传播规律,且可形象展示爆炸空腔及地表土丘的宏观演化过程;在爆心距为205 cm时,应力随着药量的增大而增大,管体的抗爆极限药量为58. 4 kg;应力与位移均随着装药量的增大或爆心距的减小而增大; X向位移、迎爆点及背爆点的Y向位移随着时间的变化先增大后减小,管顶的Y向位移则呈现先增大后减小的二次震荡,管底的位移近似呈正弦规律变化;基于应变的失效判据与应力的失效判据评定结果存在偏差,应力评定结果相对偏保守。所得结论可为并行输气管道的安全评估提供参考。     

Excel VBA在道路工程测量中的应用

在道路工程测量中,为了避免变坡点处的坡度出现急剧变化,保证车辆运行安全稳定,竖曲线的测设是至关重要的,其中竖曲线的曲线要素计算是测设的第一个关键步骤,以往大部分数据计算都由人工手算,计算过程繁琐、效率低、出错概率高。文章分析了竖曲线的计算原理,使用EXCEL表格中的VBA进行简单的程序编写,自动进行曲线要素的计算,为进行竖曲线测设提供了快速准确的数据。     

小半径缓和曲线钢板组合梁整体顶推技术

近年来,在山区桥梁设计中越来越多的应用了钢板组合梁。因此,以某工程为例,其采用钢板组合梁,桥梁平面位于小半径圆曲线及缓和曲线上,场地受限,仅能采用顶推工艺,因此总结了小半径缓和曲线钢板组合梁整体顶推技术要点,从而为类似工程提供一定借鉴。     

离子膜电解反向电流及其消除

探讨反向电流的形成、反向电流的危害、极化整流器消除反向电流的若干方式、C-DCDS装置构成及其与极化整流器匹配应用于电解槽的情况,以及单独使用极化整流器或C-DCDS和两者匹配使用的方法。     

强碱三元复合驱色谱分离及其影响因素——以大庆油区喇嘛甸油田为例

三元复合驱油体系中驱油剂的协同效应,会使油水间的界面张力大幅度下降,原油采收率大幅度提高;但三元复合驱油体系的色谱分离现象也会破坏其协同效应和完整性,揭示色谱分离现象及其影响因素对于改善三元复合驱油效果具有十分重要意义。以油藏工程和分析化学理论为指导,以化学分析和物理模拟为技术途径,并以大庆喇嘛甸油田典型区块地质特征和流体性质为研究对象,开展强碱三元复合驱色谱分离现象及其影响因素研究。结果表明,采用前置高浓度聚合物段塞后,可以有效扩大波及体积,但表面活性剂与碱和聚合物之间无因次等浓距增加,色谱分离现象加剧。大庆油区喇嘛甸油田不同区块油水性质差异对色谱分离现象存在影响,原因在于部分重烷基苯石油磺酸进入油相,影响水相中浓度检测值。强碱三元复合驱油体系中表面活性剂与碱和聚合物之间色谱分离程度比较严重,碱与聚合物之间较弱。     

基于时频域的卷积神经网络运动想象脑电信号识别方法

针对目前运动想象脑电（EEG）信号识别率较低的问题，考虑到脑电信号蕴含着丰富的时频信息，提出一种基于时频域的卷积神经网络（CNN）运动想象脑电信号识别方法。首先，利用短时傅里叶变换（STFT）对脑电信号的相关频带进行预处理，并将多个电极的时频图组合构造出一种二维时频图；然后，针对二维时频图的时频特性，通过一维卷积的方法设计了一种新颖的CNN结构；最后，通过支持向量机（SVM）对CNN提取的特征进行分类。基于BCI数据集的实验结果表明，所提方法的平均识别率为86.5%，优于其他传统运动想象脑电信号识别方法；同时将该方法应用在智能轮椅上，验证了其有效性。