区块链技术在综合减灾社区建设中的应用研究

引言社区作为居民群众生活驿站,是党和政府服务居民群众的“最后一公里”,在防灾减灾中发挥着至关重要的作用。因此,社区需要树立灾害风险管理和综合减灾理念,紧紧依靠社区居民,发挥自身优势,加强联防联控、群防群治,提高社区防灾、减灾、避灾、救灾应急反应能力,以减少灾害给群众带来的人身和财产损失。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

供水管网DMA优化分区设计方案

实施独立计量分区(district metered area,DMA)是辅助供水管网管理和漏损识别的重要手段.图划分算法是进行DMA分区的方法之一,常规图划分算法应用中,存在解空间受限、分区后原水流状态易发生较大改变、形成较多串联分区(对流量计算不利)的缺点.在常规图划分算法基础上进行了改进:粗化阶段按照特定规则匹配、合并非输水干管两端的节点,形成简化的管网拓扑结构;分区阶段得到管网初步分区方案;细化阶段提出基于贪心算法、枚举算法、蒙特卡洛算法的分区调整方法,结合改进的仪表安置方法、水力模拟、优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS),对分区方案进行调整.将该方法应用于YX市供水管网,成功进行了分区.     

基于PBFT区块链技术的电网企业仓储系统

提出了一种基于实用拜占庭容错(PBFT)算法的区块链技术,首先对传统的实用拜占庭容错算法原理进行了阐述,该传统算法包含前期、需求、预准备、准备、确认、答复6个阶段,但传统算法具有实时性差、缺乏惩罚机制、带宽高的缺点。针对出现的这些问题,又对传统算法进行了改进,具体涉及记账节点、共识过程以及视图切换过程。通过测试进一步证明了该改进算法的实用性,并将该算法应用于电网企业中,构建的虚拟仓库实现了联储联备,降低了库存资金的耗费,并且提高了电网企业库存管理的效率。     

利用纤维床生物反应器发酵生产链霉素

利用纤维床生物反应器(FBB)发酵生产链霉素,对发酵培养基氮源进行了优化,并与传统搅拌发酵进行了比较。结果表明,以可溶性有机氮源大豆蛋白胨作为发酵培养基氮源,并添加一定量蔗糖,可以完全替代黄豆粉,在1 LFBB中发酵96 h时链霉素效价达到5 567 U·mL~(-1)。在整个发酵过程中,所有菌体都被固定在纤维床反应器上,而发酵液保持澄清,这不仅有利于从无菌体的发酵液中进行产物的提取和纯化,也可以重复利用菌体生产次级代谢产物,从而缩短发酵周期,进一步提高链霉素在发酵过程中的体积生产率。     

雾天多次散射对激光透射仪能见度测量的影响

为了分析雾天多次散射引起的激光透射仪能见度测量误差，结合激光大气透射仪的系统参量，基于平流雾和辐射雾分布模型，采用蒙特卡洛法对激光在雾中的传输特性进行了理论分析和数值模拟，获得了雾天透过率数据，并计算得到了多次散射引起的能见度误差。结果表明，在雾天气下随着空气中含水量的增多，多次散射越明显，透过率测量误差越大，辐射雾的透过率相对误差高达116.76%；同等条件下，当接收机直径为100cm时，辐射雾多次散射引起的能见度测量误差为19.30%；同时选取较小的接收机直径可以减小多次散射引起的能见度测量误差。因此, 在雾天应用激光透射仪进行能见度测量时，需考虑多次散射的影响。此研究结果对实际雾天气下激光大气透射仪能见度的测量具有重要的指导意义。     

齿轮刚性调平在车辆沿圆弧轨道运行的设计

随着近年来机械行业的迅速发展,刚性调平这一概念也被引入了机械设计的实际运用。齿轮刚性调平轨道可以是一段光滑的等半径圆弧曲线,也可为一封闭圆。该机构可应用于煤矿辅助运输,亦可运用于其他行业的轨道运输装置。     

GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。