基于深度置信网络的影响广西热带气旋年频数预测方法研究

以气候系统监测指数集、NCEP/NCAR高度场和海温场逐月再分析资料为基础,将影响广西的热带气旋年频数作为预报量,先利用随机森林方法通过计算袋外数据误差判断特征变量重要性的能力,进行随机森林算法(Random Forest,RF)的热带气旋年频数预报因子重要度的分析,再进一步采用由多层无监督学习的受限玻尔兹曼机和一层有监督学习的BP网络构成的深度置信网络(Deep Belief Networks,DBN),建立了基于非线性深度学习的热带气旋年频数预测模型.在预报因子、预报建模样本及独立预报样本相同的情况下,分别采用这种深度学习预测建模方法和逐步回归方法对影响广西的热带气旋年频数进行了预报试验.结果表明,采用这种基于随机森林算法的深度置信网络预测建模分析方法,对10年(2009年-2018年)独立预报样本的预报结果比逐步回归预测模型具有更高的预测精度,其预测平均绝对误差为1.30个,而逐步回归方法的预报平均绝对误差为2.05个;在预测评分上,新模型的预测评分为83.33分,高于逐步回归方法的预测评分73.68分.进一步地,应用新模型对2019-2020年热带气旋年频数进行实际业务预测也获...     

基于深度学习的高中数学解题策略探究——判断三角形解的个数问题

深度学习是指向主动性、对话性、协作性相统一的学习.换言之,深度学习首先要引发深度思考,才能促进深度学习.只有这样才能增强学生对知识的深度理解,才能夯实基础、增强应用能力,才能发展学生的核心素养,才能实现“立德树人、服务选材、引导教学”的任务.     

UGV Path Programming Based on the DQN With Noise in the Output Layer北大核心CSCD

在DQN算法的框架下,研究了无人车路径规划问题.为提高探索效率,将处理连续状态的DQN算法加以变化地应用到离散状态,同时为平衡探索与利用,选择仅在DQN网络输出层添加噪声,并设计了渐进式奖励函数,最后在Gazebo仿真环境中进行实验.仿真结果表明:①该策略能快速规划出从初始点到目标点的无碰撞路线,与Q-learning算法、DQN算法和noisynet_DQN算法相比,该文提出的算法收敛速度更快;②该策略关于初始点、目标点、障碍物具有泛化能力,验证了其有效性与鲁棒性.     

基于双分支U形Transformer的遥感图像融合

为解决现有遥感图像融合方法不能充分提取和利用全局上下文特征,而造成光谱和空间信息丢失的问题,提出基于双分支U形Transformer的遥感图像融合方法。首先将多光谱和全色图像分割成图像块,每个图像块的光谱和空间信息被嵌入到一个向量中,形成块嵌入向量序列。接着,多光谱图像和全色图像的嵌入向量序列被分别送入Transformer编码器的两个分支以提取两张图像的多级全局特征表示。在编码过程中,通过多个跳跃连接,不同层级的全色图像表示被注入到多光谱图像表示中进行融合。最终,Transformer解码器利用特征压缩和块扩张层消除冗余特征并从多级融合表示中逐渐恢复出高分辨率融合图像。在三种不同卫星数据集上的实验表明,所提方法得到的融合图像相比于其他融合方法主观视觉效果较好,且客观评价指标更优。     

基于加权特征融合的多尺度遥感影像分类

针对普通的三维卷积神经网络（3D CNN）从一个尺度上提取特征,会丢失部分细节信息,且对小样本任务表现一般的问题,本文提出了一种三支路的3D CNN,从不同尺度上提取特征后进行加权特征融合,从而获取了更为全面的特征;并引入数据增强技术,从而改善了小样本情形下的分类性能。现有特征融合方法通常对各个支路直接进行拼接,本文采用加权拼接的特征融合方法,将各特征分别乘以一个加权系数后再进行拼接,该系数通过模拟退火算法求取。本文方法在公开数据集Indian Pines,Pavia University,Salinas等上采用10%的数据进行训练,分别得到了98.60%、99.83%、99.97%的总体准确率,与各类对比方法相比,提升了高光谱遥感影像分类问题的准确率。     

“科教深度融合”的高分子物理教学探索与实践

“高分子物理”是研究高分子结构与性能之间内在关系及其规律的学科,是材料、化学、化工专业的核心课程,旨在培养学生运用正确的物理思维分析和解决高分子相关问题的能力,为以后专业发展提供重要的学科基础。不同于小分子,高分子在不同空间和能量上具有多尺度特征。同时,相当一部分学生在课堂上的自主学习能力、高阶思维能力、创新意识均较弱。针对该课程的教学“痛点”问题,培养具有原创能力的高素质人才,应以学生发展为中心,大力推进“科教深度融合”课堂改革,以科研项目牵引“高分子物理”课堂的“课前思辨”“课堂体验”“课后实践”各环节,使学生在“探究式”“讨论式”“实践式”的“科教深度融合”过程中进行全身心学习,做到“知行”统一与学思结合,有效实现“知识-能力-素质”一体化育人,本科生在基础研究领域中的原创能力大大增强,教学创新成效显著。     

新型硅胶-聚合胺树脂从氯化钴电解液中深度净化除铜

SP-C是一种新型硅胶-聚合胺复合材料树脂,对铜具有较好的选择吸附性能.本文研究了该树脂在模拟氯化钴电解液中深度净化除铜工艺.在Co2 ～80g/L,Cu2 0.5g/L～2.0g/L、pH2～4、温度20℃～60℃的氯化钴电解液中,考察了该树脂对铜的吸附性能.结果表明,随料液pH增大以及温度升高,铜的交换容量增大:料液Cu2 浓度对交换容量影响较小;最佳吸附条件为:料液pH 4、接触时间30min,温度60℃.对比研究了盐酸、硫酸两种解析液,硫酸显示出更好的解析效果,最佳解析条件为H2SO42mol/L、解析接触时间40min.最佳工艺条件下,每毫升湿树脂对铜的工作交换容量及饱和交换容量分别为0.439mol和0.508mol,铜的解析液峰值浓度为28g/L.     

球形氧化铝负载锰基双金属氧化物催化剂催化臭氧深度氧化NO

在工业锅炉烟气处理领域,由于锅炉容量低,烟气温度往往无法满足传统选择性催化还原(SCR)所需温度窗口.工业锅炉烟气成分的复杂性也给氮氧化物治理带来了严峻考验.臭氧深度氧化NO结合湿法洗涤同时脱硫脱硝技术具有独特的应用优势.传统臭氧氧化技术中,NO被臭氧氧化为NO2,进而在脱硫塔中实现一体化脱硫脱硝.但由于NO2溶解度相对较低,需要在脱硫浆液中加入添加剂提高脱硝效率,造成运行成本增加.NO经臭氧深度氧化后,NO2进一步转化为溶解度高的N2O5,传统脱硫石膏浆液即可实现高效吸收N2O5,从而有效提高氮氧化物吸收效率.但由于N2O5生成反应速率低,深度氧化存在臭氧投入量大、反应时间长及臭氧残留多的缺点.臭氧耦合催化剂深度氧化NO可有效解决以上问题.首先,本文采用溶胶-凝胶法合成一系列单金属氧化物(Mn,Co,Ce,Fe,Cu,Cr)作为臭氧深度氧化NO的催化剂.结果发现锰氧化物表现出最高的催化活性,在70oC下,O3/NO摩尔比为2.0时经过0.12 s的反应时间催化剂即可实现80%以上的转化效率.但根据N2O5生成的总包反应(2NO+3O3=N2O5+3O2)可以看出,O3/NO摩尔比为1.5时即可实现N2O5的完全转化.由于催化臭氧氧化反应温度较低,中间产物在催化剂表面聚集,占据大量活性位,进而导致无法实现1.5摩尔比的高效转化.通过采用球形氧化铝作为载体,避免粉末状催化剂紧凑型布置,增加换热面积,可有效降低催化剂表面中间产物聚集;同时延长了气体与催化剂的接触时间,提高反应效率.在球形氧化铝载体上负载锰基双金属氧化物(Ce-Mn,Fe-M,Cr-Mn,Cu-Mn和Co-Mn),在初始NO浓度为410 mg/m3,反应温度100oC,O3/NO摩尔比1.5,催化反应时间0.12 s的工况下,催化剂最终实现95%(Fe-Mn)和88%(Ce-Mn)的转化效率,剩余NO和NO2的浓度分别低于20 mg/m3(Fe-Mn)和50 mg/m3(Ce-Mn),臭氧残留浓度低于25 mg/m3.同负载单一锰氧化物(83%转化率)相比,双金属氧化物进一步提高了N2O5生成效率.因此,臭氧耦合催化剂深度氧化NO结合湿法吸收在工业锅炉超低排放(NOx<50 mg/m3)领域具有广泛应用前景.通过XRD、氮气吸附、H2-TPR和XPS等手段研究了催化剂的晶体结构、孔结构参数、氧化还原性能和表面原子价态.催化臭氧深度氧化NO主要与催化剂对臭氧的分解性能和对NO的氧化性能有关.较大的比表面积和孔容有利于催化剂的吸附.氧空位有利于臭氧的吸附和分解.Mn4+和Mn3+的均衡分布既有利于NO的吸附氧化又有利于臭氧的吸附分解,最终提高了N2O5生成效率.     

重庆市轻轨一号线工程埋置深度的工程地质研究

重庆市轻轨一号线工程布置于具有山城特色的地质环境中,埋置深度的选择是一重要问题。本文在分析工程地质特性的基础上,根据工程特点确定了选择埋置深度的原则,通过工程类比给出了最小安全覆跨比标准,并针对各车站和区间的实际情况提出了具体的埋置深度建议。     

浅球形双凹坑或多凹坑对应力集中的增强效应

板表面的浅球形凹坑是一种具有代表性的缺陷。本文以光弹性研究成果为基础，结合有限元结果，进一步分析双凹坑或多凹坑对应力集中的增强效应，并确定双凹坑的最不利间距及其对应力集中的影响程度。