基于联合神经网络学习的中文电力计量命名实体识别

随着电力计量业务的不断扩展，迫切需要由业务信息、技术知识、行业标准及其内在联系所组成的电力计量知识图谱，为电网的决策和发展提供更为全面有效的支持。命名实体识别是构建知识图谱的基础。针对电力计量领域需要，结合中文分词技术特点，基于联合学习思想，提出了一种基于联合学习的中文电力计量命名实体识别技术。该技术联合CNN-BLSTM-CRF模型与整合词典知识的分词模型，使其共享实体类别和置信度；同时将2个模型的先后计算顺序改为并行计算，减少了识别误差累积。结果表明，在不需要人工构建特征的情况下，方法的正确率、召回率、F值等均显著优于以往方法。     

基于加权流量介数中心性的路网脆弱性分析——以无锡市为例

针对当前路网脆弱性研究中缺乏对真实交通状况考量的问题，在复杂网络理论的基础上，结合交通流量信息，提出了基于加权流量介数中心性的路网脆弱性分析方法。首先计算路网拓扑抽象图中各节点的最短路径介数中心性，然后使用流量数据对相应区域最短路径介数中心性加权，综合得到最终的脆弱性指标结果。以无锡市为例，对其实际交通路网脆弱性进行了计算，结果表明，该方法能综合反映静态全局路网结构与动态局部通行信息和现实交通情景下的路网脆弱性。     

高熵合金辐照硬化与力学性能研究

高熵合金由于多主元元素混合引起高熵结构效应，使其具有优异的物理、力学和化学特性，如高强度、高耐磨性、耐蚀性、热稳定性、优异的抗辐照性能等。然而，辐照诱发高熵合金材料的硬化行为和力学性能预测仍缺少相关研究，严重地限制了对其长期服役后材料性能的评估。基于晶体塑性理论结合实验结果，研究了空洞形状依赖的硬化行为、位错环诱发的硬化行为以及氧化物弥散增强的高熵合金力学性能。研究发现，考虑多面体空洞与位错的概率依赖的空间交互作用，能够更加准确地预测辐照金属的屈服应力；晶格畸变对屈服强度，有着重要的贡献；氧化物弥散相对位错运动起强烈钉扎的作用，从而对强度产生影响，直接决定抗辐照性能。高熵合金作为一种具有综合优异力学性能的新型结构材料，在先进核能系统中有望被广泛应用，比如核反应堆的核燃料包壳管。     

喷流冷却复合陶瓷薄片激光器的热特性仿真分析及实验研究

为分析喷流冷却复合陶瓷薄片激光器的热特性,设计用于冷却复合陶瓷薄片的喷流冷却系统.利用湍流换热理论和计算流体动力学仿真方法建立喷流冷却复合陶瓷薄片激光器的流固耦合热仿真模型,定义评价其冷却能力和冷却均匀性的定量参数.根据该仿真模型得到喷流冷却系统的最优设计参数,并进行实验验证.使用163孔喷板,流量为0.2kg/s,入口温度为20℃,在1200 W泵浦时获得359 W激光输出功率,并测得复合陶瓷薄片上表面的最高温度为92℃.激光输出功率与复合陶瓷薄片上表面温度均与泵浦功率呈近似正线性关系,且温度的实验值与仿真值相符度较高.     

高熵合金强韧化理论建模与模拟研究进展

高熵合金因其优异的性能受到广泛关注，如高强度、高硬度、高韧性、高耐磨、高耐辐照、高耐腐蚀、高电阻、高耐热等，有望应用于核能、航天航空等重要领域和重大装备。从高熵合金制备、组织结构以及性能表征等方面开展的实验研究表明其独特的性质依赖于高熵合金高熵效应、晶格畸变和扩散迟滞。在微观尺度以及宏观尺度, 理论模型和数值模拟为研究高熵合金微观机理和力学特性提供了一种方法。建立从高熵合金的微观结构与变形机理到宏观独特力学性能的联系是一个多尺度的科学问题。最近，基于实验观察结果，采用多尺度的理论与模拟方法（第一性原理、分子动力学、离散位错动力学、晶体塑性有限元、微结构依赖的理论模型），研究了高熵合金层错能、弹性模量、扩散系数以及相稳定性，揭示了高熵合金变形与强韧化机制。本文综述多尺度计算在高熵合金力学性能和变形行为方面的研究进展，并对高熵合金在原位变形实验、高通量技术以及机器学习方面的研究进行简要展望。     

不同退火条件对PEALD制备的Ga2O3薄膜特性的影响

利用等离子增强原子层沉积技术(PEALD)在c面蓝宝石衬底上制备了氧化镓(Ga₂O₃)薄膜,研究了退火气氛(v(N₂)∶v(O₂)=1∶1(体积比)、空气和N₂)及退火时间对Ga₂O₃薄膜晶体结构、表面形貌和光学性质的影响。研究结果表明,退火前的氧化镓处于亚稳态,不同退火气氛下退火后晶体结构发生明显改变,而且退火气氛中N₂比例增加有利于Ga₂O₃重结晶。在N₂气氛下退火达到30 min,薄膜结构已由亚稳态转变成择优取向的β-Ga₂O₃。而且表面形貌分析表明,退火30 min后表面形貌开始趋于稳定,表面晶粒密度不再增加。另外实验样品在 400~800 nm的平均透射率几乎是100%,且光吸收边陡峭。采用N₂气氛退火,对于富氧环境下沉积的Ga₂O₃更利于薄膜表面原子迁移,以及择优取向Ga₂O₃重结晶。     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测，基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型，集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力，提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照，以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证，结果表明，Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模，注意力机制有助于减缓多步预测中的预测精度衰减，提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

定量核磁共振波谱法测定3种低聚果糖的含量北大核心CSCD

以蔗糖为内标物,氘代水为溶剂,采用氢-1核磁共振波谱法(1H-NMR)测定蔗果七糖、蔗果八糖、蔗果九糖等3种低聚果糖(FOS)的含量。优化后的1H-NMR参数如下:温度25℃,谱宽(2~14)×10^(-6),脉冲角度45°,脉冲延迟时间5 s,采样时间3 s,扫描次数16次。对蔗果七糖、蔗果八糖和蔗果九糖样品进行了仪器精密度和重复性试验,测定值的相对标准偏差(n=6)均小于0.50%。方法用于测定3种样品含量,测定结果与质量平衡法所得结果进行了比较,经F检验法评估,两种方法具有显著性差异。但由于定量核磁共振波谱法作为绝对含量的测定方法,仅需常见的化学品即可直接对待测成分进行测定,可以佐证质量平衡法的赋值结果。     

聚合物结构对包膜缓释肥缓释性能的影响

研发和使用缓控释肥能有效解决普通肥料利用率低以及由于化肥使用过量而引起的环境问题。聚合物包膜型缓控释肥是缓控释肥中的一种,影响其缓释性能的因素如环境因素、包膜厚度、加工工艺等,前人已研究较多。聚合物结构对于缓释性能的影响也很重要,而这方面研究较少。本文主要讨论了聚合物结晶性、分子亲疏水性、分子链柔顺性、交联等结构因素对缓释性能的影响。深入研究聚合物结构对缓释性能的影响有助于缓控释材料的创新;能为聚合物包膜材料的设计、聚合物缓控释肥的研发及生产提供一定的理论依据。