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。     

生产率差异与企业对外直接投资进入模式选择

基于企业异质性视角,借鉴演化博弈理论探究企业通过OFDI“走出去”时的跨国并购方和标的方在全要素生产率上的差异对企业OFDI进入策略选择的影响机制。利用Hotelling模型构造资本密集型企业与劳动密集型企业OFDI进入策略选择博弈模型,讨论两类企业OFDI进入方式决策在并购双方生产率差异变化之下的变迁机理。研究发现:当并购方和被并购方生产率差异较小时,市场达到两类企业都倾向于跨国并购策略的演化稳定状态;当并购双方生产率差异较大时,企业的生产要素密集度及其结构对其OFDI进入模式决策具有重要的作用,知识或技术密集度较高的资本密集型企业与综合实力强势的部分劳动密集型企业采取跨国并购战略,而另一部分劳动密集型企业选择绿地新建方式进入国际市场。即企业OFDI进入策略选择因其所属的行业生产要素密集度及其结构不同而具有差异性。研究结论在一定程度上弥补了现有研究的不足,为以后的研究工作提供一定的理论参考。     

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。     

一厘米的毛毛

正小虫毛毛住在花园里,他能轻而易举地爬上高处,一边轻咬,一边测量他的宝贝们:西葫芦、茄子,还有荷兰豆。他的测量方法很简单:他每爬一下身体就会蜷成一个圈儿,这就是1厘米。他从一头开始爬,蜷成多少个圈儿就是多少厘米,这可是个很精确的测量方法哦!"扭来扭去的虫虫,一圈儿又一圈儿。什么都能测量,一环又一环。""7厘米的辣椒,8厘米的豌豆,还有刚长出3厘米的小青菜。"     

吲哚咔唑类异构体芳香性的研究

分别采用拓扑共振能(E_TR)和环电流(RC)方法对吲哚咔唑类化合物的全局芳香性进行了研究.根据E_TR结果,预测所有化合物都具有芳香性.分别用键共振能(BRE)和回路共振能(CRE)方法揭示了它们的局部芳香性.BRE和CRE研究结果表明,在吲哚咔唑类化合物中,由于六元环内电子的离域化程度比五元环内电子的离域化程度强,因此六元环比五元环表现出较强的局部芳香性.此外,外部六元环比中间六元环具有较强的局部芳香性.计算得到的RC结果表明,所有化合物都产生反磁性环电流,化合物产生的反磁性RC强度与它们的¹H NMR化学位移之间具有很好的一致性.