右半结肠癌完全结肠系膜切除术清扫肠系膜根部淋巴结效果观察

目的 探讨右半结肠癌行完全结肠系膜切除术（CME）清扫肠系膜根部淋巴结的临床疗效。方法 以2010年12月 至2012 年12 月行CME 的57 例右半结肠癌患者作为观察组,同期接受传统结肠癌根治术的99 例右半结肠癌患者作为对照组,对两组患者的淋巴结清扫数量、平均出血量、手术时间、住院时间、术后排气、排便时间、手术并发症、2年局部复发率及生存率等情况进行比较,初步评价CME 清扫肠系膜根部淋巴结的临床效果。结果 CME 组与对照组总淋巴结清扫数量分别为（22.6±2.8）、（14.6±2.7）枚,CME 组淋巴结清扫数量明显多于对照组（P＜0.05）;CME 组平均出血量为（167.4±20.8）ml,对照组为（205.4±19.3）ml,CME 组出血量少于对照组（P＜0.05）;两组的手术时间、住院时间、术后排气、排便时间比较差异均无统计学意义（均P＞0.05）;CME 组手术并发症发生率与对照组比较差异无统计学意义（P ＞0.05）;Ⅲ期患者CME 组2 年局部复发率38.2％、生存率88.2％,对照组分别为64.8％和68.5％,两组差异有统计学意义（均P＜0.05）。结论 右半结肠癌患者采用CME 清扫肠系膜根部 淋巴结是安全和有效的。     

固体异质结界面结构预测方法及AutoInterface程序实现

预测材料异质结的界面原子结构对于理解界面对性能的影响至关重要. 目前, 从理论上预测材料界面结构仍具有极大挑战, 主要是缺乏普适有效的理论计算方法. 本文介绍了本课题组在异质结界面结构预测方面取得的最新进展. 结合马氏体相变唯象理论、 图论和随机表面行走算法, 提出了界面结构的一种有效预测方法, 可以实现自动化的计算预测. 通过GaP/TiO₂半导体异质结等展示了该方法的有效性和在催化等领域的应用前景.     

基于恒等映射多层极限学习机的高速列车踏面磨耗预测模型

针对高速列车车轮踏面磨耗单一模型无法对各种复杂工况下列车车轮踏面磨耗进行定量计算的问题, 提出一种基于恒等映射多层极限学习机的高速列车车轮踏面磨耗测量方法. 首先将恒等映射引入到多层极限学习机中, 提出一种基于恒等映射的多层极限学习机模型(identity multilayer extreme learning machine, I-ML-ELM), 采用机器学习公共数据集对该模型进行性能验证, 数值结果表明I-ML-ELM模型具有较好的准确性与泛化性; 然后基于车辆-轨道耦合动力学理论建立高速列车的车辆-轨道耦合动力学模型, 模拟列车运行的不同工况, 观测和分析高速列车的车轮踏面磨耗情况, 并通过I-ML-ELM预测模型对高速列车车轮踏面磨耗量进行学习及预测; 最后应用高速列车车轮踏面磨耗的实际测量值对I-ML-ELM预测模型进行进一步的验证, 结果表明: I-ML-ELM预测模型的各项性能参数指标在整体上优于以下五种网络: ELM, FLN, ML-ELM, ML-KELM和DLSFLN, 通过高速列车线路实测数据的进一步验证表明, 本文提出的基于I-ML-ELM的高速列车车轮踏面磨耗预测模型能较好地反映不同参数对高速列车车轮踏面磨耗值的影响规律.      

基于神经网络的核电厂设备易损性分析

核电结构的易损性分析是核电厂地震安全评估中至关重要的一环, 但是由于核电结构的复杂性以及考虑土?结相互作用SSI时较大的计算规模, 使得计算核电厂设备易损性曲线十分耗时. 为发展高效的核电厂设备易损性分析方法, 本文采用核电结构土?结相互作用分析的分区计算方法, 并利用有限的SSI分析结果建立神经元模型ANN代替有限元模型, 分别基于对数正态假定的回归法和蒙特卡洛法进行了设备易损性分析. ANN数值模拟包括了以下内容: (1)基于半偏相关系数选择最相关的地震动参数作为ANN输入, 并通过交叉检验建立神经元模型; (2)量化研究ANN数值模拟的预测不确定性, 其中包含了由于简化地震动输入引起的随机不确定性和训练样本缺失引起的认知不确定性; (3)基于ANN模型预测结果分别采用蒙特卡洛法和基于对数正态假定的回归法进行设备的易损性分析. 本文探讨了不同的地震强度指标以及土层材料的不确定性对易损性曲线的影响, 同时验证了回归法中对数正态模型假定的基本合理性, 为核电厂设备易损性分析提供了一种可能方向.      

基于碎点法的动态断裂分析

工程中的冲击防护结构在撞击、爆炸等冲击载荷下可能发生动态断裂并最终破坏, 抑制结构的动态断裂是提升结构防护能力的重要手段, 为此需要准确预测结构在动态载荷下的断裂行为. 数值仿真是预测动态断裂的重要手段, 然而当前工程中常用的有限元法在模拟断裂方面仍存在网格畸变和难以显式引入裂纹等问题. 碎点法是近年来提出的一种不连续型伽辽金弱形式无网格方法, 适合模拟断裂问题, 本文提出一种显式动力学格式的碎点法并将该方法应用于动态断裂分析. 一方面, 碎点法参考弱形式无网格类方法, 将求解域离散为空间中的节点和子域, 并基于支持域内的节点群构造子域的位移试函数, 因此该方法的子域具有抵抗畸变的能力. 另一方面, 碎点法参考间断伽辽金有限元法, 使用分片连续的位移试函数, 并引入内部界面数值通量修正保证方法的一致性和稳定性, 因此该方法易于在结构中显式引入裂纹. 本文首先介绍碎点法的核心思想和离散形式, 接着推导了动力学碎点法弱形式动量方程, 然后建立了碎点法的显式动力学求解格式, 最后通过算例验证动力学碎点法预测应力波传播和动态断裂行为的能力.      

开式轴流风扇气动噪声预测

本文采用LES/FW-H的匹配方法,研究了开式轴流风扇内部旋涡流动特征及其与叶片表面干涉引起的气动噪声之间的联系,同时进行了远场噪声预测,探讨了叶轮不同表面辐射噪声时的频谱分布特征.研究结果表明,开式轴流风扇吸力面附近形成的叶尖涡和前缘分离涡在吸力面叶片表面相应位置形成大压力波动,形成主要噪声源;叶片吸力面的辐射噪声可以通过改善吸力面附近的旋涡流动来降低;低速轴流叶轮由叶轮壁面辐射的噪声以宽频成分为主.     

半色调荧光图像的光谱反射与透射模型

荧光油墨半色调印刷品的显色预测规律是彩色成像领域内十分关键的课题。把荧光半色调印刷品反射出来的光分成两个独立的部分,即由最初入射光组成的主光流和由于吸收了主光流而产生的荧光流;并且采用了一个指数矩阵来描述墨层产生的荧光光强,从而得出了荧光半色调图像色彩的光反射规律。考虑到入射光中从一种颜色油墨入射后再由同色油墨出射的概率要比从其它色油墨出射的概率要大的事实,讨论中引入权重因子描述从同色油墨出射部分与从整个表面出射部分比例不同的现象,建立了荧光油墨半色调图像的Clapper-Yule新光谱反射率模型。     

线型优化最大熵线性预测方法自回归模型三种求解方法的比较

采用三种方法：修正协方差法MCOV(Modified Covariance Method)、递推极大似然估计法RMLE(Recursive Maximum Likelihood Estimator)和伯格法(Burg Method)求解线型优化最大熵线性预测方法中的自回归模型系数,并且在不同求解方法情况下,将阶次、信噪比对光谱复原的影响作了详尽的比较.研究结果表明:在线型优化最大熵线性预测方法的自回归模型系数三种求解方法中,修正协方差法要优于递推极大似然估计法和伯格法.     

基于改进粒子群算法优化BP神经网络的甜菜产量预测方法

通过分析影响甜菜产量的自然因素,选取6个主要影响因子应用于一种改进粒子群算法优化BP神经网络的预测模型.首先,在标准粒子群算法(Particle Swarm Optimization,PSO)中引入自适应惯性权重的方法增强搜索能力并且提高收敛速度,使用反向逃逸策略避免早熟现象的发生;将改进的粒子群算法引入到BP中形成N...     

基于条件生成式对抗网络的油藏单井产量预测模型

为克服机器学习方法在油藏单井产量预测中的过拟合问题,提高油田生产中的产量预测精度,提出一种基于条件生成式对抗网络(CGAN)的油藏单井产量预测模型。该模型使用长短期记忆、全连接等基础神经网络,构建生成和判别网络模型。生成网络模型以产量影响因素为条件输入,生成预测产量数据,利用对数损失函数评价预测数据与真实数据之间的偏差,通过条件生成式对抗网络的博弈训练,并结合贝叶斯超参数优化算法,优化模型结构,综合提高模型的泛化能力。基于Eclipse数值模拟软件建立同一井网条件下不同地质和生产条件下的油藏单井产量数据库,以地质与生产条件等产量影响因素作为模型的条件输入,进行油藏单井产量预测。结果表明：与全连接神经网络(FCNN)、随机森林(RF)以及长短期记忆神经网络(LSTM)模型的预测结果相比,CGAN模型在测试集上的平均绝对百分比误差分别提升了2.59%、 0.81%以及1.72%,并且过拟合比最小(1.027)。说明CGAN降低了机器学习产量预测模型的过拟合程度,提高了模型的泛化能力与预测精度,验证了所提算法的优越性,对指导油田高效开发和保障我国能源战略安全具有重要意义。