摘要：土壤水是土壤中的关键指标,其变化直接影响着作物生长,并影响着水资源利用的管理决策。因此,准确地预测土壤水分有利于对农业水资源进行合理的规划利用。使用深度学习算法进行土壤水分预测在当前的农业、水资源管理和生态学等领域具有重要性。深度学习算法能够从大规模数据中学习土壤水分的复杂模式和时空关系,为土壤水的准确预测提供了新的机会。为了探索新兴深度学习方法Transformer在土壤水分预测中的有效性,选择河套灌区义长灌域为研究区域,利用地下水位观测数据、气象数据、SMAP土壤水数据等作为训练数据,设置了1、5、10 d共3种数据滞后情况,验证Transformer算法在土壤水时间序列预测任务中的有效性,并与目前广泛应用于时序预测任务中的LSTM进行对比。研究表明Transformer在土壤水分时间序列预测任务中具有更好的预测能力,相比于LSTM,其R^(2)平均提升约0.181,RMSE平均下降27.6%。同时,Transformer在应对滞后变化带来的影响时更具鲁棒性,在3种数据滞后情况下Transformer的预测平均R^(2)分别比LSTM高出了0.121、0.167、0.256,站点平均RMSE分别降低了30.7%、28.6%、23.5%。此外,Transformer对于土壤水序列中的非线性信息的提取能力更强,对于高频振幅的土壤水时间序列Transformer拥有更强的预测能力。

摘要：分析了无线测试系统对无线电台的参数规划和网络结构的作用,针对无线通信网测试系统,设计了建模的设计方法,并设计了多种用例建模来描述用户需求,包括生成业务配置用例图、数据下发上传用例图、业务数据发生用例图以及统计分析流程图等,从而规范了无线测试系统的开发流程,优化了系统结构.

摘要：针对入侵检测系统在实时检测能力和自适应能力方面的不足,提出了一个改进的贝叶斯分类器,通过引入滑动窗口技术改善入侵检测的实时性。同时通过所设计的性能调节器对贝叶斯分类器中参数的动态设置,实现了入侵检测系统的自适应性。改进后的贝叶斯分类器有效地实现了入侵检测的实时性、主动性和自适应性。

摘要：目的以5-羟色胺转运蛋白和sigma-1受体为靶点,设计合成苯基哌嗪烷胺类化合物及其衍生物,研究其体内外生物活性。方法以间氰基苯胺和氰基取代吲哚类化合物为起始原料,经还原胺化、烷基化反应,再与相应的苯基哌嗪类衍生物进行缩合制备系列化合物。经5-羟色胺再摄取抑制实验和sigma-1受体结合实验进行体外活性筛选,采用小鼠强迫游泳实验和小鼠悬尾实验对其中化合物39和42进行体内抗抑郁活性研究。结果与结论共合成36个未见文献报道的新化合物,经质谱和核磁共振氢谱确证结构。体内外药理研究表明:化合物39和42具有较强的5-羟色胺再摄取抑制作用和sigma-1受体高亲和力,Ki值分别为5.77 nmol·L^(-1)/49.95 nmol·L^(-1)和3.48 nmol·L^(-1)/3.30 nmol·L^(-1)。39在两种抑郁模型上均显示出良好的抗抑郁活性,具有作为新型抗抑郁活性分子进行深入研究的价值。