摘要：工程机械机群在开展多任务作业时,因突发情况,要求某一任务在不影响其他任务完成的情况下提前完成。针对这一问题,基于时空网络建立动态调度模型,通过遗传算法进行求解,最后利用Matale2021a进行编程设计得到调度方案。

摘要：传统的重金属污染预测是基于数学统计进行回归分析预测,由于现代人类生产活动、非自然地质演变等要素所带来的噪声影响,传统的数学统计方法预测效果欠佳,为了解决这一问题,针对基于卡尔曼滤波算法的重金属污染预测模型进行了研究,并采用皮尔逊相关系数检验和Wilcoxon符号秩检验来验证该预测模型的准确性,实验结果表明通过卡尔曼滤波算法建立的重金属污染预测模型具有良好的稳定性和准确性。此外,重点就重金属污染防治可视化进行了研究探讨,并基于Django架构设计的城市规划平台成功将区域重金属污染状况在地图上进行数据渲染和动态监测,对重金属污染起到一定的预防作用。

摘要：随着水下资源的开发,深度学习在水资源探索和开发领域应用越来越广泛。在水下原始图像质量低下的情况下,传统的语义分割技术对水下目标分割边界模糊、定位不准确、漏检和误检的情况经常发生。论文针对上述问题,提出了一种专门应用于水下图像的语义分割方法。首先基于多空间转换对原始水下图像进行增强处理。其次通过密集连接的混合空洞卷积在扩大感受野的同时消除多层空洞卷积带来的“gridding issue”问题,然后设计级联空洞卷积空间金字塔池化模块来整合不同尺度的边界特征,丰富目标细节信息。最后,采用上下文信息聚合机制将浅层网络和深层网络的特征进行融合以提取丰富的上下文信息。实验证明论文提出的方法相比最先进的语义分割方法对水下图像的分割效果更好。