摘要：针对旱区雨养玉米生产中氮肥管理不当和玉米长期连续种植导致的肥料利用效率低、氮肥损失严重及土壤养分枯竭等问题,本研究采用单因素随机区组设计,在晋西南盆地的褐土农田区开展了4种有机肥替代化肥氮处理[100%施化学氮肥(N1)、有机肥替代15%化学氮肥(N2)、有机肥替代30%化学氮肥(N3)、有机肥替代45%化学氮肥(N4)]以及不施化学氮肥和有机肥处理(N0),探究不同比例有机肥替代化学氮肥对玉米生长、养分吸收利用、土壤肥力及产量的影响。结果表明,与单施化学氮肥处理(N1)相比,30%有机肥替代化学氮肥处理(N3)通过提高净光合速率(9.6%)和叶面积指数(18.1%)改善了玉米冠层的光合生产能力,使干物质积累量提高了37.8%,同时提高干物质积累速率、缩短生育期天数(提前10 d,2021),促进植株对氮、磷、钾的吸收、转移和积累。此外,有机肥替代化学氮肥还通过提高上层土壤(0~40 cm)中的硝态氮、铵态氮、有机质及全氮含量改善了土壤供肥能力,尤其是N3处理,通过增加肥料-^(15)N回收率和降低肥料-^(15)N的土壤残留提高了氮素利用效率,使玉米的穗粒数、千粒重和籽粒产量分别提高3.8%~45.4%、0.5%~13.1%、4.4%~64.4%。综上所述,在晋西南盆地褐土农田区的玉米生产中,推荐有机肥替代30%的化学氮肥,该替代比例不仅可以促进玉米生长、提高玉米产量和氮肥回收率,还有助于改善土壤供肥能力,对该地区的玉米可持续性生产具有积极作用。本研究结果为旱区雨养玉米生产中有机肥部分替代化学氮肥提供了理论依据。

摘要：自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆(LSTM)网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络(MDN)层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM(Next Generation SIMulation)数据集对模型进行训练、验证与测试。研究结果表明:与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。

摘要：随着LCD(Liquid Crystal Display,液晶显示屏)技术的不断发展,人们对轻薄化的电子产品倍加宠爱,进而追捧微型组件技术,COG技术正是这众多技术中的一种。COG是英文"chip on glass"的缩写,即IC(Integrated Circuit)通过ACF(anisotropic conductive film各向异性导电胶)被直接绑定在LCD上,而COG IC在绑定工艺中经常发生ACF粒子压痕不均的问题,进而产生进行性的功能不良。文章通过对IC内部引脚(Bump)的设计优化,可以解决IC压痕不均的问题。文中的结论对生产中COG邦定工艺粒子压痕问题的改善有很大作用,并且已经在企业生产中得以应用。