摘要：机场地铁短时客流预测是实现机场旅客快速疏解、航站楼现场运力资源指挥调度的关键。考虑到机场复杂的空间结构与航班波动的影响,建立基于图卷积神经网络(GCN)和组合门控卷积(GLU)的机场地铁短时客流预测模型。通过图卷积神经网络融合机场空间路径点与地铁口的空间结构关系,同时,设计一种组合门控卷积模块挖掘航班波动下地铁客流的时变特征,有效地捕捉地铁客流的波动性。基于首都机场T3航站楼真实客流数据对模型的有效性进行检验,经多次实验结果表明,提出的时空图卷积短时客流预测模型在均方根误差、平均绝对误差和平均绝对百分比误差均小于传统ARIMA预测模型与深度学习中LSTM、STGCN模型,该模型能捕捉地铁客流与航班客流的波动变化关系,具有较高的预测精度,提高了模型预测的鲁棒性。

摘要：离散小波变换(Discrete Wavelet Transform,DWT)通常用于图像的表示。然而,对于具有不规则形状边缘的图像,尤其是对于纹理和细节信息较多的遥感图像,DWT却很难有效表示,进而影响后续去噪效果。针对该问题,提出了一种基于图形小波变换(Graphic Wavelet Transform,GWT)的图像去噪方法。首先,将图像表示为图形信号,并通过该图形信号的谱表示构造相应的变换矩阵;然后,设计了一种改进自适应阈值的图像去噪方法,在GWT变换域内对图像去噪。实验结果表明,与常用的图像去噪方法相比,所提算法能够提供更好的图像主观质量。采用均方根误差(Root Mean Square Error,RMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)作为客观指标,结果表明,采用所提方法得到的重建图像客观质量更优。

摘要：针对火电厂离子交换再生废水水质特点,提出"加碳固氨-超滤-反渗透-脱气膜"废水处理新工艺方案。将该方案应用于国内某百万千瓦机组大型火电厂,完成了离子交换再生废水改造工程设计和工程建设,并对系统进行了调试运行和性能试验。结果表明:采用新工艺处理火电厂离子交换再生废水,当苦咸水反渗透系统回收率为75%时,系统脱盐率可达97%;当海水反渗透系统回收率为50%时,系统脱盐率可达98%。反渗透浓水经脱气膜系统处理后,氨的去除率可达99%,处理后的浓水去电解制氯系统用于制取次氯酸钠,分离出的铵盐可用于厂区绿化或外售,淡水则可回用于工业水系统。实践表明,所研制的离子交换再生废水处理方案切实可行,具有显著的环境效益和社会效益。

摘要：介绍变电站设备常用的温度监测手段,重点阐述在线监测系统在高压电缆温度监控方面的应用。