摘要：随着碳中和、碳达峰理念和可持续发展目标的深入贯彻,寻求一种新的科学技术将化石燃料燃烧产生的大量二氧化碳转化成具有高经济价值的化工产品是目前的研究热点.这不仅能够消耗二氧化碳气体,而且能够在一定程度上缓解能源危机.其中,电催化二氧化碳还原是一种潜力巨大的转化技术,其仅需消耗电能就可以将二氧化碳转化成高附加值产物.然而,由于二氧化碳分子具有高化学惰性,需要消耗大量能量使其转化.同时,该反应产物种类复杂,需要设计开发一种催化剂来降低反应能垒和提高单一产物的选择性.铟(In)作为一种无毒的金属物种,表现出较高的电催化二氧化碳还原制备甲酸活性,但是其法拉第效率和稳定性有待进一步提升.本文采用静电纺丝和相分离方法设计合成了一种富缺陷的GaN/IN_(2)O_(3)界面型催化剂(GaN/IN_(2)O_(3)@PCNF),并将其用于电催化二氧化碳还原制备甲酸.在焙烧过程中,ZIF-8前驱体中Zn原子的蒸发促进了Ga原子与N原子的结合,并引发共晶镓铟(EGaIn)分离成GaN和IN_(2)O_(3)界面.透射电子显微镜和X射线光电子能谱结果证实了界面的生成以及界面对于In3d轨道的电子调控.电催化二氧化碳还原的电化学测试结果表明,催化剂在-0.9 VRHE的电位下实现了87%的甲酸法拉第效率以及29.7 mAcm-2的分电流密度.同时,催化剂表现出30 h的稳定性,且甲酸的法拉第效率未明显下降.该催化剂较好的性能和稳定性可以归结为以下原因:(1)界面的电子结构调控,优化了IN_(2)O_(3)的电子结构;(2)较低的塔菲尔斜率带来了较快的电子转移速度;(3)多孔的碳纳米纤维促进了活性位点的充分暴露,碳包封和GaN的锚定作用使催化剂具有较好的稳定性.原位拉曼测试和密度泛函理论计算进一步揭示了界面的存在能够降低甲酸含氧中间体的吸附能,从而有利于二氧化碳还原制备甲酸.综上,本文为电催化二氧化碳还原的界面型催化剂提供了一种新的设计策略.

摘要：产出与需求不确定是疫苗供应链面临的重要挑战.本研究构建由一个疫苗制造商和一个疫苗零售商(疾控中心和接种单位)组成的三阶段博弈模型,重点分析了疫苗制造商的最优投入决策,以及供应链成员的定价和采购策略.在此基础上,引入供应链契约来提升疫苗供应链对不确定环境的响应能力.研究表明,合理的补贴契约和期权契约设计均能够改进疫苗供应链成员之间的协作机制,降低产出与需求不确定带来的影响,实现供应链性能的帕累托改进,保证疫苗的高效供应.

摘要：利用侧扫声呐图像来探查海底目标对海洋资源开采和海上军事防护都有重大意义。目前人为提取图像特征进行目标检测的传统机器学习方法逐渐被深度学习取代。深度学习技术在降低算法复杂度的同时提高图像目标检测效率,极大地推动了目标检测技术地发展。将深度学习检测算法应用到侧扫声呐图像目标检测领域时,锚框作为目标检测网络中较为重要的先验信息会影响最终的检测性能,考虑到声呐数据集的真实目标框与网络设定的锚框未必贴合的问题,本文在YOLOv3的基础上对锚框进行了优化,给出了一种能够获取有效先验锚框的策略。首先使用K-Means算法对真实目标框进行聚类,获得比较贴合于声呐数据集的锚框,然后设计了一种超参数锚框映射关系对聚类后的锚框进行拉伸变换,这样获得的锚框既包含了声呐数据集的目标框信息,也能利用到YOLOv3的多尺度特性。实验结果表明,所提锚框优化策略能够让YOLOv3网络获得更优的检测性能,适用于侧扫声呐图像的目标检测问题。

摘要：培养应用型人才是时代所需,分析新农村规划与设计课程思政融合教学具有重要意义。根据新农村规划与设计课程特点、课程实践、教学效果和现有教学环境,探索及创新课程思政融合路径,激发并弘扬学生的生态环保、文化传承、公平正义、乡村振兴、国家安全意识,为城乡规划及林学专业课程思政的教学改革提供参考。

摘要：针对现有单目图像深度估计方法中存在估计效果较差等问题,为提升单目图像深度估计的有效性,设计一种基于自监督学习的单目图像深度估计算法。首先获取单目图像绝对深度特征、相对深度特征以及位置特征,采用深度差的对数作为损失函数,得到图像点对点的关联特征;然后采用表面法线损失函数处理深度图表面法线,降低图像表面波动,计算图像光度损失函数与两个图像之间的相似度;最后将单目图像输入到自监督学习网络,计算深度幅值,完成基于自监督学习的单目图像深度估计。实验主要分为客观评价和主观评价,在客观评价部分验证了本文估计算法深度预测的准确性达到了91.2%,深度图边缘误差仅为3%,该方法具备较高的准确性;在主观评价中验证了本文算法能够真实预测图形特征,有效提高图像深度估计效果。

摘要：激光选区熔化(Selective laser melting,SLM)中激光工艺参数显著影响成形件质量,而现行的工艺优化路径大多是基于激光能量密度经验性公式的“盲摸”工艺试验,难以全面反映影响成形件质量的诸多环境因素,且在SLM过程中,熔池失稳、激光辐照不连续的情况时有发生,因此亟需开发SLM过程中工艺参数在线动态调控及质量监测技术,以保障制造工艺的可靠性和成形件质量的稳定性。通过声发射信号处理与神经网络算法,实现对采用不同激光工艺参数的熔道SLM成形过程的声发射信号分类预测。在降噪模块中,为确定经验模态分解的分解层数从而将其作为神经网络输入神经元的数量,提出一种基于序列间相关性和反双曲正切函数的直观评判方法。在分类预测模块中,对比基于经验模态分解和小波包变换两种声信号特征提取方法所设计的神经网络性能。研究结果表明神经网络模型对于不同激光参数产生的声发射信号进行分类预测的可行性,从而可直接指导SLM工艺参数的在线调控优化或优选,并为SLM过程的成形质量在线监测系统奠定理论方法基础。

摘要：微服务软件系统由于其具有大量复杂的服务依赖关系和组件化模块,一个服务发生故障往往造成与之相关的1个或多个服务发生故障,导致故障定位的难度不断提高.因此,如何有效地检测系统故障、快速而准确地定位故障根因问题,是当前微服务领域研究的重点.现有研究一般通过分析故障对服务、指标的作用关系来构建故障关系模型,但存在运维数据利用不充分、故障信息建模不全面、根因定位粒度粗等问题,因此提出了AmazeMap方法.该方法设计了多层次故障影响图建模方法以及基于多层次故障影响图的微服务故障定位方法.其中:多层次故障影响图建模方法通过挖掘系统运行时指标时序数据与链路数据,考虑不同层次间的相互关系,能够较全面地建模故障信息;基于多层次故障影响图的微服务故障定位方法通过缩小故障影响范围,从服务实例和指标两个方面发现根因,输出最有可能的故障根因节点和指标序列.基于开源基准微服务系统和AIOps挑战赛数据集,从有效性和效率两个方面设计了微服务软件故障定位实验,并与现有方法进行对比,实验结果验证了AmazeMap的有效性、准确性和效率.

摘要：为了适应现代农业气象业务发展,增强海量数据快速处理、多源数据融合智能分析、数据挖掘等数据分析能力,实现农业气象数据和产品在全国范围内的共享,国家气象中心采用开源框架,分布式(Hadoop)大数据技术和Web架构,融合现代农业气象业务技术,构建B/S(Browser/Server即浏览器/服务器)模式的农业气象大数据共享平台,实现多源农业气象数据分布式存储与管理,同时提供网络端数据和业务产品可视化展示。共享平台于2021年业务运行,部署在国家级服务器上,为国家级和31个省级用户提供13大类200余种数据要素和产品的在线快速浏览和查询,实现国家-省级用户通过网络快速浏览、查询业务数据和产品,实现农业气象业务数据资源的共享和交汇,形成统一应用的农业气象大数据共享环境。

摘要：基于北京艺术中心歌剧院,介绍了歌剧院的音质设计过程,通过声学设计与各专业的密切配合,经历了音质指标确定、歌剧院体型调整、观众厅及辅助空间界面材质控制以及计算机模拟验证,最终打造一座音质完美的顶级剧院。

摘要：为取得理想的河流黑臭水体生态修复效果,展开景观格局对黑臭水体修复的影响研究。在汉江中游选取研究区域,在该区域内划分8个水质监测断面,明确断面污染程度以及采集水样的水质均值指标;在不同宽度的缓冲区内对总氮、溶解氧、氨氮、总磷以及化学需氧量5种水质参数展开测定,并使用景观格局指数对水质参数的响应展开分析。结果表明,不同宽度缓冲区内的景观结构变量对水体修复的影响作用大于景观组成变量;研究区域内农用地对黑臭水体的修复产生的消极影响最显著;不同缓冲区的斑块面积和斑块面积对黑臭水体的修复的效果不同。