摘要：陆表水资源的减少,尤其是干旱区湖泊及其毗邻湿地的退化可能会导致产生新的盐/沙尘暴热点。全球变化背景下,西北地区陆表水体退化对区域气溶胶时空格局的影响尚不清晰。本文基于MODIS地表反射率数据(MOD09A1)提出了基于多种遥感指数动态阈值的水体识别方法对区域水体进行提取,在此基础上联合MAIAC气溶胶光学厚度(AOD)产品,系统分析了区域长时序陆表水体与AOD的动态变化;随后使用偏最小二乘路径模型(PLSPM)综合评估了不同时空尺度下陆表水体退化对盐/沙尘气溶胶的影响机制。研究发现:①2000—2020年西北地区陆表水体呈持续增长趋势,陆表水资源98%以上分布在青海、新疆两省区。②西北地区的AOD呈显著的季节性特征,所有省区AOD值均在春季达到了峰值,而在秋季为全年最低,高值主要集中分布在塔克拉玛干沙漠和黄土高原地区。③在以自然景观为主的整个西北地区及青海湖和艾比湖典型湖区,陆表水体面积的增(减)能够直接且显著地抑制(促进)气溶胶的增长。研究结果对理解干旱区不同地理单元盐/沙尘气溶胶的释放、传输过程与机制具有重要意义,同时也为干旱区水土资源管理及生态保育提供科学依据。

摘要：随着脉冲神经网络(spiking neural network,SNN)研究需求的不断增长,开源类脑训练框架也迅速发展。然而,目前缺乏针对这些框架的系统性选择指南。为了解决该问题,提出了一种基于图像分类任务的SNN基准测试方法。本文为两种SNN训练方法,即直接替代梯度反向传播训练方法以及从人工神经网络(artificial neural network,ANN)到SNN的转换训练方法分别设计了卷积神经网络和全连接深度神经网络模型,并使用MNIST、FashionMNIST和CIFAR-10基准图像数据集,以训练时间和分类准确率为评估指标,比较了不同类脑训练框架的性能差异。研究结果表明,在SNN直接训练中,类脑训练框架SpikingJelly在训练时间和分类准确率方面均表现优异;而在ANN到SNN的转换训练中,Lava框架实现了最高的分类准确率。

摘要：识别生态系统服务间的多尺度权衡关系及其影响因素对于指导管理决策和推进可持续发展至关重要,然而尺度响应特征及差异变化成因尚不明确,其中一个重要原因是缺乏科学合理的尺度划分方法。本文评估了珠三角地区的土壤保持、水源涵养、生境质量、自然游憩共4种关键生态系统服务量,基于小波变换的特征尺度估算方法,确定了研究权衡关系的最佳聚合规模序列。应用相关性分析和地理探测器方法,定量化识别权衡强度在各个尺度的影响因素,并比较了不同尺度间主导影响因素的差异特征。结果表明:①权衡强度在6条样线上的特征尺度突出,2000~11500 m是研究权衡关系的最佳尺度序列范围。②自然游憩与水源涵养、生境质量之间存在协同关系,自然游憩与土壤保持互为权衡关系。三对服务组合之间的相互作用大多随着尺度的增大而增强,特别是在县级行政管理规模上,所有配对服务表现出最强的协同或最弱的权衡关系。③植被覆盖度对权衡强度的驱动作用突出且相对稳定。地形因素是小尺度范围内权衡关系变化的主导影响因素,而气候因素和景观格局指数在较大尺度的影响作用显著。本研究通过优化传统的多尺度研究序列构建方法,为调控各类驱动因素以制定多级管理决策提供参考。

摘要：为了揭示机匣沟槽对微型涡轮叶尖泄漏流动的作用机制,本文通过对某微型涡喷发动机的单级轴流式涡轮进行机匣设计,研究了4%间隙比时不同机匣沟槽结构对其叶尖泄漏流动的影响。计算结果说明:当全机匣沟槽结构的沟槽深度大于叶尖间隙时,封严效果较好;相较于全机匣沟槽结构,后开式机匣沟槽结构的封严效果更好,且随着沟槽前缘间隙的增大,封严效果减弱。当台阶与叶片前缘的距离等于叶尖间隙时,封严效果最佳,即泄漏流明显减弱,同时效率减小量较小。

摘要：在风力发电机的设计过程中,设计人员常需借助于一些专业的风力机设计软件,如GH Bladed等。GH Bladed是一款工业级的风力机设计仿真软件,它具备了一些基本的风力机设计和验证工具,但是还不是十分全面,它的外部控制器的编写也不方便。利用命名管道技术、Matlab Engine技术设计出交互软件,使得GH Bladed和Matlab能够同步对风力发电机进行仿真,进一步扩展了GH Bladed的分析功能,方便了外部控制器的设计。利用已设计的交互软件进行了独立变桨控制器的设计和验证,并利用Matlab对独立变桨控制前后桨叶根部弯矩负载进行了分析,仿真结果表明该减振控制策略可以有效的减弱振动中的1P分量。控制策略的仿真实现过程也表明利用软件平台可以快速实现相应的控制算法,同时可降低数据分析的难度。

摘要：针对开关磁阻电机运行时存在的转矩波动大与外部干扰下电机运行不稳定等问题,该文提出了一种基于自抗扰滑模控制的开关磁阻电机转矩分配控制策略。由于传统滑模控制中趋近律采用的符号函数引起系统振荡频率高,造成被控对象抖振大,该文采用新型滑模趋近律,用平滑函数代替符号函数,并引入状态变量,同时提升了响应速度并降低抖振;此外,为了解决开关磁阻电机外部干扰对电机运行带来的稳定性问题,该文设计了一种自抗扰扩张状态观测器,这种观测器可以实现对负载扰动的实时观测,将观测值作为滑模速度控制器的前馈补偿,减小电机固有参数不确定对控制系统的影响。最后,通过仿真和实验验证了所提出的方案能够有效地改进控制系统在不同工况下的动态性能。

摘要：为实现工业机器人轻量化、提高负载自重比和减少能耗的目标,以某20kg负载搬运工业机器人大臂结构为研究对象,对其进行了结构优化设计分析。通过构建动力学模型获得工业机器人大臂在极端工况下的关节载荷,对其进行静动态特性分析,找出可改进的薄弱部位,并对其进行拓扑优化和模型重构。结果表明,在质量减轻8.67%的同时,变形、应力及振型频率均有不同程度改善。

摘要：社交网络链路预测旨在根据已知的网络信息预测未来的链接关系,在推荐系统和合著网络中具有重要作用.然而,现有链路预测算法往往忽视社交网络的多元演化特点,训练时间复杂度较高,限制其执行效率.针对上述问题,文中提出基于多演化特征的社交网络链路预测算法(Multi-evolutionary Features Based Link Prediction Algorithm for Social Network,MEF-LP).首先,设计一种简单高效的时间极限学习机模型,利用门控网络和极限学习机自编码器传递与聚合社交网络快照序列的时间信息.然后,构建多个深度极限学习机,对时间特征进行多角度映射,挖掘社交网络不同的演化特征,并最终融合成综合演化特征.最后,使用基于极限学习机的分类器完成链路预测.在6个真实社交网络上的实验表明,MEF-LP能合理学习社交网络的多演化特征,并获得较优的预测性能.

摘要：目的探讨三维设计打印技术在正颌术后再次手术修整中的应用效果。方法回顾性分析2016年1月至2020年8月于深圳大学附属深圳大学总医院口腔科及深圳大学附属深圳市口腔医院口腔颌面外科收治并复查的正颌术后面部外形不对称患者资料。使用三维设计打印技术,术前数字化设计手术方案、打印截骨导板,术中使用数字化导板精准施术。分别于术前、术后半年至1年由患者、主刀医生和第三方进行满意度评价。于术前及术后6个月至1年进行数字化评价,行螺旋CT扫描统计测量颏中点到正中矢状面距离、双侧下颌骨体部最突点到正中矢状面距离,判断术后患者不对称畸形是否改善及与术前设计是否一致。采用SPSS 17.0统计软件处理数据,计量资料以±s表示,患者、主刀医师及第三方术前与术后满意度、术前与术后测量数据及术前模拟与术后实际数据比较采用配对t检验,主刀医生、第三方与患者满意度术前及术后比较时,采用方差分析及Dunnett-t检验。结果研究共纳入患者16例,男3例,女13例,年龄18~35岁。其中9例颏部偏斜患者采用颏成形术,4例双侧下颌骨体部不对称患者采用单侧下颌骨体外板切除术,3例患者同时存在颏部及下颌骨体部不对称,同期采用两种术式。16例均按照术前数字化设计方案顺利完成手术。术后随访6个月至1年。12例颏成形术患者,颏点到正中矢状面距离由术前(4.99±0.83)mm缩减至术后(1.63±0.80)mm,差异具有统计学意义(t=9.09,P<0.001);术后测量值与术前设计值[(1.50±0.43)mm]差异无统计学意义(t=-0.83,P=0.423)。7例单侧下颌骨体外板切除术患者,双侧下颌骨体部最突点到正中矢状面距离差值,由术前(7.26±1.20)mm缩减至术后(2.44±0.56)mm,差异具有统计学意义(t=10.26,P<0.001);术后测量值与术前设计值[(2.39±0.16)mm]差异无统计学意义(t=-0.29,P=0.779)。术前患者、主刀医生、第三方满意度分别为(65.94±8.21)分、(79.69±5.91)分、(79.38±7.50)分,术后患者、主刀医生、第三方满意度分别为(90.00±5.48)分、(90.63±2.50)分、(90.00±4.08)分。患者、主刀医师、第三方术后满意度较术前提高,差异均有统计学意义(t=-9.15、P<0.001,t=-7.50、P<0.001,t=-6.04、P<0.001)。术前主刀医生、第三方与患者满意度比较,差异有统计学意义(F=18.66,P=<0.001),主刀医生与患者(P<0.001)及第三方与患者(P<0.001)比较,差异均有统计学意义;术后主刀医生、第三方与患者满意度比较,差异无统计学意义(F=0.12,P=0.889)。结论三维设计打印技术可进行全面三维分析、精准模拟手术、图像化预测结果,并利用三维打印导板精准施术,提高术后满意度,在正颌术后不对称畸形修整的应用中具有明显优越性。

摘要：Spark作为基于内存计算的分布式大数据处理框架,运行速度快且通用性强.在任务计算过程中,Spark的默认分区器HashPartitioner在处理倾斜数据时,容易产生各个分区数据量不平衡的情况,导致资源利用率低且运行效率差.现存的Spark均衡分区改进方法,例如多阶段分区、迁移分区和采样分区等,大多存在尺度把控难、通信开销成本高、对采样过度依赖等缺陷.为改善上述问题,本文提出了一种基于优先填补策略的分区方法,同时考虑了样本数据和非样本数据的分配,以便实现对全部数据的均衡分区.该方法在对数据采样并根据样本信息估算出每个键的权值后,将键按照权值大小降序排列,依次将键在满足分区容忍度的条件下分配到前面的分区中,为未被采样的键预留后面的分区空间,以获得针对样本数据的分区方案.Spark根据分区方案对样本中出现的键对应的数据进行分区,没有出现的键对应的数据则直接映射到可分配的最后一个分区中.实验结果表明,新分区方法能够有效实现Spark数据的均衡分区,在美国运输统计局发布的真实航空数据集上,基于该方法设计的优先填补分区器的总运行时间比HashPartitioner平均缩短了15.3%,比现有的均衡数据分区器和哈希键值重分配分区器分别平均缩短了38.7%和30.2%.