课程文献中心 更多>>

关键词： 动态自组织   数据共享系统   数据分发  

摘要： 为了解决卫星遥感影像数据共享、音视频共享等数据资源共享系统技术领域中传输速度、系统成本、数据资源版权、数据安全等需求难以兼顾的问题，基于综合多副本多服务器并行传输技术和P2P技术两种典型数据共享网络架构和传输模式，设计了一套网络动态自组织网络模型和处理算法，同时，采用分片技术、大数据存储技术、断点续传技术等典型技术或新技术，构建了完整的网络动态自组织的数据共享系统。经测试表明，技术方案支持使用普通计算机构建数据共享系统，系统能提供数据高速下载服务，系统组成节点动态调整和扩展，节点和数据来源具有可控性。

关键词： 业主自治   物业管理   公共空间   公共能量场  

摘要： 以住宅小区而不是建制化社区作为城市居民自治的主要场域，是新世纪以来城市基层群众自治政策调适后的现实选择。然而，小区自治在实践中仍是一个机缘性现象。案例研究表明，小区自治局面的形成，需着眼于解决小区难点问题并借势促发人、物、制度等多元行动者的融合互动以形成情景化的行动者网络；而小区自治局面的维持，需要宏观体制环境与微观公共空间的耦合及其积聚起来的公共能量场的塑造。

关键词： 延时补偿   无线网络   时钟同步   状态估计  

摘要： 由于无线网络节点具有地理位置分散等特点，在设计无线网络节点时钟自动化同步方法时，通常会出现时钟状态估计不准确的问题，导致方法同步性能差。针对无线网络节点时钟特点，构建时钟状态模型，利用滤波算法估计时钟状态，得到对应的状态方程。在无线网络节点传输信息时，添加时间戳，并分析时钟的延时情况，再结合当前时刻时钟的状态估计值，计算时钟的偏移量。通过计算时钟节拍比和时钟调整频率，计算出时钟的延时补偿值，由此建立时钟的自动化同步机制。实验结果表明，设计的同步方法在实际应用中节点同步率均值为98.76%，同步性能较好。

关键词： 蛇床子   牙周炎   骨质疏松   网络药理学   分子对接   分子动力学  

摘要： 目的 联合使用网络药理学、分子对接和分子动力学模拟技术探讨蛇床子治疗牙周炎伴骨质疏松的活性成分及潜在靶点，并探讨其可能的作用机制。方法 通过TCMSP数据库、SwissTargetPrediction数据库并结合文献报道筛选蛇床子的主要化学成分及作用靶点；采用多种数据库预测牙周炎和骨质疏松的作用靶点；利用Venny 2.1获取蛇床子与牙周炎和骨质疏松的交集靶点；采用STRING数据库构建交集靶点的蛋白相互作用网络（PPI）图并使用Cytoscape 3.9.1软件构建活性成分-交集靶点网络，对其进行拓扑分析筛选关键靶点和核心活性成分；基于Metascape平台对交集靶点进行基因本体论（GO）和京都基因与基因组百科全书（KEGG）富集分析；选取节度点（degree）值排名前5位的核心靶点和核心活性成分，使用Discovery Studio 2019软件对配体和受体进行分子对接，并将结果可视化；使用Gromacs2022.3进行分子动力学模拟，以评估核心活性成分和关键靶点之间相互作用的稳定性。结果 筛选得到蛇床子的20个潜在活性成分，蛇床子治疗牙周炎伴骨质疏松的作用靶点116个；对116个交集靶点进行GO和KEGG通路富集分析发现，蛇床子可能通过磷脂酰肌醇3激酶-蛋白激酶、晚期糖基化终产物-糖基化终末产物受体等信号通路发挥治疗作用；分子对接结果发现核心活性成分与关键靶点能够较好地结合，分子动力学模拟进一步验证了香叶木素-AKT1复合体稳定性。结论 本研究揭示蛇床子通过多成分、多靶点、多途径的特点治疗牙周炎伴骨质疏松的潜在分子药理机制，为后续药物开发研究及临床应用提供理论基础。

关键词： 光子神经网络   器件误差   马赫曾德尔干涉仪   梯度下降算法   学习率  

摘要： 本文优化了训练算法和学习率组合以提高光子神经网络(Optical Neural Network，ONN)对器件误差的鲁棒性能，同时确保其对数字图像的高精确识别。本文仿真搭建两种全连接ONN架构，即GridNet和FFTNet，其中使用马赫曾德尔干涉仪(Mach-Zehnder Interferometers，MZI)作为光子器件，并对含有器件误差的ONN进行了不同算法的训练，包括随机梯度下降(Stochastic Gradient Descent，SGD)、均方根传递(Root Mean Square prop，RMSprop)、适应性矩估计(Adaptive Moment Estimation，Adam)和自适应梯度下降(Adaptive Gradient，Adagrad)。结果表明，在不同程度的器件误差下，FFTNet型ONN比GridNet型ONN更鲁棒。具体来说，采用学习率为0.005的RMSprop和Adam算法以及学习率为0.5的Adagrad算法训练的FFTNet型ONN在数字图像识别精度和器件误差鲁棒性上表现最佳。因此，优化训练算法和学习率的组合可以有效提高ONN的鲁棒性能。

关键词： 水资源承载力系统   网络分析   耦合协调   水资源管理   甘肃省  

摘要： 揭示水资源承载力系统多个指标之间的动态耦合关系及其耦合水平对于提高区域水资源的可持续利用水平和保障经济社会的稳健发展至关重要。本文将水资源承载力系统划分为水资源、社会、经济和生态环境4个子系统并从中选取16个代表性指标；采用回归系数和相关系数共同划分指标间耦合关系的类型，最后基于滑动窗口法和网络分析法揭示多个指标之间耦合关系的动态变化趋势，以及水资源承载力系统的耦合水平。以甘肃省为例，结果表明：甘肃省水资源承载力系统经历了耦合—解耦—再耦合的关联模式，且在2015年之后，正向协调关系的强度显著提升，而权衡关系和负向协调关系的影响则明显减弱；正向协调关系中的关键指标为水资源开发利用率、城镇化率、灌溉亩均用水量和人均GDP，其对正向协调关系的推动作用整体上随时间增强。权衡和负向协调关系中多数关键指标对该两种关系的推动作用随时间先增强后显著减弱，但人均日用水量对权衡仍有较强的推动作用，在未来水资源管理中应予以重点控制；水资源承载力系统指标关联的模块由7个降低为5个，表明系统耦合水平虽有所提高仍有提升空间。研究思路可为客观全面地分析系统的耦合协调提供新的有效途径。

关键词： 局部冲刷   人工神经网络(ANN)   MLP/BP   冲刷深度预测  

摘要： 桩柱是浅海和近岸工程结构的重要支撑构件。桩基周围海床在海浪或水流作用下的冲刷深度是一个重要的结构稳定设计参数，其准确预测具有重要的工程意义和经济价值。目前局部冲刷深度预测普遍采用的方法包括经验公式、数学模型或人工智能方法。前者因包含的影响因素不完全，且使用范围有限，而数学模型往往需要依赖确定复杂的动力地貌演变，计算量大，不便于工程设计使用。近年来，各种人工智能算法，特别是人工神经网络（ANN）方法，已经被应用到桩基周围局部冲刷深度计算，显示出了优越的预测能力。本研究应用多层感知机反向传播算法神经网络方法（MLP/BP）建立了预测波、流分别作用下桩基局部平衡冲刷深度的模型。建模中比较了采用有量纲和无量纲训练参数数据输入得到的预测精度，并通过系统的敏感性分析，确定了波流参数和泥沙特征对计算结果的影响程度。研究结果不仅进一步证实了无论是对应波浪或水流作用条件，神经网络模型优于大多现有工程使用的经验公式，而且采用有量纲参数输入训练的模型可以得到比无量纲输入模型更为准确的预测结果。

关键词： 北斗短报文   铁路通信网络   数据低时延传输   技术架构   卫星通信   通信协议  

摘要： 以提升铁路通信网络数据传输水平为目的，提出基于北斗短报文的低时延传输方法。该方法依据网络通信节点能耗，设计数据低时延传输算法，向数据采集单元发送采集命令。采集单元利用DTU子单元采集数据后，经北斗短报文通信单元传输至通信信道内的不同专网，再通过专网信道传输到铁路总站数据库内，用于铁路业务应用、营销应用和其他应用。实验结果表明:该方法对铁路通信网络节点能耗数值的计算结果较为准确，且在传输相同数据包的情况下，传输时延数值较低，应用效果显著。

关键词： 安全社会工程   跨里海国际运输走廊   贝叶斯网络   风险评估   风险诊断  

摘要： 为识别影响跨里海国际运输走廊安全高效运营的关键因素，从而有针对性地对风险进行预防、监控和规避，结合跨里海国际运输走廊的前期运营情况，全面分析跨里海国际运输走廊运营风险的影响因素，构建跨里海国际运输走廊运营风险评估的贝叶斯网络。运用德尔菲法并结合小组讨论，确定输入节点的先验概率及网络参数，对跨里海国际运输走廊的运营风险进行评估，并进行敏感性分析和逆向推理分析。结果表明：跨里海国际运输走廊运营风险总体上处于“低”水平；组织风险和设备设施风险是影响跨里海国际运输走廊运营的关键子风险；堆场能力不足、信息化水平、铁海衔接延迟和宗教民族冲突是关键影响因素。最后，提出针对性的风险预防及监控措施。研究可为加强跨里海国际运输走廊班列运营管理提供决策依据，同时可为我国参与跨里海国际运输走廊建设提供参考。

关键词： 地球磁场   长短时记忆(LSTM)   长期变化   深度学习   中国大陆  

摘要： 选取中国大陆及邻近地区32个地磁台站地磁场要素即磁偏角D、地磁场水平分量H、垂直分量Z的时均值数据,利用磁静条件筛选并剔除异常值,通过月均值年差分得到主磁场各要素的长期变化序列,然后将深度学习方法应用到地球主磁场长期变化研究中,利用长短时记忆神经网络(LSTM)建立了未来一年台站各要素数据的预测模型.预测结果表明:LSTM模型预测的D要素均方根误差(RMSE)、归一化均方根误差(NRMSE)平均值为1.139'和0.040;H分量的RMSE、NRMSE平均值为11.85 nT和0.086;Z分量的RMSE、NRMSE平均值为15.10 nT和0.026,LSTM模型对Z分量的预测精度最高,其次是D要素,最差的是H分量.分别计算由LSTM模型、线性外推、二次外推得到的台站各要素年变率误差,结果显示:对于D要素,LSTM预测结果的RMSE平均值为0.361(')/a,较线性外推法提高了54%,较二次外推法提高了59%;对于H分量,LSTM预测结果的RMSE平均值为3.921 nT/a,较线性外推法提高了58%,较二次外推法提高了76%;对于Z分量,LSTM预测结果的RMSE平均值为4.339 nT/a,较线性外推法提高了47%,较二次外推法提高了57%.