课程文献中心 更多>>

关键词： 物联网   隔音屏   声电转换   光电转换   噪声吸收   环境监测  

摘要： 为了减少汽车噪声扰民,以及解决公路周边传感器的供电问题,提出了一种基于物联网技术的公路智慧隔音屏设计。本设计采用两层面板和内部中空的结构,第一层面板采用压电原理吸收高频噪声(含超声波),第二层面板采用磁电原理吸收低频噪声(含次声波)。利用声电转换技术将吸收的噪声转换成电能,微弱电能经整流和稳压后可为微型锂电池充电,实现了公路环境监测传感器的就地供电。此外,在光照条件优秀的路段,还可采用光电技术实现能量补充。通过ZigBee或WiFi技术组网,建立了云端传感数据库。实验表明,本设计降低了传感器和无线组网的耗电量,验证了噪声发电可以满足能量供应需求。

关键词： PM concentration forecast   AOD   ARIMA   PM25  

摘要： Air pollution presents serious threats to society around the world, especially in India. Among various ambient air pollutants, particulate matter (PM2.5 & PM10) have drawn significant attention from researchers owing to its adverse health impacts. Therefore, the accurate prediction of particulate matter 2.5 (PM2.5) is essential for effective air pollution management and the prevention of respiratory diseases. The present study aims to systematically monitor and forecast the concentration of PM2.5 in selected satellite cities of Delhi, an area that has been relatively underexplored despite its high pollution levels. In such data scarce zone, the estimation and prediction of PM2.5 have been done using an autoregressive integrated moving average (ARIMA) model. The model's predictive accuracy and stability were validated with correlation coefficient (R), root mean square error (RMSE), mean absolute error (MAE), and relative prediction error (RPE). The results indicate that ARIMA model predicted PM2.5 with sufficient accuracy for the current research area, demonstrating superior values of R (0.90), R2 (0.82) and lower RPE (16.84), RMSE (18.28), MAE (16.89). The findings of the study indicate that the ARIMA model is a reliable method to predict PM2.5 concentrations, with acceptable accuracy. However, the ARIMA model depends on historical time series data to find trend and predict future conditions, assuming that the series remains static. Subsequently, it cannot consider the external factors that might cause alterations in the series. Such assumption limits its ability to effectively model cause-and-effect relationships. This approach is helpful for policy formulation and governance.

关键词： 工物联业网   传感器   噪声消除   异常检测   噪声检测   噪声得分  

摘要： 工业物联网(IIoT)的快速发展带来了大量的传感器数据,这些数据在监测和控制工业生产过程中起着至关重要的作用。然而,由于环境噪声的影响和传感器本身的限制,传感器数据常常会受到各种类型的噪声污染,从而削弱了其可靠性和准确性。因此,噪声消除成为了工业物联网应用中一个重要的研究方向。针对工业物联网传感器数据的噪声消除问题,提出了一种基于上下文和邻居的噪声检测方法。针对突然跳跃或尖峰形态的噪声可以根据它们与周围的对比度差异识别出来;相比之下,那些变化较为平缓的异常值由于具有较小的对比度分数,因此可以将其视为预期范围内的异常而进行保留。将该噪声监测方法应用于基于工业物联网的故障诊断系统中,能够减轻噪声的负面影响并产生更好的异常检测结果。

关键词： COVID-19   Lévy噪声   存在唯一性   灭绝性   持久性  

摘要： 随机扰动在传染病的传播过程中是不可避免的,为了研究这种扰动对COVID-19传播的影响,提出了一种同时具有白噪声和Lévy跳跃的随机SIVR(易感-感染-疫苗接种-康复)流行病模型.首先,通过构造合适的李雅普诺夫函数,证明了全局正解的存在唯一性;然后,通过定义随机系统的阈值,得到了疾病的灭绝和持续存在的充分条件.最后,数值模拟验证了理论分析的结果,结果表明高强度的Lévy噪声有利于快速抑制COVID-19的传播.

关键词： shapelets   噪声   重叠式滑动窗口   优化   低维空间  

摘要： shapelets是时间序列数据中最具辨识度的子序列片段,能够准确表达时间序列的局部形态特征。现有的形态子序列提取方法通过设置关键点等方式,有效降低了形态子序列的数量,却忽略了噪声的影响且缺乏对信息冗余的优化。针对这种问题,提出一种改进方法,通过重叠式滑动窗口对时间序列进行局部平滑,以降低噪声的影响,并基于变换空间进行信息冗余优化。提出的方法可以在低维空间中提取时间序列的形态子序列,并进行数据表征。结果表明新方法在保持分类精度的同时,提高了分类效率。

关键词： 辉光放电质谱仪   高纯砷   质谱干扰   相对灵敏度因子  

摘要： 高新技术产业发展迅猛,半导体行业热度也越来越高,对于高纯砷的需求量相应不断增加,对于其纯度的要求也越来越高,尤其是在合成化合物半导体材料时。因此,对于高纯砷中杂质元素的检测也成为不容忽视的一部分。通过对制样方法、样品的处理方法、仪器的参数条件、积分时间的选择、优化数据处理以及如何避免污染等方面进行研究,建立了辉光放电质谱(GD-MS)法测定高纯砷中钠、镁、铝、钾、钙、铬、铁、镍等16种杂质元素的方法。通过对辉光放电质谱仪(GD-MS)测定杂质元素特点的研究,最终选择压片法进行样品制备;通过调节氩气流量、电流、电压、积分时间等使仪器达到最佳分析状态;通过建立相对灵敏度因子校正分析结果,并与电感耦合等离子体质谱仪的分析结果进行对比,结果均在误差范围之内。辉光放电质谱法操作便捷,结果准确可靠且精密度高。

关键词： 电动汽车   拍频噪声   希尔伯特变换   数值模拟   故障诊断  

摘要： 某在研微型电动汽车存在嗡嗡异响,严重影响驾乘体验。首先,基于分别运行法、拍频理论、部件结构及其激励特征分析诊断该异响为拍频噪声,并通过声振测试、希尔伯特包络分析、频谱分析进行了确认;然后,运用传递路径分析并结合试错法、覆盖法等工程方法确认了该拍频噪声的作用机理并基于源、路径2个方面提出了多种改善措施;最后,通过数值模拟、单品台架及整车测试验证了方案的有效性。试验结果表明,基于源和传递路径双因素的针对性改进可快速有效处置该拍频噪声问题,零部件1阶噪声降低可达11.1dB(A),为解决类似工程问题提供了思路。

关键词： 可见近红外光谱分析   土壤总氮检测   人工神经网络   光谱建模  

摘要： 探究了可见近红外光谱分析技术在土壤总氮检测中的应用方法,并对照常规化学分析法验证其应用效果。在采集土壤样品后,使用傅里叶变换红外光谱仪处理样品并采集光谱数据,同时使用数据增强算法对光谱数据进行降噪处理。在Matlab软件中构建了基于人工神经网络的光谱模型,将样本数据输入到模型中,输出结果即为预测值。将预测值与化学分析所得的真实值进行对比,计算均方根误差,结果为74.2 mg/kg,误差值较小,说明可见近红外光谱分析技术能够较为准确地检测土壤总氮含量。

关键词： 信息论   视频内容生产   噪声规避   信源真实  

摘要： 媒介内容生产在AI技术叠加下,不但为社交媒介信息传播带来方式与速度的变革,更引起了其生产结构的剧烈变化。人机协作广泛展开,信源噪声和虚假信源交织下的媒介内容深度伪造现象泛滥。面对深度伪造现象带来的信息失真,社交媒体视频内容生产各环节产生的“噪声”以及由此带来的信息失真问题有必要展开研究。基于信息噪声现象、信噪产生及其传播的辨析,思考破解信息噪声影响信源真实的机理,围绕信源真实中的噪声成因、规避机制和信息失真等案例,探索信息失真治理的策略已成为当务之急。

关键词： 峨眉山   空气污染   生理响应   森林衰退   高山地区  

摘要： 为研究四川峨眉山高海拔主要建群树种对空气污染的响应情况,比较不同树种对空气污染的敏感程度,结合空气污染监测数据及样方调查结果,以雷洞坪(影响明显)、金顶(影响中等)、千佛顶(影响轻微)3个样地中主要建群树种(冷杉、铁杉、细齿稠李、微毛樱桃、扇叶槭、川西樱桃)为研究对象,测定树木生长状况、叶生理生态性状(总叶绿素含量、细胞膜透性、丙二醛含量、可溶性糖含量、脯氨酸含量、过氧化物酶和超氧化物歧化酶活性)。结果表明,空气污染对植物的生理指标和生长状况均有显著影响,其中冷杉对空气污染最敏感,响应最明显,可用于空气污染监测,而川西樱桃对空气污染物具有较强的抗性,可用于改善环境空气质量,适合在污染地区种植。