基于ERNIE-BiGRU模型的摘要语步自动识别研究

学术文献的摘要是对文献主要内容的浓缩,摘要不同部分的语步具有不同的信息,语步的自动识别和抽取对于学术摘要的后续研究有着重要的应用价值,而目前语步识别的研究相对较少,并且相关算法的效果还需要提高。针对上述问题,该文提出了一种基于ERNIE-BiGRU模型的语步识别算法。该算法首先结合中文句法分析理论提出基于句法依存关系的多语步结构拆分法,对学术文献摘要多语步结构进行自动拆分,获得多个单语步结构;然后构建用于训练的单语步结构语料库,并利用知识增强语义表示预训练模型,训练出句子级词向量;最后将训练出的单语步结构词向量信息输入双向门限循环单元(BiGRU)进行摘要语步自动化识别,取得了良好的效果。实验结果表明,该算法具有较好的鲁棒性和较高的识别精度,在结构化和非结构化摘要上的识别准确率分别达到了96.57%和93.75%。     

我国水-能源-粮食耦合关系及影响因素

为缓解我国水、能源和粮食资源紧张问题，促进资源可持续利用，构建水-能源-粮食系统，利用耦合协调度模型对我国的30个省（自治区、直辖市）进行测算,并利用空间杜宾模型分析主要影响因素。结果表明：2003—2017年，我国能源、粮食评价[JP]指数高于水资源评价指数，系统综合评价指数逐年递增；大部分省份耦合协调度处于初级协调水平且呈现逐年上升的态势，个别省份耦合协调度濒临失调；耦合协调度空间自相关性较强，虽有明显波动，但是呈现逐年加强的态势；影响耦合协调度的主要因素有从业人口数、固定资产投资额、人均生产总值、人口总数、[JP]文盲人口占比、工业污染排放、城镇化。     

基于发展科学探究能力的高中化学教学实践 ——以"元素周期律"章节为例

基于学生在学习元素周期律时存在的普遍问题改进了教学实践,分析了元素周期律发展学生科学探究能力的价值,设计了四个教学环节——趣味导入,成果展示;分析规律,做出猜想;设计方案,收集证据;梳理模型,迁移应用,并提出了三点针对学生探究能力发展的教学建议.     

爆炸排淤填石法中淤泥的本构模型

以爆炸排淤填石法为背景 ,对不同应变率阶段淤泥的本构模型进行了分析 ,利用ANSYS/LS-DYNA动态有限元分析程序对所选择的模型进行验证和确认。计算和分析结果表明 :在形成爆炸空腔的高应变率阶段 ,淤泥表现为理想不可压缩流体的性质 ;在小药量小抵抗线条件下 ,甚至在淤泥自重作用下的较低应变率变形阶段 ,其黏性效应也可以忽略不计。     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。     

SIL验证与安全仪表系统的优化设计

安全仪表功能(SIF)回路是为了降低特定场景的安全风险而设置的,定级报告中SIF回路的功能描述是工艺设计的完整逻辑要求,包含关键动作及附件动作。安全完整性等级(SIL)验证属于概率学领域研究范畴,影响失效率的因素多且复杂。如果SIL验证无法通过,将造成大量的设计变更,浪费工程投资,影响工期。设计人员应关注SIL定级报告中关键动作的识别、要求平均失效概率以及SIF回路架构的约束。按照文中方法优化测量元件、逻辑控制器、执行元件及辅助元件的设计,可增加通过验证的概率。在没有预验证及安全要求规格书时,可以参考文中典型可通过SIL验证的SIF回路的经验架构进行优化设计,以减少工程变更。     

碳纤维喷射混凝土硫酸盐冻损伤分析

为了研究碳纤维混凝土硫酸盐冻侵蚀损伤，以川藏铁路喷射纤维混凝土工程环境为依托进行室内盐冻试验，盐冻最低、最高温度设置为(-37.12、17℃)，(-32.12、12℃)，(-25.12、5℃)，(-20.12、0℃)，硫酸盐质量分数分别为5%、7.5%、10%，纤维体积分数分别为0、0.10%、0.20%、0.24%、0.30%。通过宏观强度试验结果和微观分析可知，随着硫酸盐浓度的增加，碳纤维混凝土损伤越严重。与普通混凝土相比，碳纤维混凝土能够有效阻止开裂，其中0.3%的体积分数为最佳掺量。通过微观分析，揭示碳纤维在混凝土结构内起到类似梁的作用机制，并据此建立损伤模型。     

基于像素偏转模型和机器学习的室外图像天空像素检测

图像中的天空区域对于基于视觉的地面机器人导航具有重要意义,为了识别图像中的天空部分,本文提出了一种基于像素偏转模型的BP神经网络天空识别方法.首先,制作天空图像集和非天空图像集,天空图像集由各种天气情况下的天空提取而成,非天空图像集由非天空的景物构成,主要包括建筑、汽车、树木、植物等;其次,使用提出的像素偏转模型提取天空图像集和非天空图像集的像素特征并进行处理,对天空像素点和非天空像素点进行标注,利用BP神经网络对像素特征进行训练,得到权重文件;最后,使用得到的权重文件进行天空的识别.为了更好的说明本文算法和模型的优越性,使用本文算法与Otsu算法、YeHu算法、Graph-cut算法和Mask-Rcnn算法模型进行了比较,并设计了两组组对比实验,第一组实验进行识别效果的主观评价,第二组实验利用CamVid数据集的天空类进行算法精度的定量分析.