农村光棍成因及治理机制研究

以驻村扶贫点滇西南L县X村的光棍为研究对象,侧重个体精准性,强调个体因果性的特征,运用小数据分析该村光棍的贫困特征和生成原因,基于马斯洛需求层次理论探索光棍内生动力激发机制.研究表明:农村光棍趋于年轻化,形势严峻;光棍成因受到外部资源匮乏的限制,又受到自身资源缺陷的制约,内外因相互影响,但外因只有通过内因才能发挥作用.探讨通过需求原理激发光棍群体的内生动力,构建长效治理机制,让光棍群体最大限度实现人生价值,提升社会获得感和幸福感.     

2025年前后我国铜消费将出现1200万吨的“拐点”

数据显示,2018年我国GDP仅占世界15.84%,但铜消费量高达1185万吨、占世界总量的48.36%,与GDP占比很不平衡。中国有色金属工业协会副秘书长兼重金属部主任胡长平认为,我国铜消费已形成巨大“堰塞湖”。在这一现状下,铜产业在双循环过程中很可能变成双挤压。他建议,一方面要充分发挥国内超大规模市场优势,打造未来发展新优势;另一方面,要以国内大循环为主体,使国内和国际市场更好联通,推动构建铜产业命运共同体。     

模具行业信息

2020年全年我国机械工业增加值同比增长6%,比一季度、上半年和前三季度分别回升25、7.5和2.2个百分点,且高于全年全国工业和制造业增加值增速3.2和2.6个百分点,并超出年初预期。国家统计局数据显示,2020年全年我国机械工业增加值同比增长6%,比一季度、上半年和前三季度分别回升25、7.5和2.2个百分点,且高于全年全国工业和制造业增加值增速3.2和2.6个百分点,并超出年初预期。     

基于逆向建模的铝合金薄壁件电弧增材再修复成形研究

基于结构光三维扫描尺寸采集技术、Geomagic软件数据处理与逆向重构技术、AMSlicerPro软件模型剖分切片与路径规划技术等,对铝合金ZL114A薄壁件的待修复区域进行逆向建模,通过焊丝ER4043电弧增材再修复试验完成薄壁样件的修复,利用无损探伤、显微硬度计、电子万能试验机及扫描电子显微镜等分析测试手段,对电弧增材再修复样件熔敷区域的性能与组织进行表征.结果表明:成形样件表面无开口缺陷,内部组织致密、无肉眼可见缺陷;修复区域顶部的显微硬度略高于底部,中间区域显微硬度稳定;平行于熔敷方向的试样力学性能均优于垂直于熔敷方向的试样,成形样件力学性能呈现一定的各向异性;修复区域组织Al-Si共晶呈细小条状分布于α固溶体中,并从底部指向顶部延伸,顶部Al-Si共晶分布更加弥散,对α基体的切割效应小,使得其性能比底部更优.     

基于双时间点检测的毫米波雷达人流量监测方法

针对现有基于视频监控的人流量统计方案成本高、算法复杂且不利于个人隐私保护的局限性，利用毫米波雷达体积小、成本低、分辨率高的特点，提出了一种基于双时间点检测的人流量监测方法。该方法先获取人体目标散射点位置和多普勒频移信息来构成点云数据，然后根据多普勒频移正负来判断人体的运动方向，并筛选具有高多普勒频移值的点云数据以降低干扰点对聚类结果的影响；在双时间点对特定区域内人员数量进行统计，并根据双时间点之间所获取的点云数据聚类结果对所统计人员数据进行修正。实验结果表明，该方法能够用匿名的方式以较高的正确率统计人员进出。     

基于面元素重排的三维网格模型数据隐藏算法

目的 为了解决目前三维数据隐藏算法不能兼顾无失真和盲提取的问题，提出一种新的完全无失真的三维网格模型数据隐藏盲算法。方法 首先使用混沌逻辑映射选择嵌入与提取模式，保证数据的安全性。然后利用面元素重排，完全不会造成三维模型失真的性质，通过不同嵌入模式规则对三角面元素进行重排，以嵌入秘密数据。接收端则可根据相应的提取模式规则提取秘密数据。结果 仿真结果与分析表明，该算法不会对三维模型造成任何失真，嵌入容量为每顶点2比特，且能抵抗仿射变换攻击、噪声攻击和平滑攻击等。结论 这种三维数据隐藏盲算法无失真，容量大、安全性高、鲁棒性强，适用于三维载体不容修改的情形，如军事、医学、秘密通信和版权保护等。     

猪胴体冷却降温特性及耗能分析

猪肉是我国消耗量最大的肉类品，尤其是冷鲜猪肉更受人们青睐。猪胴体冷却保鲜加工工艺既要满足优质猪肉的成熟条件，又要保证猪肉的安全卫生。猪胴体冷却温度和降温速度对保证加工工艺合理性和降低耗能都至关重要。在实测数据基础上经过判断、分析提出，在常规0～4 ℃冷却前先在-10～-5 ℃低温快速冷却猪胴体1 h从而更好地保证猪胴体的冷却效果。实验发现：猪胴体开始冷却时，内部温度先有2～4 ℃的升温，然后才会降温，因此需对热负荷计算进行修正；根据两段冷却过程中猪胴体的冷却降温特点，提出了对应的冷量要求，为配备冷却装置提供了依据。     

能耗优化的神经网络轻量化方法研究进展

近年来，神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂，需占用大量计算资源并消耗电能，从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路，综述了近年来该领域主要研究成果，并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为，首先需要建立可自适应网络类型的能耗模型；然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法；最后开发搜索空间可约束的轻量化方法.     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。