华北中部平原地表水入渗试验 ——以南宫溹泸河为例

华北平原中部地区含水砂层颗粒细且薄,对地下水储蓄和地表水入渗不利。选择河道带进行地表水入渗试验,以获取最大地下储蓄空间,为该区水资源合理利用提供良策。试验区选在南宫溹泸河,人工引水1.5个月,获取大量监测数据,据此对地下水位和水量的变化特征、入渗量和地下水库调蓄能力进行研究,结果表明：干涸河道引水入渗,入渗比例可达80.54%;溹泸河上下游2个断面Ⅰ-Ⅰ′和Ⅱ-Ⅱ′河道垂向渗透速度为10.81 m/d和10.72 m/d;水平扩散速度为1.69 m/h和2.38 m/h。由于Ⅰ-Ⅰ′断面垂向渗透速度大于Ⅱ-Ⅱ′断面,而水平扩散速度小于Ⅱ-Ⅱ′断面,所以Ⅰ-Ⅰ′断面形成的水丘相比Ⅱ-Ⅱ′断面较为明显,且不易消散。计算结果显示,试验区调蓄库容为1.87亿m3。     

基于水化学和环境同位素的准格尔煤田地下水循环特征

为揭示准格尔煤田地区地下水循环特征,运用水化学技术、水汽轨迹模型和环境同位素等方法分析不同水体水化学特征、环境同位素特征、大气降水主要来源、地表水及地下水转化关系。结果表明:地表水矿化度低,呈弱碱-偏碱性,水化学类型以HCO_3·SO_4·Cl-Ca型水为主;地下水整体矿化度低,偏弱碱性,主要以HCO_3-Na·Ca型、Cl-Na型、HCO_3-Ca·Mg型、HCO_3·Cl-Na型水为主;黄河水δ(D)平均值为-79.6‰、δ(~(18)O)平均值为-10.47‰,第四系地下水δ(D)平均值为-66.25‰、δ(~(18)O)平均值为-9.1‰,白垩系地下水δ(D)值为-70.6‰、δ(~(18)O)值为-9.3‰,石炭-二叠系地下水δ(D)平均值为-77.07‰、δ(~(18)O)平均值为-9.9‰,寒武-奥陶系地下水δ(D)平均值为-75.73‰、δ(~(18)O)平均值为-10.06‰;大气降水受极地气团和季风影响,主要来源为西风带水汽、地表水和地下水水汽蒸发再循环;断层带、褶皱轴部裂隙带为不同含水层间主要导水通道,大气降水和黄河为地下水主要补给来源;高承压水头寒武-奥陶系岩溶裂隙水越流补给第四系松散孔隙水和砂岩裂隙水,第四系松散孔隙水通过地层间不整合接触面裂隙发育带向下补给石炭-二叠系砂岩裂隙水,黄河水对寒武-奥陶系地下水的补给比例受地质构造发育的影响较大。     

基于W2ID准则的RichModel隐写检测特征选取方法

数字隐写是信息安全领域一个重要分支,其通过将秘密信息嵌入到数字图像、声音、视频等文件中并通过公开信道(如:Email邮箱、微博推文和即时通信等)进行传递,从而实现信息的隐蔽通信.图像自适应隐写是近年来数字隐写技术的研究热点,而Rich Model特征是检测图像自适应隐写的一大类主流高维特征,这类高维特征在实现对图像自适应隐写较高检测正确率的同时,带来了高额的计算开销和和存储开销,并使得隐写检测中的分类器训练变得极为困难.为此,本文提出了一种基于加权类间距离和类内距离差异准则(W2ID准则)的图像Rich Model隐写检测特征选取方法(记为W2ID-α方法).首先,在对Fisher-based方法这一隐写检测特征经典选取方法进行原理分析的基础上,指出该方法可能存在误删有用特征分量、保留冗余和冲突特征分量的不足;然后,通过将"类内距离差异"原则引入到隐写检测特征分量的可分性度量,提出了基于类间距离和类内距离差异的特征可分性度量准则(简记为2ID准则),给出了类内距离差异的一个相关性质;同时,为了合理体现"类间距离"的重要性,本文提出了基于频数统计加权法的权重分配算法,为该准则分配合理权重,使得对特征分量可分性的度量结果相比传统的Fisher准则更为准确;最后,依据W2ID准则的度量结果,基于决策粗糙集α-正域约简方法约简隐写检测特征分量,并在约简特征分量过程中,将每次处理一个特征分量改进为每次处理一组特征分量,以提升决策粗糙集α-正域约简的效率.提出的W2ID-α方法因无需设置可分性下限,避免了阈值设置不准确可能造成去除有用特征分量的问题,从而消除了现有Steganalysis-α隐写检测特征选取方法依赖经验参数的问题.基于数字隐写领域通用的BOSSbase-1.01图像库10 000幅原始图像和基于经典SI-UNIWARD隐写方法生成的多组隐写图像,针对从这些图像组每幅图像中提取的35263维J+SRM特征和17000维GFR特征(两类典型的图像Rich Model隐写检测特征),进行了一系列特征选取实验,结果表明:本文提出的W2ID-α方法能够在大幅降低Rich Model隐写检测特征维数的同时,基于选取后特征的隐写检测提高了对隐写图像的检测正确率,与Fisher-based、Steganalysis-α和PCA-based等现有典型特征选取方法相比具有显著优势,如对嵌入率=0.1的SI-UNIWARD隐写图像,基于提出的W2ID-α方法将J+SRM特征从35 263维降到2723维的同时,还提高了 3.63%的检测正确率.     

知识图谱划分算法研究综述

知识图谱是人工智能的重要基石,因其包含丰富的图结构和属性信息而受到广泛关注.知识图谱可以精确语义描述现实世界中的各种实体及其联系,其中顶点表示实体,边表示实体间的联系.知识图谱划分是大规模知识图谱分布式处理的首要工作,对知识图谱分布式存储、查询、推理和挖掘起基础支撑作用.随着知识图谱数据规模及分布式处理需求的不断增长,如何对其进行划分已成为目前知识图谱研究的热点问题.从知识图谱和图划分的定义出发,系统性地介绍当前知识图谱数据划分的各类算法,包括基本、多级、流式、分布式和其他类型图划分算法.首先,介绍4种基本图划分算法:谱划分算法、几何划分算法、分支定界算法、KL及其衍生算法,这类算法通常用于小规模图数据或作为其他划分算法的一部分;然后,介绍多级图划分算法,这类算法对图粗糙化后进行划分再投射回原始图,根据粗糙化过程分为基于匹配的算法和基于聚合的算法;其次,描述3种流式图划分算法,这类算法将顶点或边加载为序列后进行划分,包括Hash算法、贪心算法、Fennel算法,以及这3种算法的衍生算法;再次,介绍以KaPPa、JA-BE-JA和轻量级重划分为代表的分布式图划分算法及它们的衍生算法;同时,在其他类型图划分算法中,介绍近年来新兴的2种图划分算法:标签传播算法和基于查询负载的算法.通过在合成与真实知识图谱数据集上的丰富实验,比较了5类知识图谱代表性划分算法在划分效果、查询处理与图数据挖掘方面的性能差异,分析实验结果并推广到推理层面,获得了基于实验的知识图谱划分算法性能评价结论.最后,在对已有方法分析和比较的基础上,总结目前知识图谱数据划分面临的主要挑战,提出相应的研究问题,并展望未来的研究方向.     

基于渐进式双网络模型的低曝光图像增强方法

传统的图像增强方法对低曝光图像进行增强时,通常只考虑到了亮度的提升,忽略了增强过程中带来的噪声放大问题.而当前基于深度学习的方法利用端到端的网络直接学习低曝光图像到正常图像的映射关系,忽略了低曝光图像形成的物理原理,也没有考虑解决噪声放大的问题.针对上述问题,本文通过对图像降质的本质原因进行分析,提出一种基于渐进式双网络模型的低曝光图像增强方法,该方法包含图像增强模块以及图像去噪模块两个部分.对每个模块的构建也采用了渐进式的思想,考虑了图像由暗到亮的亮度变化,以及从粗到细的图像恢复过程,使增强后的结果更接近真实图像.为了更好地训练网络,本文构建了一种双向约束损失函数,从图像降质模型的正反两个方向使网络学习结果逼近真实数据,达到动态平衡.为了验证本文方法的有效性,本文与一些主流的方法从主观和客观两方面进行了实验对比,实验结果证明了本文方法得到的结果更接近真实图像,获得了更优的性能指标.     

OIQ-tree:一种支持大规模空间文本数据流上连续k近邻查询的索引

空间文本数据流上连续k近邻查询(Continuous k-nearest neighbor Queries over Spatial-Textual data streams,CkQST)能在空间文本对象组成的数据流上检索并实时更新k个包含指定关键字的空间邻近对象,是空间文本数据流上连续查询(Continuous Queries over Spatial-Textual data streams,CQST)的一种,以预订(subscribe)的方式广泛应用于广告定位、微博分析、地图导航等领域.求解CkQST采用CQST的求解框架——构建空间文本混合索引组织查询,利用索引的空间过滤和文本过滤能力,为不断到来的对象匹配查询.该框架的求解效率取决于索引的过滤能力,提高索引过滤能力的主要途径是将查询的空间搜索范围映射到索引结构的最小区域,减少需要验证的查询数量.这一途径适用于查询空间搜索范围很少变化的情况.对于CkQST,覆盖k个最邻近对象的空间范围随着符合文本匹配条件的对象的数量的变化而变化,与之对应的索引项需要同步更新,代价高.针对这一问题,本文选择能够高效支持空间范围变化的Quad-tree和关键字查找的倒排索引,构成空间文本混合索引,组织CkQST.在空间过滤方面,提出内存代价模型VUMBCM(Verification and Update of Memory-Based Cost Model),通过平衡索引更新代价和验证代价,优化查询空间搜索范围到Quad-tree节点的映射.在文本过滤方面,采用基于块的有序倒排索引,组织Quad-tree节点内的查询,以快速定位需要验证的查询,避免对倒排列表中大量不可能匹配查询的访问;批量处理包含共同文本项的对象,提高文本验证时的对象吞吐量.由此构建的混合索引,称为OIQ-tree.实验表明,OIQ-tree中的代价模型及基于块的有序倒排索引能够支持CkQST的高效求解.与目前先进的索引技术相比,当查询规模达到2000万时,因数据流中对象的变化导致的索引平均更新时间降低了 46％,数据流中对象的平均处理时间降低了 22％.     

基于物联网技术的智能家居椅控制系统设计

针对国内外智能家居椅控制系统二次开发难度大、接口兼容性差等问题,基于物联网技术,对现有智能家居椅控制系统进行了二次开发。采用STM32控制器对智能家居椅控制系统的输入输出接口进行扩展,引入压力传感器、S型称重传感器、光电探测器对家居椅各个执行机构进行监测,开发了基于Java语言的微信客户端应用(APP)程序,实现了智能家居椅捶背力度调节、复合机构助起、阅读灯亮度调节等远程智能操控。智能家居椅捶背控制试验表明,捶背次数控制成功率约85.49%,捶背力度控制成功率约86.50%。复合机构助起试验表明,助起控制成功率约90%。阅读灯亮度调节试验表明,亮度调节成功率可达88.46%,系统可控性较高。采用物联网技术对智能家居椅控制系统进行了创新性设计,二次开发的控制系统可为互联网+智能家居的设计提供参考。     

智能变电站电子式互感器电磁干扰分析

随着输电电压等级的逐步提高,智能变电站二次侧设备受到干扰的情况日益严峻。现有国家标准并未考虑到互感器采集卡所布置的一次侧恶劣电磁环境。通过不同项目的标准化电磁兼容测试对比,分析了不同测试项目的互感器采集卡典型输出特征,并提出了一种混合干扰测试方法。试验发现了采集卡的传导干扰敏感频点,同时创新性地应用包络来表示互感器采集卡的输出波形,以观测采集卡的受扰程度。该研究对采集卡的现场布置中的电磁环境估计有着重要意义。     

一种自适应运动目标检测算法及其应用

针对ViBe算法在动态背景下存在鬼影消除时间长、算法适应性差、前景检测噪声多的问题,本文提出一种基于ViBe算法框架的改进算法.该算法采用鬼影检测法标记第1帧中的鬼影区域,并向位于鬼影区域的背景模型中强制引入背景样本,从而快速抑制鬼影;在像素分类过程中,引入自适应分类阈值,解决全局阈值易受动态噪声干扰的问题;在背景模型更新中,根据像素分类的匹配值来动态决定更新因子,提高算法适应场景变化的能力.定性与定量的对比实验结果表明,本文算法相较于ViBe算法能够有效地检测动态背景下的运动目标,应用于河流漂浮物检测场景中也有较好的效果.     

一种鲁棒性的少样本学习方法

少样本学习是目前机器学习研究领域的一个热点,它能在少量的标记样本中学习到较好的分类模型.但是,在噪声的不确定环境中,传统的少样本学习模型泛化能力弱.针对这一问题,提出一种鲁棒性的少样本学习方法RFSL(Robust Few-Shot Learning).首先,使用核密度估计(Kernel Density Estimation,KDE)和图像滤波(Image Filtering)方法在训练集中加入不同的随机噪声,形成多个不同噪声下的训练集,并分别生成支持集和查询集.其次,利用关系网络的关系模块通过训练集端到端地学习多个基分类器.最后,采用投票的方式对各基分类器的最末Sigmoid层非线性分类结果进行融合.实验结果表明,RFSL模型可促进小样本学习快速收敛,同时,与R-Net以及其他主流少样本学习方法相比,RFSL具有更高的分类准确率,更强的鲁棒性.