基于物理约束GRU神经网络的河流水质预测模型

河流水质预测对于水环境管理与水污染防治具有重要意义。近年来,以神经网络为代表的非机理性水质预测模型已被广泛应用于河流水质预测领域。然而,此类模型不考虑水质因子变化的物理机理,导致预测结果难以解释、稳定性差。为此,本文将水质因子变化的物理规律视为一种先验知识约束,建模于门控循环单元神经网络（Gated Recurrent Unit, GRU）之中,以河流水质预测的重要参数溶解氧为例,提出了一种物理约束的门控循环单元网络（Physics-constrained Gated Recurrent Unit, PHY_GRU）。以美国亚特兰大市2021年河流溶解氧预测为例进行实例验证,结果表明：① PHY_GRU与差分自回归移动平均模型、多层感知机和门控循环单元模型相比,预测精度和稳定性明显提升,其中预测均方根误差分别降低了94.8%,62.9%和37.2%;② 综合考虑多种物理规律约束可以提升PHY_GRU的预测精度和稳定性;③ PHY_GRU采用门控循环单元模型训练样本的30%,其预测精度和稳定性即可超过门控循环单元模型。本文提供了一种在神经网络模型中融入水质先验知识的研究思路,有助于提升水质预测模型辅助决策的水平。     

基于增强注意力门控U-Net的建筑物提取研究

针对经典深度学习语义分割网络对建筑物提取存在精度较低、边界模糊和小目标识别困难的问题,本文提出一种增强注意力门控的U型网络(advanced attention gate U-Net,AA＿UNet)用于改善建筑物提取的效果,该网络改进经典U-Net的结构,使用VGG16作为主干特征提取网络、注意力门控模块参与跳跃连接、双线性插值法代替反卷积进行上采样.实验采用武汉大学建筑物数据集(WHU building dataset,WHD)对比提出的网络与部分经典语义分割网络的提取效果,并探究网络改进的各个模块对提取效果的影响.结果显示：该网络对建筑物提取的总精度、交并比、查准率、召回率和F1分数分别为98.78%、89.71%、93.30%、95.89%、94.58%,各项评价指标均优于经典语义分割网络,且改进的各个模块有效提高了提取精度,改善了建筑物轮廓不清晰和小目标建筑物破碎的问题,可用于精准提取高分辨率遥感影像中的建筑物信息,对城市规划、土地利用、生产生活、军事侦察等具有指导意义.     

长牡蛎电压门控钙离子通道β亚基的无标签亲和层析纯化

亲和层析是一种广泛使用的蛋白质分离纯化技术,常用的亲和标签包括谷胱甘肽巯基转移酶(GST)标签、麦芽糖结合蛋白(MBP)标签、多组氨酸(polyhistidine)标签等.然而,外源亲和标签可能会影响蛋白质的结构与功能,通常需要酶切去除,造成实验流程加长、产率降低.某些蛋白质具有与亲和标签相似的氨基酸序列特征,利用这种...     

融合神经网络和空间关系的中文地址解析

中文地址解析是中文地址匹配最核心的问题.针对当前比较流行的基于条件随机场(CRF)或者基于规则的中文地址解析方法,该文结合深度学习中的双向门控循环网络(BiGRU)和CRF的方法来实现中文地址分词;并且针对当前的层次地址模型和四词位标注体系,该文采用 了基于空间关系地址模型和五词位的标注方法.然后分别采用基于规则的模型、CRF、BiGRU+SoftMax和BiGRU+CRF模型进行对比实验,发现该文提出的BiGRU+CRF模型配上新的空间关系地址模型及标注体系,可以对地址解析方面有更好的效果.     

ECG门控自动毫安技术在MSCT冠状动脉成像中的应用价值

目的：研究总结ECG门控自动毫安调制技术在MSCT冠状动脉成像中的应用价值,探讨心脏CT低剂量技术的初步经验和方法。方法：患者60例,其中30例随机使用固定毫安扫描,另30例使用ECG门控自动毫安调制技术扫描。以64排螺旋CT行冠状动脉成像,扫描前进行心率控制措施,使用后门控数据采集、容积再现（VR）、最大密度投影（MIP）、曲面重建（CPR）;以MIP图像评价冠状动脉管腔;以VR图像5级记分法评价图像质量。结果：60例患者均成功获得冠状动脉影像。自动毫安组较固定毫安组平均剂量降低10.46%,而图像质量两组一致,无统计学差异。ECG门控自动毫安技术在保证图像质量的前提下能有效降低患者平均辐射剂量。结论：ECG门控自动毫安技术能有效降低患者射线剂量,只要准备措施有效及方法得当,就能够用低剂量完成64排MSCT冠状动脉检查,并可获得较满意的效果。     

基于GRU神经网络与灰色模型集成的气温预报

使用传统单一模型预报气温经常出现漏报现象,最终导致预测结果不理想,精度较低。针对单一预报模型稳定性较低,随机性偏高,突发性较多的特点,在深度学习理论的基础上,提出一种采用门控循环单元(GRU)和灰色模型(GM)集成的方法,先分别训练两个模型,再通过权值ω将二者的预测结果进行加权组合,权值ω适当调整模型,改善模型的预报结果,提高模型的预报精度,并加快了运行速度,并且其普遍适用性和应急突发能力得到巨大改善。实验表明,将GRU神经网络加入灰色模型进行气温预报,效果要明显优于单一的模型,其标准差小了近一倍,从而表明实验方法的可行性和有效性。      

融合多尺度特征注意力的遥感影像变化检测方法EI北大核心CSCD

深度学习技术已经成为遥感影像变化检测研究的主流方法,现有的基于深度学习的变化检测方法主要是获取单一尺度的变化特征,而在现实场景中,变化区域的尺度具有多样性。为此,本文提出了融合多尺度特征注意力的遥感影像变化检测方法,通过关注多尺度融合策略来解决变化检测存在的多尺度问题。首先,利用特征金字塔网络自身的多尺度特性,使网络学习到不同尺度的变化特征,为了提升网络感受野和利用全局特征信息,在特征提取网络末端引入扩张卷积空间金字塔模块;然后,在不同变化特征融合时,使用变化特征融合模块来控制信息传播以减少特征融合时的差异性;最后,使用门控机制,将不同尺度预测的变化特征图进行加权求和,最终产生具有高精度的变化特征图。本文方法不仅能获取多尺度变化特征,还能利用全局信息和精确的空间细节来提升预测特征图的空间精度。对比试验表明,本文方法在变化检测基准数据集CDD和LEVIR-CD上取得了较好的结果,召回率分别提高了6.58%和5.26%。     

基于双向门控循环单元神经网络的声波测井曲线重构技术

声波测井作为测井与地震资料之间的关键桥梁,对储层岩性、物性分析及定量化评价具有十分重要的意义,完整的声波测井资料有助于获得高分辨率反演剖面,可为储层地质解释提供可靠的依据.然而实际开采过程中很多地区由于仪器故障、井眼垮塌等原因造成声波测井曲线缺失,重新测井不仅价格昂贵而且难以实现.本文拟发展一种基于双向门控循环单元(B...     

一种改进的循环神经网络雷达图像外推算法

临近强降水预报目的是预测未来两小时内局地降水强度的分布,准确的外推雷达图像可以为临近强降水预报提供准确的时空参考数据。近两年循环神经网络模型应用于天气雷达回波图象外推得到了较好的结果。本文基于分析现有ConvLSTM和TrajGRU模型的基础上,从输入雷达数据层数和修改模型损失函数两个方面对循环神经网络外推模型进行改进,并对业务上的雷达图象序列和竞赛雷达图象序列进行试验。试验结果表明,改进的外推模型能更好地捕捉时空相关性,具有更精确的外推效果。     

基于RF-IC卡智能门禁安全管理系统的开发

介绍了非接触式IC卡智能门禁安全管理系统中的读写器软、硬件设计与服务器端的软件设计。非接触式IC卡门禁管理系统是近年来数字技术与网络技术发展的结果，也是楼宇智能化的产物，具有操作方便、安全可靠、便于管理等特点。此系统适用的范围广泛，可适用于一般门锁控制，也适用于各种重要部门的门控系统。在门禁系统中IC卡就是钥匙，它具有身份识别作用，实现门禁安全管理系统中的用户管理。在通信方面，采用RS485网络与以太网相结合的方式，可以实现近距离、远距离的控制与管理。