大型桥梁锚碇的锚块部分属于典型大体积混凝土结构, 施工期面临开裂风险, 开展适应性智能通水温控方法与系统研究对混凝土温控防裂及提高混凝土质量具有重要意义。该文提出了锚碇真实温度场及应力计算、温流耦合控制算法, 以及基于“端-边-云”控制模型的智能温度控制策略; 研发了适应锚碇的智能通水温控系统装备和平台, 包括供水、换向、控制和热交换系统, 以及基于微信移动、Web客户端的多端软件平台, 实现了混凝土通水温控的远程实时在线感知、真实分析、反馈控制和诊断预警。研究成果应用于龙门大桥西锚碇施工建设的全过程, 节约了人力和用水, 且未发现温度裂缝, 成果可供同类工程温控防裂设计和施工参考。
马尼拉俯冲带是南海可能发生大型地震海啸的地质构造带, 一旦发生大地震海啸将对南海沿岸和岛礁地区造成严重灾害。该文通过分析马尼拉俯冲带最大地震震级并模拟诱发海啸过程, 评估在最大震级地震发生时南海岛礁面临的海啸危险性。研究综合考虑地震震中、震源深度和断层滑动非均匀性等因素对海啸的影响, 模拟了最大震级条件下70万个可能的海啸情景。其中, 基于GPS大地测量数据的俯冲带闭锁反演和历史地震数据, 选取评估结果500年一遇地震震级8.9级作为最大可能地震。研究给出了南海主要岛礁在发生8.9级地震时的岸外海啸波高, 结果表明：即使在同一震级下, 海啸波高也有很大的随机性, 东沙岛的海啸波高可从1.8 m增加到6.2 m。断层非均匀性对海啸波高影响显著, 忽略断层非均匀滑动分布的传统模型会低估海啸波高约20%~50%。从空间分布来看, 西沙宣德群岛的南沙洲、南岛和北岛, 以及东沙群岛的海啸危险性最大, 海啸波高超过4 m。
发展海上风电技术在国家“双碳”战略中具有重要意义, 单桩冲刷深度的预测是海上风电单桩冲刷研究的热点。受比尺效应的影响, 传统的小比尺物理模型通常会导致冲刷深度预测公式的适用性受到限制。为此, 该文在1∶13的大比尺物理模型中开展了局部冲刷试验, 研究了不规则波条件下, KC (Keulegan-Carpenter)为4~9时, 单桩周围的平衡冲刷深度和冲刷坑体积。研究发现, 通过改进KC的计算方法, 能够提高现有公式在不规则波条件下预测平衡冲刷深度的准确度。此外, 提出了单桩周围局部平衡冲刷深度和冲刷坑体积的公式, 为单桩防护施工时的抛石冗余量估算提供了简便的预测方法。
社会水循环是能源消耗和碳排放的密集区, 深入研究其各个环节的能耗和碳排放空间分布及强度特征对实现双碳目标至关重要。该研究基于生命周期评价方法, 构建社会水循环碳核算体系及碳排放综合测算模型, 以黄河流域66个地市(州)为例, 估算社会水循环全生命周期能源消耗和碳排放。研究发现：2017年黄河流域下游地区的单位面积碳排放量最大, 约是上游地区的7.4倍; 在取水、供水、用水、排水四大环节中, 用水环节碳排放量最大, 其中居民生活用水的碳排放量最大, 占用水环节碳排放的59.7%, 占社会水循环总碳排放的54.7%, 是社会水循环碳减排的重点环节; 黄河流域社会水循环各环节碳排放强度依次为：用水>排水>供水>取水。针对碳减排重点区域和环节, 提出了社会水循环节能降碳的建议。
近年来, 极端暴雨增加导致城市内涝愈发严重, 而合理布设低影响开发(low impact development, LID)设施可以有效地缓解城市内涝问题。该文提出了一种基于溢流点位上游追踪(overflow point upstream tracking, OPUT)的LID设施布设方法。运用暴雨洪水管理模型(storm water management model, SWMM)构建排水模型, 模拟不同重现期管网溢流, 采用OPUT方法确定需要布设LID设施的雨水子汇水区, 与传统全范围等比例(traditional full range equal proportion, FREP)的LID设施布设方法结果进行对比。结果显示：从缓解内涝方面来看, OPUT方法和FREP方法节点溢流体积削减百分比在单位布设LID设施面积下均随着重现期增大而减小。从径流削减方面来看, 在不同的重现期下, 2种方法对径流体积和径流峰值流量的削减情况在单位布设LID设施面积下是不同的, OPUT方法对径流体积的削减在重现期较大时效果更好, 对径流峰值流量的削减随着重现期的增大呈上升趋势并接近FREP方法。从经济方面来考虑, 当2种方法对节点溢流的削减效果近似一致时, OPUT方法和FREP方法成本均随着重现期的增大而增加且OPUT方法的成本均小于FREP方法的。可见对于缓解内涝的LID设施布设需求, OPUT方法具有更佳的内涝缓解效果和经济性。
大语言模型是自然语言处理的核心研究内容之一, 已广泛应用于包括政务在内的诸多领域。首先, 介绍了统计语言模型、神经网络语言模型等早期语言模型的研究进展; 其次, 重点综述了大语言模型研究进展; 最后, 介绍了大语言模型在政务领域的应用情况, 包括政务文本分类、政务问答、政务命名实体识别、舆情风险识别和政务关系抽取, 并提出政务大语言模型研究需要解决的问题, 即数据多模态化、正确面对“模型即服务”趋势、注重数据高安全性、明确责任边界。此外, 还提出了政务大语言模型研究的技术路径。大语言模型正处于蓬勃发展的阶段, 随着中国推动人工智能技术研究及其在政务领域的应用, 大语言模型将在政务领域发挥更大作用。
传统网络拓扑结构逐渐无法适用于云计算、人工智能等新兴应用场景, 亟需设计新型的网络拓扑结构, 但传统的网络模拟器和仿真器已很难满足高带宽、高吞吐的网络场景需要。基于单台可编程交换机的TurboNet框架可以实现高保真的网络拓扑仿真, 但受到不同可编程交换机之间的物理链路带宽限制, 其很难用于多台可编程交换机的网络拓扑仿真。因此, 该文提出一种基于非线性整数规划的求解方法, 在满足物理链路带宽约束的条件下进行网络拓扑划分, 并将划分后的每个子拓扑在单台可编程交换机上使用TurboNet框架进行虚拟端口的映射, 从而实现对更大规模的网络拓扑仿真。在此基础上, 结合网络拓扑仿真场景的特点, 引入Netview框架对TurboNet框架进行拓展, 利用可编程交换机的匹配—动作表表项记录探针转发路径, 从而为网络拓扑仿真引入遥测功能并可支持较长的转发路径。
针对帝王蝶优化算法存在的收敛速度慢、寻优精度低和易陷入局部极值等缺陷, 提出了一种多策略改进的帝王蝶优化算法。首先, 采用正向正态云发生器对父代帝王蝶个体执行非线性云化操作, 增加候选解数量, 提高算法的局部开发能力; 之后, 引入基于凸透镜成像的反向学习策略, 应用到当前最优个体上产生新的个体, 提高算法收敛速度和寻优精度; 最后, 在调整算子中融入自适应策略, 增加种群的多样性, 避免算法陷入局部最优。通过对8个基准测试函数的寻优对比, 以及Wilcoxon秩和检验结果的对比, 发现改进算法具有更好的收敛性能、寻优性能和鲁棒性。与此同时, 通过工程应用中压力容器设计和焊接梁设计的优化对比, 进一步验证了改进算法处理实际工程问题时的优越性。
多标签文本分类(multi-label text classification, MLTC)旨在从预定义的候选标签中选择一个或多个文本相关的类别, 是自然语言处理(natural language processing, NLP)的一项基本任务。前人工作大多基于规范且全面的标注数据集, 而这些规范数据集需要严格的质量控制, 一般很难获取。在真实的标注过程中, 难免会缺失标注一些相关标签, 进而导致不完全标注问题。该文提出了一种基于部分标注的自训练多标签文本分类(partial labeling self-training for multi-label text classification, PST)框架, 该框架利用教师模型自动地给大规模无标注数据分配标签, 同时给不完全标注数据补充缺失标签, 最后再利用这些数据反向更新教师模型。在合成数据集和真实数据集上的实验表明, PST框架兼容现有的各类多标签文本分类模型, 并且可以缓解不完全标注数据对模型的影响。
准确地预测社交网络中的信息扩散节点可以对谣言、计算机病毒等不良信息的传播以及信息泄露做到早检测、早溯源和早抑制。为了提高微观扩散预测精度, 该文提出了一个基于多特征融合和深度学习的微观信息扩散预测通用框架(MFFDLP)。为了获取信息扩散的时序特征, 基于信息扩散序列和社交网络图, 采用门控循环神经网络提取局部时序特征和全局时序特征, 并融合形成信息扩散序列表征; 为了获取用户交互行为和兴趣爱好的动态表示, 根据历史信息构建信息扩散图, 使用级联图注意力网络提取信息扩散子图中节点特征和边特征, 并通过嵌入查找, 融合形成当前信息扩散序列中相应节点的动态扩散表征; 使用双多头注意力机制, 进一步捕获静态和动态扩散特征的上下文信息, 实现了高精度微观扩散预测。在3个公共数据集上的对比实验结果表明：所提方法优于对比方法, 在微观扩散预测的精度上最高提高了9.98%。
信号/参数经过线性变换，再经过逐位非线性变换得到测量值的过程可以抽象为广义线性模型。广义近似消息传递算法是处理广义线性模型的一种Bayes方法，通过引入信号的稀疏先验分布，利用似然函数和先验分布得到后验均值和后验方差。然而，当测量矩阵的元素不服从次Gauss分布时，广义近似消息传递算法性能会急剧恶化。通过奇异值分解，广义酉变换近似消息传递算法消除了测量矩阵的相关性，在包括相关测量矩阵的各类测量矩阵中表现出更强的鲁棒性。然而，经过足够多次迭代后，广义酉变换近似消息传递算法的信号重构误差在平衡点附近振荡；且随着测量矩阵相关性的增加，广义酉变换近似消息传递算法性能开始恶化。为了进一步提高广义酉变换近似消息传递算法的稳健性、改善算法准确性，该文提出自适应广义酉变换近似消息传递算法。该算法通过构造目标函数并自适应选择合适的步长，使得广义酉变换近似消息传递算法能够收敛到平衡点，从而获得更好的性能。大量的数值仿真实验结果验证了自适应广义酉变换近似消息传递算法的有效性。
并行压缩感知磁共振成像(parallel compressive sensing magnetic resonance imaging，p-CSMRI)算法旨在利用多线圈采样的部分k域数据重建原始图像。近些年基于学习的模型驱动p-CSMRI算法以较高的重建质量受到了广泛的关注，然而其先验网络架构通常基于经验设计，缺乏模型可解释性，导致算法收敛性难以分析。因此，该文构建了可证明有界的深度去噪器，并将其作为先验模块融合到模型驱动的p-CSMRI网络中，提出了收敛性可分析的深度展开p-CSMRI算法。首先基于对偶标架结合设计的深度阈值网络，构建了满足有界条件的深度去噪器；其次构建了基于对偶标架的p-CSMRI优化模型，并将对应的迭代步骤展开成了一个可端到端有监督训练的深度神经网络；最后利用可证明有界的先验模块提出了可分析收敛性的算法框架。仿真实验表明，在4倍加速因子下，通过所提算法重建图像的峰值信噪比相较Modl、VN和VS-Net算法分别提高了1.70、1.45和0.46 dB。该文从理论层面证明了构建的深度去噪器满足有界条件，并分析了所提算法的收敛性。
在航空飞机数字化装配过程中，需要对装配环境中的运动调姿机构的运动能力和靶标测量机构的测量能力进行仿真，以确保调姿机构实现给定运动空间的灵活调姿及测量机构实现对目标测量点的无遮挡、高精度测量，从而测控结合完成装配。而航空领域常用的仿真平台如DELMIA、CATIA和SA等，目前无法实现结合设备位置规划、运动控制评估和测量场分析的综合仿真。为了在同一体系下实现航空装配数字化测控系统的综合仿真，该文提出一种基于机器人建模的航空装配测控仿真分析方法。将数字化装配环境中的零部件及工装、调姿机构、测量机构、环境干扰物体等关键要素在机器人仿真平台中分别建模为不同的机器人，进而按照装配需求编写控制程序，使系统按照需求控制各个机器人联合运动执行仿真分析，以完成测控算法验证，并可进一步设置动态优化问题对测调参数、测量设备站位等现有仿真平台难仿信息进行优化。以高遮挡环境下的多个激光跟踪仪对大量测量点的联合测量可达性仿真分析和多激光跟踪仪站位仿真规划为例，阐述了测量机构的机器人建模方法、仿真系统的搭建方法、仿真激光测量系统的原理和站位规划的实施方式, 验证了所提方法的可行性。该方法简单、高效，当环境改变时可快速重规划。
传统线激光视觉传感器受到相机景深的限制，高精度测量范围有限。通过倾斜镜头以满足Scheimpflug定律，能在视觉传感器内建立恒聚焦光路，使可见范围均清晰成像。该文针对改进后的线激光视觉传感器，提出了一套完整且有效的标定方案。相机内参标定方面，建立了倾斜相机成像模型，并提出了新的参数初值获取方法和非线性优化流程。光平面标定方面，设计了双台阶形状的新标定靶物，只需要采集一次标志物轮廓信息就能通过最优化求解快速完成光平面标定。实际测量结果显示，完成标定的传感器对标准陶瓷量块尺寸的检测偏差均值约为0.028 0 mm，表明该文提出的标定方案可靠有效，符合实际应用需求。
