课程文献中心 更多>>

关键词： 客观分类   异常降水   大气环流   东亚-太平洋遥相关型  

摘要： 基于1979-2022年CN01逐日降水再分析资料及ERA5全球大气再分析资料,分别使用自编码器(Autoencoder)方法识别了贵州地区暖季异常降水,自组织映射(Self-organizing Map, SOM)对识别结果进行客观分类,并通过统计、诊断等方法讨论了相关环流异常及水汽输送特征。结果表明:(1)贵州异常降水空间分布可客观分为北部型、全省强降水型、南部型及东部型共4类。时间统计发现,异常降水在年际尺度上主要集中于6月中旬至7月下旬,且4类降水型均表现出强烈的年际变率特征。从年代际变化来看,20世纪90年代及2010年以后是异常降水的高发时期。(2)4类异常降水型均受高纬阻塞形势及东亚-太平洋遥相关型的共同影响。在此背景下,西太平洋副热带高压异常西伸,南亚高压增强。西太平洋异常反气旋西北侧的偏南气流为贵州地区提供了持续的水汽输送与汇聚条件;同时,强盛的南亚高压通过加强高层辐散,诱导贵州上空对流层中低层产生强烈的动力辐合,从而为降水的发生提供了优越的水汽及动力条件。(3)4类异常降水型对应的环流配置存在差异,在500 hPa高度场上,阿拉伯半岛东伸脊与印度半岛北部负变高中心的相对位置差异,导致下游西风槽位置偏移,叠加西太平洋副热带高压位置差异,共同驱动了贵州雨带分布差异化。除了大尺度背景外,中尺度环流配置分析表明西南涡生成位置及频数在不同降水型中亦有不同。其中,北部型异常降水受西南涡影响最为显著,超过50%降水日伴有西南涡活动,且西南涡位置明显偏北。

关键词： 网络安全   大语言模型   检索增强生成   Sigma规则   MITRE ATT&CK   威胁检测  

摘要： Sigma规则是描述日志检测逻辑的通用格式,MITRE ATT&CK框架则以“战术-技术”结构归纳对手行为,实现两者的自动映射对于威胁检测具有重要意义。然而,Sigma规则语义分散,且常覆盖多个技术标签,现有方法难以兼顾效率与准确性。针对这一问题,大语言模型为此类跨域语义映射提供了新的技术路径,但通用模型受限于领域知识储备,仍难以可靠地区分细粒度技术标签。为此,提出了RAG-S2A框架,通过BM25与稠密检索融合召回候选,结合多正样本对比学习与困难负样本挖掘实现领域语义对齐,将检索准确率从20.26%提升至72.75%。相较于F1为26.69%的BERT多标签分类基线,该方法在Qwen3-4B上取得60.59%的F1。结果表明,检索增强与领域适配的结合能够有效提升资源受限模型在该任务上的映射精度。

关键词： 多智能体系统   图神经网络   多智能体强化学习   控制障碍函数   安全约束  

摘要： 大规模环境下多智能体系统运动控制中,传统多智能体强化学习难以严格满足安全约束,而控制障碍函数方法适应性差且缺乏策略优化能力。针对这一问题,提出一种基于多智能体强化学习与图控制障碍函数(GCBF)的分布式安全控制框架GMARL-GCBF(Graph-based Multi-Agent Reinforcement Learning with Graph Control Barrier Functions)。该框架通过图神经网络(GNN)对策略网络和价值评估网络进行参数化,引入标称控制器保障可达性,并结合GCBF强化安全约束。此外,将控制策略学习构建为带约束优化问题,采用拉格朗日方法转化为无约束问题,并引入动态权重系数平衡安全性与可达性。实验结果表明,相较于GCBF框架和多智能体深度确定性策略梯度算法(MADDPG),GMARL-GCBF框架在二维环境中不同智能体数量场景下的任务成功率分别最高提升约29.98和88.16个百分点,在三维环境中分别提升约2.18和53.62个百分点,并且在增加移动障碍物的二维环境中相较于GCBF和其改进版本GCBF+分别提升约23.75和13.75个百分点。可见,所提框架在智能体数量增多、障碍物复杂的大规模动态环境中具备更强的分布式决策能力、可扩展性与适应性。

关键词： (I,N)-重叠函数   重叠函数   模糊蕴涵   模糊否  

摘要： 作为一类新型聚合算子,重叠函数与模糊蕴涵及模糊否定密切相关.一些模糊蕴涵(如RO蕴涵)可以由重叠函数派生而得.反过来,一个自然的问题是:重叠函数能否也可以由模糊蕴涵和模糊否派生而得?目前为止,关于此问题的研究成果还较为少见.为此,本文专门研究此问题.主要集中研究如何利用模糊蕴涵I和模糊否N派生出(I,N)-重叠函数OI,N的方法.还讨论了自同构对由模糊蕴涵与模糊否诱导出的(I,N)-重叠函数的影响.

关键词： 远震P波接收函数   地壳结构   沉积层   倾斜莫霍面   各向异性  

摘要： 远震 P 波接收函数已成为探测深部结构的重要地球物理观测,被广泛应用于壳幔边界识别、沉积层厚度估算等研究。从单台接收函数主要震相中提取地壳结构,具有不依赖于台阵布局、高效便捷等优点,成为宽频地震探测的优选方式之一。本文通过对主要单台接收函数分析方法的原理和应用案例对比发现:经典H-κ方法比较适用于接收函数谐波特征不明显的稳定地块。当存在沉积盖层时,贯序H-κ方法效果较好。H-κ-θ方法适用于莫霍面倾向明确的盆山转换带。在无明显莫霍面倾斜的构造块体内部,JOF(联合目标函数方法)可用于确定地壳各向异性。当接收函数谐波特征较强时,可以考虑H-κ-c(通用H-κ)、JTPCM(联合剪切偏振分量最小化)或DA-H-κ(倾斜各向异性地壳H-κ)方法。选用与区域构造环境不匹配的方法会引起结果的偏差。本文的分析有助于用户了解不同方法的适用性,以便在实际应用中合理选用不同方法,获得更可靠的地壳结构。

关键词： 回转误差   圆度误差   三点法   谐波抑制  

摘要： 为了提高主轴回转精度控制,设计了一种基于三点法误差分离权函数的主轴回转圆度误差分析方法。在构建误差分离模型中,利用多变量目标寻优方法,确定了能够对回转误差实现在线测试的特征参数。研究结果表明:本次测试按照等间距的形式从各周350个采样点内确定表2的36个采样点。主轴回转误差结合圆度误差测试数据,在基圆半径为43μm下形成了具有正态分布特征的随机数。采用本文分离程序精确复现了回转与圆度误差。评定圆度和回转误差,分离前后圆度和回转误差参数结果分离精度值小于1%,满足实际应用要求。该研究显著提升了误差分离效果,可以将主轴回转误差和圆度误差实现准确分离,具有很好的实际推广价值。

关键词： 组装物料   配送优化   ALNS算法   模拟退火算法   配送总成本  

摘要： 为降低飞机组装物料配送的总成本,提出一种基于成本函数和模拟退火改进ALNS的飞机组装物料配送方法;首先,综合考虑飞机组装物料配送的小车启动成本、运行成本、送达时间惩罚成本,以最小化飞机组装物料配送总成本为目标,构建目标函数与约束条件;然后在ALNS算法中引入成本函数和模拟退火算法,提出改进ALNS算法;最后采用改进ALNS算法对目标函数进行求解,并在仿真模型上验证;结果表明,所提方法在仿真模型上求解的飞机组装物料配送方案,调用车辆为3辆,平均配送小车启动成本为45元,运行成本为251元,送达时间惩罚成本为0元,总成本为296元;相较于其他方法,调用车辆更少,总成本更低;由此得出,所提方法可减少飞机组装物料配送总成本,为实现飞机组装物料配送优化提供了参考。

关键词： 索力测量   同伦映射   无量纲分析   全阶频率   刚性索  

摘要： 针对刚性索考虑弯曲刚度后频率方程呈非线性超越形式、难以显式求解导致精度与效率难以兼顾的问题,提出一种基于同伦映射的索力显式计算方法。首先,通过时空变换建立以无量纲索力为唯一控制参数的无量纲振动方程,使系统频率解在参数空间内连续存在,并确保索力反演结果的唯一性;随后,构建连接欧拉梁与张紧弦两个极限状态的梁-弦同伦模型,统一描述不同索力水平下刚性索的动力学行为;继而,引入同伦函数表征索力与弯曲刚度的耦合效应,并以弦理论索力为映射变量,将依赖未知索力的隐式求解问题显化为派生函数逼近问题;最后,采用最小二乘法对前10阶派生函数进行多项式拟合,得到形式简洁的索力显式近似公式,并结合理论误差分析、有限元仿真和实桥测试进行验证。理论误差分析表明,当误差阈值取1%、2%和5%时,前10阶频率对应的无量纲参数ξ下界分别为3.9、3.2和2.3,对更高阶频率适用边界随阶次平方根增长;有限元算例中索力计算误差均控制在1%以内;武陵山大桥实测结果表明,基于前20阶频率计算得到的索力均值进行频率反演,频率最大误差为0.52%,均方根误差为0.20%。该方法可实现刚性索频率方程的显式近似求解,在工程常见参数范围内具有良好的精度和适用性,可为刚性索索力快速识别与在线监测提供简明有效的分析工具。

关键词： 量子电路映射   混合量子鲸鱼-差分进化算法   差分进化   量子态编码与干涉机制   含噪声中等规模量子  

摘要： 在含噪声中等规模量子(noisy intermediate-scale quantum, NISQ)时代,硬件拓扑约束与算法噪声敏感性共同制约量子电路映射效率,传统启发式优化算法因离散编码机制难以精确表征量子位纠缠关系,导致搜索收敛过早且开销居高不下.针对上述问题,提出混合量子鲸鱼-差分进化算法(hybrid quantum whale-differential evolution algorithm, HQW-DEA),并将其应用于量子电路映射优化中.采用希尔伯特空间连续编码表征映射个体;结合量子理论设计三重协同优化机制,其中量子干涉收敛完成当前态与最优态的叠加定向搜索;量子随机搜索利用可控扰动增强全局探索能力;量子螺旋追踪结合旋转门调整实现自适应步长控制.同时,算法设计非线性自适应因子以平衡搜索步长,引入差分进化量子变异,利用量子并行性克服噪声,实现全局-局部协同优化.实验结果表明,相较于传统优化算法, HQW-DEA在量子电路映射中展现了更高效率:在IBM Qiskit与Quantinuum t|ket>环境下, SWAP数量平均分别降低37.03%与48.35%, CNOT数量平均分别降低14.54%与13.73%,显著减少深度膨胀与噪声累积,阐释改进算法突破离散编码限制和有效提升映射效率的能力.

关键词： 深度学习   伪装目标检测   损失函数   组合策略  

摘要： 基于深度学习的伪装目标检测是计算机视觉领域的重要研究方向,其目标是精准高效地识别与周围环境高度融合的伪装目标。但伪装目标检测面临着前景 背景差异小、边缘模糊、上下文碎片化及预测不确定性等4类核心难题。针对这些问题,研究者们大多从网络架构入手进行改进,而较少从损失函数等非结构化方面进行改进。损失函数是基于深度学习的检测方法的重要组成部分。损失函数的优化设计可以从根本上提升网络的检测效果,并且损失函数与网络结构无关,可以即插即用地应用于各种网络模型和检测任务中。本文从伪装目标检测任务的四大核心挑战出发,系统综述了针对这些挑战的损失函数设计原理、演进及其优缺点,其次在统一的实现与训练协议下,对常用像素级损失进行了跨数据集的定量比较,并评估了若干边界增强组合对结构与边界质量的改进效果。基于理论与实验证据,本文还讨论了损失函数的加权合策略、工程化参数选择与现实场景下的泛化问题提出了可操作的建议。