摘要:

摘要:为了提高功率分流式混合动力汽车（hybrid electric vehicle,HEV）的经济性，建立了HEV整车的纵向动力学模型，并提出了一种基于策略熵优化的改进近端策略优化（proximal policy optimization,PPO）算法的能量管理策略（energy management strategy,EMS）。在一般PPO算法基础上，通过采用经验池机制简化算法框架，只使用1个深度神经网络进行交互训练和更新，以减少策略网络参数同步的复杂性；为了有效探索环境并学习更高效的策略，在损失函数中增加策略熵，以促进智能体在 探索与利用之间达到平衡，避免策略过早收敛至局部最优解。结果表明，这种基于单策略网络改进PPO算法的EMS相比于基于双策略网络PPO的EMS，在UDDS工况和NEDC工况下，均能更好地维持电池的荷电状态（state of charge,SOC），同时等效燃油消耗分别降低了8.5%和1.4%，并取得了与基于动态规划（dynamic programming,DP）算法的EMS相近的节能效果。所提改进PPO算法能有效提高HEV的燃油经济性，可为HEV的EMS设计与开发提供参考。

摘要:为了解决单一交通数据缺失值插补模型不能全面地考虑交通数据多源异构、数据量复杂等问题，提出一种基于信息熵来确定自适应权重的多分类器插值模型。首先，选择表示“混乱度”的信息熵来衡量预测结果的优劣进而确定多分类器的权重；其次，设计动态的自适应权重设定方法来解决设备差异性引起的不同样本适应的分类器不同的问题；最后，在公共数据集与自采数据集上进行验证。结果表明：所提模型相较于其他插值模型在检测效果上取得了显著的提升，并且在公开数据集“州际公路交通流量数据集”上进行的实验也取得了较高精度，F1达到0.778，RMSE提升10%，具有较强的泛化性。在使用信息熵确定权重模型的基础上，使权重跟随数据流自适应变化，具有较快的检测速度和更高的准确度，为交通数据清洗中缺失值填补模型的建立提供了技术参考。

摘要:为提升交通时序数据异常识别能力，构建了一种混合模型。第一，融合多头注意力、残差及概率稀疏自注意力机制，形成全局特征识别（global feature recognition,GFR）模块，增强模型对全局特征的识别能力，有效降低计算复杂度 ；第二，将膨胀卷积与多尺度卷积相结合，形成局部特征识别(local feature recognition,LFR)模块，进一步优化模型局部特征的提取能力；第三，引入Free- Running训练策略，提升模型的鲁棒性；第四，将上述特征识别模块和训练策略与LSTM相结合，并将自注意力机制的结果替代LSTM的输入门控，以优化长序列的记忆效果，同时进一步降低计算复杂度；最后，采用多元高斯分布概率函数对异常进行判别。结果表明，每在LSTM基础上增加1个模块，所提模型的预测和异常检测能力均有提升；与常见的Transformer-Bi-LSTM混合模型相比，所提模型在预测能力上更为出色，且计算复杂度更低。所提模型在交通时序数据的全局和局部异常识别上高效、可靠，为提升交通系统的运行效率和安全性提供了参考。

摘要:针对银纳米颗粒（Ag NPs)催化剂在亚甲基蓝（methylene blue,MB）催化还原反应中高催化性与易回收性难以平衡的问题，制备了纤维素基载银水凝胶（TOC-CMC-Ag），对MB的催化还原性能进行研究。首先，以氧化纤维素（oxidized cellulose,TOC）和羧甲基纤维素（carboymethyl cellulose,CMC）为原料，环氧氯丙烷(epichlorohydrin,ECH)为交联剂，制备TOC-CMC水凝胶，研究CMC取代度对溶胀、吸附性能的影响；然后，以吸附性能最好的TOC-CMC水凝胶为载体，通过原位还原法制备TOC-CMC-Ag，并进行透射电镜和X射线光电子能谱表征；最后，研究TOC-CMC-Ag对MB的催化还原性能。结果表明，TOC-CMC-Ag能在4 min内完全还原MB，且在7次循环使用后仍可使MB得到完全还原。所制备的兼具高催化性与易回收性的载银水凝胶，为开发综合性能优异的催化还原催化剂提供了新途径。

摘要:石墨相氮化碳（g-C₃N₄）是一种晶体结构与石墨相似的碳基共轭聚合物材料，在光催化抗菌领域展现出独有的潜力。然而，g-C₃N₄光催化剂存在光生电子（e^-）和光生空穴(h⁺)易复合、太阳光吸收不全、比表面积小、吸附性差等问题，导致光催化效率低，影响了抗菌效果。采用形貌调控、贵金属沉积、元素掺杂、异质结构建等手段对g-C₃N₄进行功能化改性，可激发g-C₃N₄的抗菌潜力。对g-C₃N₄光催化抗菌性能的优化策略进行了详细介绍，重点综述了g-C₃N₄光催化抗菌特性在水消毒、抗菌敷料、抗菌纺织物、食品包装方面的应用研究现状，指出目前g-C₃N₄光催化抗菌剂开发面临的问题。为应对日益严峻的微生物污染挑战，其未来研究可从以下几个方面展开：1）深化活性氧（ROS）对细菌细胞膜破坏，细胞内蛋白质、DNA损伤等具体机制的研究；2）探索g-C₃N₄对耐药菌、常用真菌等广谱菌的抗菌应用研究；3）提升g-C₃N₄在不同环境下的适应性。

摘要:为了建立有效的木质纤维素预处理工艺，解构其复杂结构并提高多糖组分的酶解效能，使用氯化胆碱(choline chloride,ChCl)和甘油(glycerol,Gly)合成绿色的低共熔溶剂(deep eutectic solvent,DES)，对玉米秸秆进行预处理，比较不同合成条件下的DES对秸秆的解构效果，并在体系中添加辅助剂强化预处理。结果表明：向ChCl和Gly物质的量比为1∶2的DES中添加质量分数为1%的H₂SO₄，于120 ℃下预处理3 h后葡聚糖含量由33.4%（质量分数，下同）提高至51.2%，木聚糖和木质素脱除率分别达到86.7%和39.0%；预处理残渣酶解72 h后的葡萄糖和可发酵糖产量较高，每100 g秸杆中分别得到29.0 g葡萄糖和30.7 g可发酵糖。因此，H₂SO₄辅助DES体系对木聚糖和木质素有较好的脱除效果，为秸秆酶解效率提升和可发酵糖高效制备打下了基础；所建立的绿色高效预处理工艺，可为中国储量丰富的农业秸秆高值转化提供基础数据和技术支撑。

摘要:为了探究美拉德反应和多酚氧化对食品体系褐变及抗氧化能力的交互作用，以不同糖-氨基酸为反应模型，研究了3种膳食多酚（芹菜素、柚皮素、槲皮素）对热模型体系中美拉德反应产物（Maillard reaction products，MRPs）褐变强度、抗氧化能力和抗肿瘤细胞增殖活性的影响。结果表明：于120 ℃加热60 min时，果糖比葡萄糖褐变得更快，且果糖-氨基酸模型的MRPs对2,2-联苯基-1-苦基肼基（DPPH）和［2,2′-联氮-双(3-乙基苯并噻唑啉-6-磺酸)二胺盐］（ABTS）自由基的清除率高于葡萄糖-氨基酸模型，但其抗氧化活性与褐变强度之间并未体现相关性；添加不同的多酚对RKO人结肠癌细胞系具有不同的抗增殖活性，芹菜素的抗增殖活性能力最高，为62.57%，而槲皮素的抗增殖活性能力最低，仅为14.23%。在热模型体系中，添加膳食多酚可实现对美拉德反应的有效控制，为其在食品中的应用提供了理论参考。

摘要:为了解决有机与非有机牛奶中差异挥发性化合物不明确的问题，采用气相色谱-离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）法结合化学计量学分析对荷斯坦牛、娟姗牛和牦牛生产的有机和非有机牛奶中挥发性化合物进行比较分析。结果表明：共检出41种化合物，有机和非有机牛奶之间的代谢组成相似度高，牦牛奶与荷斯坦牛奶、娟姗牛奶的代谢特征差异显著；筛查出罗勒烯、丁酮、2,5-二甲基呋喃、正丙醇、2-乙基-6-甲基吡嗪、5-甲基-3-庚酮等化合物可作为区分有机和非有机牛奶的差异化合物。本研究对有机牛奶和非有机牛奶的差异特征进行了表征，可为有机牛奶的真实性鉴别提供数据支持。

摘要:为了解决高速公路建设期碳排放预测不精准的问题，提出了粒子群优化(particle swarm optimization,PSO)算法优化BP(back propagation)神经网络预测碳排放的方法。采用层次分析法（analytic hierarchy process,AHP）从工程长度层、工程建设层、能源消耗层与材料消耗层4个维度凝练出路线长度、路基长度、路面长度、隧道长度、桥涵长度、互通区长度、挖方量、填方量、柴油消耗量、水泥消耗量、碎石消耗量和钢筋消耗量12个关键指标；获取36个高速公路项目数据作为模型训练的实证样本，结合误差指标进行对比分析。结果表明，所得PSO-BP模型R2为0.974，BP模型R²为0.890，前者更接近于1；与生命周期法结果相比较，PSO-BP比未优化的BP与真实值之间偏差更小。划分的4个维度层和选择的12个关键指标使得在高速公路设计规划阶段即可预测得到建设期的碳排放，为高速公路的低碳建设提供了参考。

摘要:

摘要:针对深度学习算法无法兼容设备检测及新样本收集、检测时效性及泛化能力差的瓶颈，提出了一种基于SURF特征改进的传统模板匹配检测算法。首先，使用SURF算法对图像进行特征提取，采用乘积量化理论构建搜索树，结合特征点空间位置信息快速筛选匹配点；其次，根据匹配点获取单应性矩阵和仿射变换矩阵，通过两矩阵结合筛选“内点”进行偏移量计算并执行图像配准；最后，结合局部缺陷密度度量法思想，综合区域前景及区域背景加权方式计算缺陷密度，通过缺陷密度判定标签是否合格，同时针对小字符特征少又含有局部偏移的场景，使用改进方法避免误判。结果表明，所提算法在自建数据集上的准确率、召回率及F1分别为98.67%、97.69%及98.18%，均优于主流方法，在设备上实际应用时满足实时性要求。该算法能有效提升特征点稳定性和检测精度，为其实际应用提供了技术参考。

摘要:为提高职位推荐准确率，基于求职者和招聘者在“浏览岗位→投递简历→招聘者反馈”等环节表现出的行为隐含的求聘双方偏好信息，提出了一种融合知识图谱的多行为职位推荐模型（multi-behavior job recommendation integrating knowledge graph，MB-JRIKG）。该方法基于真实的职位数据构建求职领域知识图谱，并在偏好传播理论的基础上提出多行为偏好传播策略，将求聘各环节中“招聘者认可”设为目标行为，求职者浏览岗位和投递简历设定为辅助行为，综合预测求职者的偏好。首先，分别以用户在不同行为下的历史记录作为用户感兴趣的种子集，并在知识图谱中沿着节点之间的关系进行偏好传播以推理出用户的潜在偏好，增强用户表示；然后，将用户表示向量和职位表示向量输入预测函数中，计算用户在每个行为类型下的交互概率，并加权求和作为目标行为的交互概率；最后，使用阿里巴巴人岗智能匹配的比赛数据集进行点击率预测实验。结果表明，在与MF、XGBoost、KGCN、RippleNet 4个基准模型的对比中，MB-JRIKG相比次优基准模型RippleNet在指标AUC和ACC上分别提高了0.014 5和0.028 8，验证了模型的有效性，实现了数据的充分利用。该模型有效结合求聘双方的交互行为进行推荐，引入职位知识图谱的属性关联，对实现个性化的职位推荐有参考价值。

摘要:针对现有模型在处理开源软件供应链中复杂依赖关系和潜在威胁路径时过于简化，难以应对大数据时代背景下网络系统中的开源风险问题，提出基于攻防博弈的网络系统动态风险评估模型。首先，整合系统拓扑结构信息、开源组件信息以及漏洞信息构建开源风险传播知识图谱；其次，基于知识图谱设计威胁路径生成算法以获取威胁路径，并评估其潜在风险，确定最大可能威胁路径；最后，引入随机博弈的思想，建立基于风险博弈的网络系统风险评估模型NSRAM-RG，分析攻防双方针对最大可能威胁路径的博弈行为，动态更新知识图谱，并依据双方效用函数来量化评估网络系统的风险。结果表明，所提模型的评估结果与真实值的拟合程度优于HMM（隐马尔可夫模型）和AHP（层次分析法），能够更准确地反映系统的风险变化。所提模型能够有效地量化评估系统中的开源风险，为开源软件供应链的安全管理提供了新的思路。