检索结果-南通市图书馆

《离骚》作者辨——兼《离骚》题名、主旨索解

在线全文

学校读者我要写书评

暂无评论

江海学刊 2024年第2期 225-236页

作者：周远斌曲阜师范大学孔子文化研究院

《离骚》是一篇降帝神、巫扮而祀的祭歌,《史记·屈原贾生列传》中关于屈原“忧愁幽思而作《离骚》”的记述与《离骚》雕虫篆刻的祭歌文本不符。《太史公自序》和《报任安书》中关于屈原作《离骚》的语句,有后人窜入之痕迹。司马迁关于... 详细信息

《离骚》是一篇降帝神、巫扮而祀的祭歌,《史记·屈原贾生列传》中关于屈原“忧愁幽思而作《离骚》”的记述与《离骚》雕虫篆刻的祭歌文本不符。《太史公自序》和《报任安书》中关于屈原作《离骚》的语句,有后人窜入之痕迹。司马迁关于屈原作《离骚》的三处著录均不可信,东汉在此基础上的著录亦皆不可信。《离骚》《淮南子》间有内在的渊源关系,诸多雷同句表现出的前者从后者断句取词的迹象表明,《离骚》缘《淮南子》而作。能缘《淮南子》作《离骚》者,唯有刘安,这与荀悦《汉纪·孝武皇帝纪》和高诱《淮南子序》的记载一致。刘安因谋反被诛后,其《离骚》等在汉武帝眼中成了“邪说”的载体。刘向为塑造节士形象,将《离骚》置于屈原名下,并伪造、篡改《屈原贾生列传》等。“离骚”即“骚离”,《说文解字》“骚,摩马”,“离”情状尾词,无实义,“骚离”指骚动不宁之状。《离骚》,刘安受诏而作,但“不可与庄语”,只能以楚辞中突出的言说方式巫语“曼衍”之,以祭歌的“无端崖之辞”反映了“德义不行,则迩者骚离”的社会现实。

关键词：《离骚》作者刘安骚离

在线全文

学校读者我要写书评

暂无评论

对调制识别网络隐身的雷达发射信号生成方法

系统工程与电子技术 2024年第7期46卷 2256-2268页

作者：张瑞斌朱梦韬李云杰北京理工大学信息与电子学院北京100081 电子信息系统复杂电磁环境效应国家重点实验室河南洛阳471003 电磁空间认知与智能控制技术实验室北京100089

雷达对抗场景中,电子侦察系统通过引入基于深度学习方法的智能脉冲调制识别网络,极大提升了对雷达信号的识别准确率。为了提高雷达信号的调制隐身抗识别能力,提出一种可以令深度识别网络错误预测的雷达发射信号生成方法。该方法首先通... 详细信息

雷达对抗场景中,电子侦察系统通过引入基于深度学习方法的智能脉冲调制识别网络,极大提升了对雷达信号的识别准确率。为了提高雷达信号的调制隐身抗识别能力,提出一种可以令深度识别网络错误预测的雷达发射信号生成方法。该方法首先通过短时傅里叶变换得到信号的时频谱;然后迭代生成携带调制隐身信息的时频谱;最后利用改进逆短时傅里叶变换得到时域调制隐身发射信号。该方法生成的雷达信号对以时频图为输入的调制识别网络隐身,并可实现回波信号的脉冲压缩处理。仿真结果验证了所生成信号的抗识别有效性、噪声鲁棒性和脉压可行性。

关键词：雷达发射信号时频分析自动调制分类射频隐身深度神经网络

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于多尺度时空图神经网络的污染物浓度预测

控制与决策 2024年第4期39卷 1396-1402页

作者：廖海斌袁理龚颢巍武汉纺织大学电子与电气工程学院武汉430200

基于深度学习的细粒度污染物浓度预测是一种新兴且具有前景的方法,如何充分利用气象、空间和时间等3大信息是其关键.为了协同融合3大信息,提出一种基于多尺度时空图神经网络的污染物浓度预测模型.该模型利用空气质量模型动态构建多尺度... 详细信息

基于深度学习的细粒度污染物浓度预测是一种新兴且具有前景的方法,如何充分利用气象、空间和时间等3大信息是其关键.为了协同融合3大信息,提出一种基于多尺度时空图神经网络的污染物浓度预测模型.该模型利用空气质量模型动态构建多尺度的时空图神经网络,学习污染物之间的动态时空关系.具体为:利用图神经网络学习污染物之间的多尺度空间关系,采用空气质量模型HYSPLIT构建图的结点和边属性,通过基于注意力机制的GRU(gate recurrent unit)学习污染物浓度之间的时序关系.该模型不仅充分考虑了气象、空间和时间3大影响因素,还将3个因素联动起来统一到一个框架内协同学习.该方法与传统的机理模型方法相比具有灵活部署、易于实施的特点.实际项目数据集和公开数据集上的实验表明:与现有先进的基于图神经网络的方法相比,该方法预测的污染物浓度平均绝对误差降低了0.6左右,对称平均绝对百分比误差降低0.005左右.

关键词：污染物浓度预测时空数据深度学习机理模型图神经网络

在线全文

学校读者我要写书评

暂无评论

基于BIM的自动合规性审查研究综述

土木工程学报 2024年第4期57卷 102-110页

作者：周逸苇王广斌曹冬平同济大学上海200092

随着BIM技术在建筑领域的深度应用,越来越多的建筑设计开始以BIM模型方式进行交付,基于BIM的建筑工程设计自动合规性审查因其客观性、高效性受到理论和实践领域越来越多的关注。文章以基于BIM的自动合规性审查为主题进行综述,在Web of S... 详细信息

随着BIM技术在建筑领域的深度应用,越来越多的建筑设计开始以BIM模型方式进行交付,基于BIM的建筑工程设计自动合规性审查因其客观性、高效性受到理论和实践领域越来越多的关注。文章以基于BIM的自动合规性审查为主题进行综述,在Web of Science核心数据库对建筑领域自动合规性审查相关的研究文献进行全面检索及分析,从基本框架、规范条文信息抽取、BIM模型信息抽取及语义丰富、规范-模型信息匹配、合规性推理等方面对现有基于BIM的自动合规性审查研究进行系统解构,并对未来的研究方向进行讨论。最后,文章指出基于BIM的自动合规性审查在复杂文本信息抽取的性能与深度、模型语义丰富、信息匹配的自动化程度与通用性,以及计算机代码的透明度与灵活性等方面仍面临巨大挑战。

关键词：建筑信息模型自动合规性审查信息抽取语义丰富信息匹配

面向主动配电网实时优化调度的图强化学习方法

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2024年第6期41卷 999-1008页

作者：陈俊斌余涛潘振宁华南理工大学电力学院广东广州510640 广东省电网智能量测与先进计量企业重点实验室广东广州510640

主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性,同时新能源和负荷也给配电网带来了双重不确定性,致使主动配电网的实时优化调度决策维度大、建模精度差.针对这一问题,本文提出结合图神经网络和强化学习的图强化... 详细信息

主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性,同时新能源和负荷也给配电网带来了双重不确定性,致使主动配电网的实时优化调度决策维度大、建模精度差.针对这一问题,本文提出结合图神经网络和强化学习的图强化学习方法,避免对复杂系统的精准建模.首先,将实时优化调度问题表述为马尔可夫决策过程,并将其表述为动态序贯决策问题.其次,提出了基于物理连接关系的图表示方法,用以表达状态量的隐含相关性.随后,提出图强化学习来学习将系统状态图映射到决策输出的最优策略.最后,将图强化学习推广到分布式图强化学习.算例结果表明,图强化学习在最优性和效率方面都取得了更好的效果.

关键词：主动配电网实时优化调度图表示学习图强化学习图神经网络

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

黄土高原径流侵蚀功率输沙模型的改进

农业工程学报 2024年第10期40卷 107-116页

作者：于坤霞李天毅贾路李占斌李鹏丛佩娟李斌斌西安理工大学省部共建西北旱区生态水利国家重点实验室西安710048 西安理工大学旱区生态水文与灾害防治国家林业局重点实验室西安710048 水利部水土保持监测中心北京100053

水土流失对流域生态危害严重,输沙量模拟和预测可以为流域水土流失防治提供依据,因此精确的输沙模型是流域水土流失治理的重要工具。为了精确模拟变化环境下黄土高原年输沙量,该研究基于黄土高原19个水文站的径流和输沙数据,通过随机森... 详细信息

水土流失对流域生态危害严重,输沙量模拟和预测可以为流域水土流失防治提供依据,因此精确的输沙模型是流域水土流失治理的重要工具。为了精确模拟变化环境下黄土高原年输沙量,该研究基于黄土高原19个水文站的径流和输沙数据,通过随机森林变量重要性度量方法评估年径流侵蚀功率、淤地坝指数、淤地坝相对指数、归一化植被指数、不透水地面积等因子对流域年输沙量的影响,使用非线性最小二乘法估算年输沙模型参数,对比分析不同因子组合的年输沙模型精度,提出适用性较强的黄土高原年输沙模型,据此开展年输沙量变化贡献率分析。结果表明:1)以幂函数形式构建的仅含径流侵蚀功率单因子输沙模型精度与流域面积有显著的负相关关系,相关系数为-0.505(P<0.05),模型精度随着流域面积增大而下降,在面积大于7000 km^(2)的流域适用性较差;2)年径流侵蚀功率、淤地坝指数及不透水地面积因子组合建立的多因子年输沙模型在黄土高原适用性最佳,模型在率定期纳什效率系数平均值为0.84,均方根误差平均值为0.21亿t,在验证期纳什系数平均值为0.79,均方根误差平均值为0.27亿t。3)影响研究流域年输沙量变化的因素依次是:年径流侵蚀功率、不透水地面积和淤地坝指数。研究可以为黄土高原不同区域水土流失防治和生态治理工作提供理论支撑。

关键词：侵蚀沙径流年输沙量径流侵蚀功率淤地坝指数不透水地面积贡献率

在线全文

学校读者我要写书评

暂无评论

全球气候指标、气候影响驱动因子与全球变暖

气候变化研究进展 2024年第3期20卷 384-388页

作者：赵宗慈罗勇黄建斌清华大学地球系统科学系北京100084 中国气象局国家气候中心北京100081 中国科学院大学资源环境学院北京100049

在地球系统气候变化研究中,经常考虑全球气候指标,在研究气候影响时,经常用到气候影响驱动因子[1-2],本文简述全球气候指标和气候影响驱动因子,并给出它们与全球变暖和人类强迫的关系。1全球气候指标在气候研究中,使用了许多指标来表征... 详细信息

在地球系统气候变化研究中,经常考虑全球气候指标,在研究气候影响时,经常用到气候影响驱动因子[1-2],本文简述全球气候指标和气候影响驱动因子,并给出它们与全球变暖和人类强迫的关系。1全球气候指标在气候研究中,使用了许多指标来表征和量化由于自然变化或由于系统的长期变化而发生的气候现象的一个或多个方面。

关键词：气候指标全球变暖气候现象驱动因子气候变化研究

基于文献回顾的有色金属冶炼废渣的特征、资源化途径及其安全利用评价

在线全文

学校读者我要写书评

暂无评论

Journal of Central South University 2024年第4期31卷 1178-1196页

作者：徐则林姚佳斌付融冰 Centre for Environmental Risk Management and Remediation of Soil and Groundwater Tongji UniversityShanghai 200092China State Key Laboratory of Pollution Control and Resource Reuse College of Environmental Science and EngineeringTongji UniversityShanghai 200092China Shanghai Institute of Pollution Control and Ecological Security Shanghai 200092China

冶炼废渣作为冶炼过程中产生的工业副产物,由于其缺乏安全、合理的防护和管理措施可能导致环境问题。通过全面分析近年来发表的相关文献,本文对有色金属冶炼废渣的特性、资源化利用途径及安全利用评价等方面的最新研究进展进行了介绍。... 详细信息

冶炼废渣作为冶炼过程中产生的工业副产物,由于其缺乏安全、合理的防护和管理措施可能导致环境问题。通过全面分析近年来发表的相关文献,本文对有色金属冶炼废渣的特性、资源化利用途径及安全利用评价等方面的最新研究进展进行了介绍。研究结果表明,不同的原生精矿、冶炼条件和冶炼类型决定了冶炼废渣的化学和矿物学特征。此外,冶炼废渣在各种资源化利用中表现出极高的灵活性,不仅可以用于金属回收和建筑材料,还可以作为农业肥料和修复剂。同时,本文强调了在各种利用情景下对废渣进行安全性评估的重要性,以降低其潜在环境风险。此外,本文还强调了未来的研究方向,包括建立一种综合且量化的土渣混合体中重金属环境风险评价方法,以及探索更多创新的冶炼废渣资源化利用方法。综上所述,本文对于推动冶炼废渣在环境保护和资源可持续利用方面的研究有重要意义。

关键词：冶炼废渣有色金属废渣特征资源化利用途径安全利用评价

在线全文

学校读者我要写书评

暂无评论

采用快速迁移模型的集成特征选择方法

计算机科学与探索 2024年第2期18卷 496-505页

作者：宁保斌王士同江南大学人工智能与计算机学院江苏无锡214122

相较于传统集成特征选择方法,目前的基于块正则化m×2交叉验证的集成特征选择方法(EFSBCV)不仅具有估计量的方差小于随机m×2交叉验证的方差之特点,而且提高了重要特征的入选概率,降低了噪声特征的入选概率。但EFSBCV所采用的线性回归... 详细信息

相较于传统集成特征选择方法,目前的基于块正则化m×2交叉验证的集成特征选择方法(EFSBCV)不仅具有估计量的方差小于随机m×2交叉验证的方差之特点,而且提高了重要特征的入选概率,降低了噪声特征的入选概率。但EFSBCV所采用的线性回归模型因只有误差项而不包含偏置项,故拟合出来的超平面总是过原点的,因而很容易导致欠拟合,而且EFSBCV没有考虑每个特征子集的重要程度。针对EFSBCV方法存在的这两点问题,提出了基于快速迁移模型的集成特征选择方法(EFSFT)。基本思想是EFSBCV中的基特征选择器采用提出的快速迁移模型,从而引入了偏置项,EFSFT将2m个特征子集作为源知识进行迁移,然后重新量化每个特征子集的权重,加入偏置项的线性模型拟合能力更好。真实数据实验表明,EFSFT相对于EFSBCV,FP平均值降低了58%,证明EFSFT在去除噪声特征方面更具优势。EFSFT相对于最小二乘支持向量机(LSSVM),TP平均值提高了5%,证明EFSFT在筛选重要特征方面更具优势。

关键词：集成特征选择交叉验证迁移学习回归