• 基于SSP-RCP情景的中国未来气候与人口变化下的洪水风险预测：一种年龄结构分析方法

  •在未来的气候与人口情景下，分析不同年龄群体面临的洪水风险。•预计到2100年，老年人的洪水风险将增加6.9倍，且超过劳动年龄群体的风险水平。•对于老年人而言，人口结构因素与相互作用效应的影响大于单纯的气候变化影响。•多尺度分析揭示了中国各地的洪水风险高发区域。引言洪水是全球最具

  来源：Journal of Hydrology

  时间：2026-07-20

• 一种结合来自旅行时间反演的高分辨率初始水力传导率场的地质统计反演方法

  •TTI结果会被转化为高分辨率的初始K场，用于地质统计反演。•该工作流程通过无噪声的Herten含水层模拟模型进行评估。•在缺乏准确的地质先验信息时，结合TTI信息的地质统计反演能取得最佳效果。引言水力特性的表征是研究地下水文领域的传统且重要的课题。最初，人们将含水层视为均匀介质

  来源：Journal of Hydrology

  时间：2026-07-20

• 基于LaBO3的复合材料中的自恢复多色机械发光特性，用于构建自供电光学平台及多模式防伪技术

  摘要柔性机械发光复合弹性体在智能健康监测、安全预警以及人机交互领域具有巨大应用潜力。然而，目前大多数这类材料仍依赖紫外线或X射线等预照射源，这大大限制了其实际应用便利性。本研究利用硼酸盐出色的离子掺杂能力，开发出无需预照射的高性能机械发光材料。基于LaBO₃:Re³⁺（Re =

  来源：Journal of Alloys and Compounds

  时间：2026-07-20

• 基于机器学习的双极差分迁移率粒子谱仪数据反演方法

  •针对双极型SMPS数据反演问题，研究了一种两阶段的机器学习框架。•GPR技术无需传统偏置即可准确估算离子迁移率比。•一种新的GBDT-MLP混合模型能够有效获取精确的PNSD数据。•该框架在模拟数据以及实际大气气溶胶数据上均得到了验证。引言差分或扫描迁移率粒子谱仪是一种广泛用于

  来源：Journal of Aerosol Science

  时间：2026-07-20

• IEEE CSS离散事件系统技术委员会[技术活动]

  摘要：本栏目为业界提供各类信息，包括新闻、评论和技术资料，旨在满足从业者和研究人员的兴趣需求。在此，我们想重点介绍长期开展的IEEE控制系统学会杰出讲师计划，并欢迎新任杰出讲师加入。该计划的核心目标是通过CSS支持的成本分摊机制，以合理的费用让全球会员有机会与顶尖的研究人员和从业

  来源：IEEE Open Journal of Control Systems

  时间：2026-07-20

• IEEE CSS控制教育委员会[技术活动]

  摘要：提供各类信息，包括新闻、评述和技术笔记，这些内容对从业者和研究人员具有参考价值。 IEEE控制教育技术委员会致力于推动从预科到高级专业培训各层面的控制教育发展，提高其普及度。该委员会与国际自动控制联合会TC9.4等机构开展全球合作，不断拓展自身网络。近期开展的举措

  来源：IEEE Open Journal of Control Systems

  时间：2026-07-20

• 交通与电网的融合：车网互动技术的进展 [编者按]

  IEEE交通电气化委员会于2024年1月1日正式成立。不过，其起源可追溯到电气工程诞生之初，因为交通运输在某种程度上一直依赖电力。设立专门负责这一领域的委员会的动机，反映了过去20年中交通运输领域的变革——它从以机械工程为主的领域逐渐转变为高度依赖电力的领域。因此，IEEE需要为

  来源：Chinese Journal of Electrical Engineering

  时间：2026-07-20

• 基于声学信号的水轮机单元异常检测方法及改进的含Inception模块的卷积神经网络

  •提出一种结合Inception和ECA的CNN-IM模型，用于水轮机的声学异常检测。•实现无需手动特征处理的端到端检测，且能适应噪声和工况变化。•在真实水电站中验证了该模型的有效性。引言水轮机是水力发电的核心设备，在可再生能源基础设施中起着关键作用[1]。然而，它们往往在条件多

  来源：Applied Acoustics

  时间：2026-07-20

• 基于在线学习的水下声学AFDM通信均衡技术

  •针对水下声学AFDM通信，本文提出了一种基于FCGenNet的AFD-DFE接收机。该FCGenNet结合了LSTM层与残差结构，能够根据当前接收到的信号以及历史决策信息来生成自适应的前馈和反馈滤波器系数，从而提升在时变水下声学信道中的均衡性能。•针对所提出的FCGenNet辅

  来源：Applied Acoustics

  时间：2026-07-20

• U-STAR：基于分布自适应样条与潜在结构学习的异构按需时空数据高效交付时间估算方法

  摘要：在智能决策支持系统中实现精确的行驶时间估算对于优化按需送餐服务至关重要。然而，在缺乏全球导航卫星系统信号的复杂环境中，实际配送数据存在极端的时空异质性，这带来了两大科学挑战。首先是与分布相关的异质性：快递员的行为具有随机性，如等待和绕路，从而导致数据分布不规则。这类不规则性

  来源：Expert Systems with Applications

  时间：2026-07-20

知名企业招聘：