• 基于运动学数据估算亚急性脑卒中患者步行地面反作用力与压力中心的计算方法的效度验证

  地面反作用力和压力中心对于脑卒中患者的生物力学步态分析至关重要，但传统上需使用测力台测量，限制了其临床可及性。近期开发的计算方法可从运动学步态数据中估算地面反作用力（GRF）和压力中心（CoP），但其在脑卒中患者中的效度尚不明确。本研究评估了两种计算方法在亚急

  来源：Journal of Biomechanics

  时间：2026-10-12

• 基于构网型移动储能预部署与动态调度的配电网鲁棒韧性提升方法

  为了提高配电网（DN）应对极端灾害的韧性，本文提出了一种基于构网型移动储能（GF-MES）预部署与动态调度的鲁棒韧性提升方法。该方法遵循灾前防御（PD）和灾后恢复（PR）框架。在PD阶段，考虑光伏出力不确定性，建立了两阶段鲁棒优化（TS-RO）模型，旨在优化投资成本与负荷削减

  来源：Scientific Reports

  时间：2026-10-12

• 肝移植术后低容量胆汁微黏度测量的视频粒子追踪技术验证与可行性研究

  摘要专业翻译 人体胆汁生物物理性质的可靠量化需要经过分析验证的方法和标准化的分析前条件。研究人员假设，在肝移植（LTx）后的人体胆汁中，胆汁微黏度可以在预定义的分析性能（准确度：与参考值的偏差≤15%；重复性：变异系数CV<10%）下被量化。在这项方法开

  来源：Scientific Reports

  时间：2026-10-12

• GLC-Net：融合全局-局部动量对比学习与关键特征校准的田间植物病害识别方法

  摘要植物病害可能会严重影响作物产量和粮食供应稳定性，这使得准确识别病害对于有效的作物管理至关重要。尽管深度学习已被广泛应用于植物病害识别，但由于类内差异大、类间差异细微以及背景干扰，模型性能在复杂田间环境中可能会下降。为了解决这些挑战，我们提出了 GLC-Net，该模型融合了

  来源：Scientific Reports

  时间：2026-10-12

• 基于GAN-LSTM与Copula方法的主动配电网故障与虚假数据注入攻击检测

  摘要主动配电网（ADPS），包括基于氢的可再生能源单元，正成为现代电力系统的重要组成部分。这些系统将分布式能源与先进的通信技术相结合，以提高效率、灵活性和可靠性。然而，它们面临的一个重大挑战是区分设备故障和网络攻击，特别是虚假数据注入（FDI）攻击，这些攻击会严重影响电网性能

  来源：Scientific Reports

  时间：2026-10-12

• 印度农村社区供水基础设施气候韧性评估：基于自下而上参与式混合方法的研究

  摘要印度农村社区的水资源治理具有去中心化和非正式的特征，使其在面对损害当地供水基础设施（WSI）的气候冲击时极为脆弱。本研究评估了当前气候变异性下供水基础设施的韧性，并考察了影响韧性结果的多维度要素。研究采用参与式、自下而上的混合方法，运用"How Tough is WASH

  来源：Scientific Reports

  时间：2026-10-12

• 浅埋大断面煤矿巷道侧向厚硬顶板阵列钻孔定向压裂技术研究

  摘要针对浅埋大断面巷道中侧向厚硬顶板引起的严重围岩行为灾害，提出了一种浅埋大断面煤矿巷道侧向厚硬顶板区定向压裂与顶板预割技术。采用理论分析、数值模拟和现场试验相结合的综合方法，研究了此类顶板区域定向压裂的关键技术。结果表明：与最小主应力方向相比，钻孔方向可作为相对薄弱面，能够

  来源：Scientific Reports

  时间：2026-10-12

• 基于InSAR技术的滑坡地面运动速率多因素统计相关性分析——降雨为主导驱动因素

  ## 摘要 本研究探讨了塞浦路斯西南部滑坡区域的地面运动速率与地质、地貌、环境及岩土因果因素之间的统计相关性，其中地面运动速率数据源自干涉合成孔径雷达（InSAR）的分析结果。该分析利用多时相干涉合成孔径雷达（MT-InSAR）技术，对现有滑坡目录中记录的活跃型和休眠型滑坡

  来源：Scientific Reports

  时间：2026-10-12

• 基于马尔可夫转移场编码与坐标注意力增强残差网络的钢结构损伤识别方法

  钢结构中的局部损伤往往仅产生微弱的振动响应差异，而测量噪声会进一步降低识别的鲁棒性。为应对上述挑战，本研究提出了一种结合马尔可夫转移场（MTF）编码与坐标注意力增强残差网络的结构损伤识别方法。首先，利用近似等频率分箱将振动响应离散化为有限个状态，并将其转换为MTF图像。随后，

  来源：Scientific Reports

  时间：2026-10-12

• 基于小型语言模型的表格数据集特征选择与生成方法

  摘要在机器学习中，特征空间是一个将数据样本转换为向量以便进行分析和建模的关键框架。因此，机器学习算法所获得的结果在很大程度上取决于选择和生成重要特征的能力。特征生成作为一项核心技术，将原始数据转换为精炼的特征空间，从而促进模型训练并进一步增强其结构。尽管在自动特征选择和特征生

  来源：Scientific Reports

  时间：2026-10-12

知名企业招聘：