-
掺铁的量子点增强了厌氧光异养生物中的协同双循环碳固定能力,从而用于增值产品的合成:这是一种实现高效废水资源化利用并实现净碳减排的创新策略
光催化纳米材料Fe-CQDs通过增强光吸收与电子转移效率,显著提升红不劳森氏菌的光合固碳能力,使CO₂减排达30%,同时提高蛋白质、类胡萝卜素及番茄红素产量29.6%-63.2%。机制研究表明Fe-CQDs的Fe-O-C键优化了能带结构,促进光电子向细胞内转移,协同Calvin-Benson-Bassham循环与还原三羧酸循环实现双碳代谢流优化。
来源:Journal of Cleaner Production
时间:2026-04-06
-
一种基于变压器的方法,用于预测未固定非结构构件的地震摇摆响应
未锚定非结构构件(NSCs)地震响应预测研究,提出基于Transformer的深度学习框架,直接利用楼面加速度时间序列预测NSCs摇摆或倾覆状态,整合构件静力学特征与动态序列特征,相比传统强度指标方法减少信息损失,实现91.12%预测准确率,并快速生成脆弱性曲线与数值模拟结果吻合。
来源:Journal of Building Engineering
时间:2026-04-06
-
一种评估在建筑能效改造项目中采用能源监控系统影响的新方法
本研究提出并验证了一种评估建筑能效改造项目中能源管理系统(EMS)影响的新方法,通过米兰两栋全电办公楼案例,揭示了EMS在提升能源效率、降低成本及减少碳排放方面的作用机制,包括精准的基线评估、优化性能预测和精准的节能措施识别。
来源:ENERGY AND BUILDINGS
时间:2026-04-06
-
开发并验证工作休闲化量表:一项针对导游的混合方法研究
工作休闲化理论构建及量表开发,通过混合方法研究揭示导游工作中休闲元素内化的四个维度(游戏化心态、活动渗透、灵感生成、技术整合),验证量表信效度并拓展溢出理论应用场景。
来源:Journal of Hospitality and Tourism Management
时间:2026-04-06
-
推进固体氧化物电解池研究:基于机器学习和实验数据的方法,用于控制电池堆行为和合成气生产,以实现可持续能源
基于44组实验数据,本研究开发了高精度的XGBoost模型,系统关联了H₂/C比与电流密度等操作参数与CO₂、H₂等六种气体成分及流量的关系,通过SHAP分析揭示了参数对输出的动态影响机制,为CO₂/水共电解质系统的实时优化和控制提供可解释框架。
来源:JOURNAL OF POWER SOURCES
时间:2026-04-06
-
通过原位和准原位表征方法研究了镁合金型材的异质异常晶粒生长行为及其相应的变形机制
镁合金挤压过程中异常晶粒生长机制及变形行为研究基于原位和准原位实验表征,揭示了残余能量梯度主导取向依赖性异常晶粒生长,岛状晶粒引发界面应变失配,纵向拉伸以滑移为主激活棱柱滑移和 pyramid滑移带,横向拉伸则呈现孪生主导的双孪生特征,最终导致裂纹萌生与断裂。
来源:ACTA MATERIALIA
时间:2026-04-06
-
一种适用于非均匀辐照度条件下屋顶光伏系统的自适应列级智能电力优化器,该优化器结合了混合感知技术和黑翼风筝算法
非均匀光照(NUI)导致屋顶光伏系统效率下降,现有方案存在适应性差、硬件复杂、成本高等问题。本文提出智能功率优化器(SPO),采用低开关自适应列级架构和快速收敛的黑翅 kite 算法,通过混合传感技术(模块电压与阵列电流)检测电气失配,无需逐模块光照传感器。实验表明,SPO在3×3、9×9和9×5阵列中较传统方法提升输出功率33.83%、19.35%和15.73%,降低系统成本20-43%和71-73%,经济评估显示年收益提升17-34%,投资回收期短。
-
BoXFire:一种基于几何结构的盒式监督融合方法,用于实现精确的火焰和烟雾分割
火烟雾分割任务中,基于边界框的弱监督学习模型BoXFire通过融合多尺度特征、实例 aware细化模块和动态原型头,显著提升分割精度和泛化能力,在复杂场景下表现优于传统方法。
来源:ADVANCED ENGINEERING INFORMATICS
时间:2026-04-06
-
一种基于替代模型的数据高效结构可靠性方法,该方法采用经过萤火虫优化(Firefly optimization)的深度神经网络:应用于悬挂式钻井立管疏散系统
结构可靠性评估方法整合非线性有限元模拟、萤火虫优化深度神经网络代理模型和蒙特卡洛不确定传播,有效解决高计算成本问题。FA-DNN模型通过多目标萤火虫算法优化超参数,在少量数据下实现非线性响应高精度预测,使蒙特卡洛分析效率提升90%以上,成功应用于深水钻井riser紧急撤离场景的可靠性评估,提供复杂海洋结构通用评估框架。
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY
时间:2026-04-06
-
基于排名意识的持续学习方法在激光雷达场景识别中的应用
基于点云的地方识别在SLAM和自动驾驶中至关重要,但现有深度学习方法易因灾难性遗忘导致性能退化。本文提出KDF框架,通过排名意识的知识蒸馏损失函数保留高阶识别知识,并设计知识融合模块整合新旧模型信息,有效缓解遗忘问题。实验表明KDF在Recall@1和遗忘分数上优于SOTA方法。
来源:ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING
时间:2026-04-06