-
基于循环自编码器与属性子集约简的学业表现增强型预测分析与决策方法
教育在社会中发挥着至关重要的作用,其通过人力资本推动经济增长、降低犯罪率并提升整体福祉。当前,预测建模在各行动分支的决策程序中扮演关键角色。传统识别学业风险学生的技术往往依赖反应性事件,这些事件仅在学业复杂性已然显现后才发生,通常已来不及规避失败或退学。由人工
来源:Ain Shams Engineering Journal
时间:2026-02-02
-
一种具有方向与作动约束的近最优反馈姿态机动的几何方法
及时且精确的航天器再定向机动在许多任务场景中经常被要求。其中一些包括特定的方向约束,例如需要避免会损坏轨道望远镜光学仪器的明亮光源。本研究关注旨在快速机动(slewing maneuvers)的反馈姿态控制(feedback attitude control)
来源:Acta Astronautica
时间:2026-02-02
-
一种用于求解平面多片几何上高阶偏微分方程的等几何撕裂与互联(IETI)方法
研究人员提出了一种新颖的方法,用于求解平面多片几何上具有可能奇异顶点的高阶偏微分方程(PDEs),该方法基于m阶多调和方程(m ≥ 1,一种特定的2m阶线性椭圆偏微分方程)进行演示。研究人员的方案基于等几何撕裂与互联(IETI)的概念,并允许将偏微分方程的数值
来源:Computer Methods in Applied Mechanics and Engineering
时间:2026-02-02
-
使用光滑粒子流体动力学方法的大应变可压缩粘弹性中一阶守恒律的对称化和双曲性
本文提出了一种新的用于大应变粘弹性固体的带有松弛(或耗散)项的一阶双曲框架(first-order hyperbolic framework)。该框架基于可压缩Maxwell型粘弹性模型,并整合了线动量守恒(linear momentum conservati
来源:Computer Methods in Applied Mechanics and Engineering
时间:2026-02-02
-
基于代理增强的高阶特征应变降阶均匀化方法用于多晶塑性
降阶模型(Reduced-order models, ROMs)经常被用于并发多尺度框架中,以提高非线性模拟的效率,并减轻与直接非线性均匀化方法相关的巨大计算开销。其中,基于变换场分析(Transformation Field Analysis, TFA)的R
来源:Computer Methods in Applied Mechanics and Engineering
时间:2026-02-02
-
一种用于三维等几何分析边界元离散化的光滑变化求积方法:在斯托克斯流模拟中的应用
研究人员引入了一种新的适用于等几何分析(Isogeometric Analysis, IgA)边界元(Boundary Element Method, BEM)离散化的求积策略,特别针对配点法(collocation method)进行了定制。得益于维数降低和
来源:Computer Methods in Applied Mechanics and Engineering
时间:2026-02-02
-
基础设施可见性在社会创新过程中的作用:通过基础设施化稳定新的社会物质关系
为了增加公民和地方行动者对德国能源转型的参与,正在发生重大变化。这引发了关于市政当局与公民之间合作潜力以及能源基础设施在促进合作中的作用的疑问。基于在德国萨克森-安哈尔特州两个市政当局进行的定性访谈,本文阐述了社会能源创新(SIE)与基础设施可见性的不同方法如
来源:Energy Research & Social Science
时间:2026-02-02
-
用于垃圾焚烧发电中CO<sub>2</sub>捕集的化学链燃烧:一项技术经济分析
来自垃圾焚烧发电(waste-to-energy, WtE)的碳捕集能够通过许多废弃物中可观份额的生物源碳实现净负排放。化学链燃烧(chemical looping combustion, CLC)通过内在分离CO<sub>2</sub>提供了一条高效的捕集路
来源:Energy Conversion and Management-X
时间:2026-02-02
-
纤维增强水泥基复合材料中的渐进破坏与尺寸效应:一种耦合弹塑性-梯度损伤方法
研究人员致力于对纤维增强水泥基复合材料(Fiber-Reinforced Cementitious Composites, FRCC)的渐进破坏过程和结构尺寸效应(Structural Size Effect)进行数值分析。在耦合弹塑性-梯度损伤方法(Coup
来源:International Journal of Mechanical Sciences
时间:2026-02-02
-
光伏功率预测的可解释优化投票集成方法
准确预测光伏(PV)功率对于提升电网可靠性及优化可再生能源系统能量管理至关重要。研究人员提出一种基于优化集成回归框架以改善PV功率预测。采用三种机器学习模型(长短期记忆网络(LSTM)、卷积长短期记忆网络(CNN-LSTM)与支持向量回归(SVR))生成基线预
来源:Energy and AI
时间:2026-02-02