-
解析沉积碳酸盐中的环境过程:一种动态同位素箱模型方法
摘要:沉积碳酸盐中的碳氧同位素记录(δ13Ccarb和δ18Ocarb)是用于古环境重建的最常用指标之一,不过复杂的叠加过程会使得其解读变得困难。本文提出一种创新的动态箱模型,用以解析δ13Ccarb和δ18Ocarb所反映的环境信息,该模型已在现代湖泊环境中得到应用与验证。我们
来源:Chemical Geology
时间:2026-07-22
-
FDQ-Det:基于频率感知的空间建模与密度引导的微小物体检测方法
摘要AI总结要查看此由AI生成的总结,您需要拥有高级访问权限。了解更多登录摘要摘要微小物体检测面临特征表示有限、背景杂乱以及物体密度差异极大的问题。虽然基于Transformer的检测器能够利用全局上下文,但在密集场景中其物体查询往往存在不稳定性和冗余性。这主要是由于其对高频干扰
来源:ACM Transactions on Multimedia Computing, Communications, and Applications
时间:2026-07-22
-
基于高岭土的3D打印多孔吸附结构在去除水溶性染料中的应用技术
摘要:通过直接墨水书写(3D打印)技术制备了多孔高岭土基吸附剂结构,并在旋转接触器装置中测试了其去除亚甲蓝的能力。研究设计了两种浆料:仅含高岭土的浆料(70 wt%高岭土/30 wt%水)和经淀粉改性的浆料(56 wt%高岭土/14 wt%淀粉/30 wt%水),这两种浆料均具有
来源:Chemical Engineering and Processing - Process Intensification
时间:2026-07-22
-
一种利用超声导波针对不同流型及空隙率下的流体输送管道进行环保型水垢去除的技术
摘要我们提出了一种绿色、连续的流程强化策略,利用泄漏式超声导波来原位去除气液管道中的结晶水垢。该策略采用三维有限元框架,将水平集两相流模型与超声导波传播相结合,根据声压阈值确定管道内壁的“有效空化区域”。通过22.24 kHz的锆钛酸铅换能器进行的空气-水实验验证了这一方法,其除
来源:Chemical Engineering and Processing - Process Intensification
时间:2026-07-22
-
针对存在欺骗攻击和数据包丢失的延迟混沌神经网络,实现基于安全采样数据的估计方法
摘要:本研究旨在针对遭受随机欺骗、虚假数据注入攻击以及信号传输过程中出现的随机数据包丢失问题的延迟混沌神经网络,提出基于采样数据的状态估计方法。该研究采用了双阶段分割策略,通过可变采样输出并利用分数参数α来确保信号的精确更新,从而有效捕捉混沌网络的采样动态,并最大化系统信息利用率
来源:Chaos, Solitons & Fractals
时间:2026-07-22
-
一种结合CALPHAD方法的半解析模型,用于预测多组分合金中的多相共晶生长行为
摘要:共晶结构是一种复合材料,能够展现出优异的机械性能组合。由于这些性能取决于凝固过程中形成的微观结构的尺度,因此有必要利用能够预测这些尺度及其随凝固速率变化的形成条件的模型。本文提出了一种半解析模型,用于计算多组分合金中层状共晶的生长规律,且适用于任意层数的结构。该模型通过与基
-
基于跨域不确定性感知的胸部X光片心脏肥大可靠检测方法
摘要:由于肋骨等解剖结构带来的干扰,从胸部X光片中检测心脏肥大仍是一项具有挑战性的任务,这些结构可能主导深度网络的激活过程,从而降低检测的可靠性。现有方法将准确性、可解释性和不确定性视为相互独立的目标,未能将特征选择与模型置信度联系起来。我们提出了一种跨域不确定性感知注意力(CU
来源:Applied Soft Computing
时间:2026-07-22
-
基于扫描电子显微镜图像的高效数据驱动方法预测多孔酚醛树脂的有效热导率
•与Maxwell–Eucken模型相比,SVR将平均残差降低了约99.9%。•k折交叉验证的结果为R2=0.9737,RMSE=0.002637 W/(m·K)。•ϕ因子具有最高的全局重要性,占比达60.9%;在不同keff范围内,主导因子会有所变化。•采用低成本SEM+SVR
来源:Applied Thermal Engineering
时间:2026-07-22
-
旋转爆震燃烧室流场的快速设计与仿真方法
•提出了一种名为RUSH的超快速模拟方法,该方法通过引入移动等效热源来避免处理复杂的煤油化学反应,从而大幅降低RDC模拟成本。•热源的厚度和温度是主要的校准参数;经过优化的模型能够在多种工作条件下将下游静压平均误差控制在4.4%以内。•该方法已在不同的当量比、高入口压力以及半尺寸
来源:Applied Thermal Engineering
时间:2026-07-22
-
RMTSFMC:一种结合Mamba模型与1D-CNN的反向多尺度时间序列预测方法
摘要
时间序列预测在众多现实领域中至关重要。目前最先进的预测模型大多采用Transformer架构,该架构通过有效建模长距离依赖关系而表现出色。然而,其二次方的计算复杂度限制了实际应用,尤其是在处理长序列任务时,这使得它在资源受限的现实场景中难以发挥作用。状态空间模型(Mam
来源:Applied Soft Computing
时间:2026-07-22