关键词： 情态词   应该   汉语   多义消解   机制  

摘要： 情态词“应该”具有认识和道义情态的多义性。疑问句、时体标记、否定词以及情态词连用四种方式则可以消解其多义性。“应该”的现实/非现实性特征与时体标记、否定词消解方式相关，极性特征则解释了疑问句及特定否定结构中“应该”的解读倾向；而连用时句法层级特征则导致“应该”的语义受其他情态词的影响。

关键词： 女频有声小说   收听动机   语义网络   情感补偿  

摘要： 耳朵经济和网络文学的蓬勃发展的当下,有声读物顺应了当下“碎片化阅读”+“陪伴感满足”的消费需求,成为互联网新的行业热点和风口。女性文学在整个网络文学发展之中占据了举足轻重的地位,而女频有声小说成为新时代耳朵经济发展之下的重要表现形式。那么女频有声小说何以吸引并留住用户?用户是基于怎样的消费动机持续收听? 本研究运用词频分析法与语义网络法,对喜马拉雅FM平台女频栏目有声小说的用户评论进行量化分析探讨用户的收听动机,并结合深度访谈进一步深化对用户收听深层动机的研究。研究发现,女频有声小说通过声音传递故事,满足用户对于故事情节和声音演绎的初始需求。在收听的过程中,用户倾向于与主播或其他社交关系建立互动联结,通过动态页面展示方式促进点赞、评论、分享及收藏等互动行为,进一步强化了用户的收听习惯,属于显性的收听动机。此外,场景再造也是用户选择收听女频有声小说的重要因素,包括如“加速”催更与“减速”沉浸等时间和空间的维度,以及声音元素搭建的媒介场景等。基于互动与场景的要素之上,用户的深层动机主要体现为情感补偿。通过收听女频有声小说,用户能够短暂体验不同角色的魅力和人生百态,实现情感的共鸣和自我修补。这种短暂的情感补偿功能是女频有声小说的独特魅力所在,也是用户持续收听的重要动力。研究还发现,现代社会的不确定性使得个人情感需求更加凸显,而女频有声小说以其便利的形式和独特的媒介特性,传递故事的情感价值,为用户提供短暂的安慰。本研究试图通过词频分析和深度访谈的方法,构建了用户收听女频有声小说的动机模型,为理解用户收听动机和推动有声读物市场的发展提供了理论支持和实践指导。

关键词： 生产调度   遗传算法   机械制造  

摘要： 随着市场竞争加剧,对生产效率的要求越来越高,制造业中生产调度管理的重要性越来越突出。典型的机械制造企业机加车间,面临计划不合理、交付延期、资源负载失衡、计划与实际脱节等大量问题,严重降低了生产效率、提高了生产成本。针对这些问题,本文深入研究了生产调度优化的理论和方法,构建了生产调度优化算法框架,并针对A公司机加车间的具体情况提出了切实可行的优化方案并给出了合理化实施建议。 首先,本文对生产调度管理的国内外研究现状进行了全面梳理,明确了当前研究的主要方向与不足,并阐述了研究内容及方法。其次,本文详细介绍了生产调度与遗传算法的相关理论基础,为后续模型的构建和算法的设计提供了扎实的理论支撑。通过对A公司机加车间生产调度管理现状的深入调研,识别出其生产调度中存在的核心问题,并基于此构建了生产调度优化模型。该模型综合考虑了成本、交期、负载均衡等多个目标,通过改进的遗传算法进行求解,有效解决了多目标优化问题。最后,在实例验证部分,以A公司机加车间的实际生产数据为基础,运用所构建的模型与算法,对生产调度方案进行了优化。 本文利用Python语言编程实现了遗传算法的求解,并以A公司机加车间的实际生产数据为基础进行了验证。根据A公司的实际情况,设置了具体的多目标均衡的系数配置,在机加车间模拟生产验证中(涉及20项关键工件、12个生产班组),通过遗传算法优化了关键路径,较传统调度方法运行成本降低了8.73%;缩短了订单平均交付周期,延迟惩罚成本从152.85万降至87.99万,降低了42.44%;负载均衡换算成本不变,综合成本降低了10.88%。受限于工件对加工班组的范围限制及加工工件数量,本文算法在负载均衡方面的优化效果不明显。实例优化结果验证了算法在复杂调度场景中的有效性。并从资源配置、应急响应机制、成本管控三个方面提出了调度优化实施路径建议,不仅能解决A公司当前面临的问题,还能培养企业持续优化的能力,并且对同类企业具有一定的借鉴意义。

摘要： 二次函数中的动点问题主要有以下五种考查类型：多边形面积问题、线段最值问题、特殊多边形(如等腰三角形、平行四边形等)存在性问题、角度存在性问题，以及相似和全等三角形存在性问题.本文中对二次函数中定直线与动点产生的多边形面积问题，给出了割补法、相似法、切线法及间距公式法四种求解策略.1 策略一：利用割补法求解分割、补形是几何图形中的常见处理方式，此方法的要点在于把多边形进行适当的割或补，分割成若干个或补全为一个有利于表示面积的图形.

关键词： 乡村治理   项目悬浮   社会赋权  

摘要： 作为一种中国特色的政策执行机制，项目化治理在推动我国农村基层治理现代化过程中发挥了极其重要的作用，但政策执行中的项目“悬浮”现象也屡见不鲜。考察皖南N村美丽乡村建设的经验发现，一些以政府为主导的农村基础性项目建设工程在形式上看似已经完工、但实际上仍“悬浮”于社会公众之上，未能有效满足社会发展和治理需求，偏离了最初的政策设计目标。从社会赋权理论切入，建立“情境—结构—主体”框架能够对项目“悬浮”的产生进行学理解释。“挤压型”情境下的设计使得项目目标模糊，“形式化”的结构缺乏有效监督加剧执行过程偏差，村民的信任感缺失与离场最终促成了项目的“悬浮”。要提升国家美丽乡村建设政策的效能，需突出政策执行的互动性、协调性、自主性、有效性，构建情境适配、机制整合与主体协同的治理新路径。

关键词： 深度强化学习   机器人   路径规划   人工神经网络   逆运动学  

摘要： 路径规划是机器人运动控制的重要环节,传统的路径规划方法具有可靠性高、可解释性强的优点,但后续的规划难以利用先前的经验,路径长度难以被进一步优化;基于深度强化学习的路径规划方法能够自主探索可行的路径,但训练时间较长。逆运动学求解是机器人控制的关键步骤,传统的逆运动学求解方法适用于满足一定构型条件的机器人,难以兼顾实时性和高精度的要求;基于人工神经网络的求逆解方法能够快速求出逆解。本文借助RRT-star、深度强化学习、贪婪策略、人工神经网络等技术,针对机器人路径规划任务所涉及的路径规划和逆运动学求解问题开展了较深入的研究。主要研究工作如下: 首先,针对笛卡尔空间路径规划问题,提出了一种基于通道引导的融合式路径规划结构(TRD)。该结构将RRT-star模块提供的可行路径放入DRL模块的记忆库中,指导DRL前期的探索;基于RRT-star模块提供的可行路径,为智能体构建通道,鼓励智能体沿着通道运动。该结构可以引导智能体到达终点并避开障碍物,不断优化路径长度,促进最优策略的学习。 其次,针对现有的融合式路径规划方法中,难以设计合适的奖励函数,DRL探索受限的问题,为TRD结构设计了合适的奖励函数。该奖励函数有助于引导智能体尽快收敛到最优路径。 然后,针对冗余自由度机器人在求逆解任务中面临的复杂情况,提出了一种基于贪婪策略的融合式机器人IK求解结构(G-ANN-IKS)。该结构利用贪婪策略模块优化能量消耗和避开障碍物,利用ANN-IKS模块求出满足精度要求的IK解。为减少能量消耗,G-ANN-IKS结构起先仅允许调整离发生碰撞的连杆最近的关节,若无法找到可行的逆解,则允许调整该关节及其邻近关节,进行新的尝试。 最后,为了验证上述工作,在七自由度的机械臂上进行了仿真和实物实验。实验结果表明,TRD结构能规划出无碰撞的路径,并进一步优化了路径长度;G-ANN-IKS结构具有良好的避障性能和能量优化性能,还具有较高的求逆解成功率。

关键词： Neural networks  

摘要： To address the challenges of high-dimensional features, large computational demand, and difficulty in improving the accuracy of secondary return water temperature prediction models for heat stations, a secondary return water temperature prediction model based on the xtreme gradient boosting-artifical neural network(XGBoost-ANN) was proposed. The feature screening layer uses XGBoost algorithm to calculate the importance scores of the original data features and determine the main features that affect the secondary backwater temperature, thus reducing the complexity of the model and improving the computational efficiency. Three layers of feedforward ANN were trained by Bayesian regularization algorithm as the secondary backwater temperature prediction layer, and the initial weights and thresholds of the ANN model were optimized by grey wolf optimizer (GWO) algorithm. The weights and thresholds of the ANN model were represented by grey wolf position vector. The fitness function was introduced to evaluate the performance of each set of weights and thresholds to help the model avoid falling into local optimality at the initial stage of training, so as to improve the performance and generalization ability of the model. Experimental results demonstrate that the constructed XGBoost-GWO-ANN secondary return water temperature prediction model achieved significant improvements. Compared to the model before feature filtering, the root mean squared error(RMSE) is reduced by 26. 8%, the R2 is increased by 11. 3%, and the model inference time is shortened by 46. 1% . Furthermore, the optimization of the initial ANN weights and thresholds using the GWO algorithm improve the RMSE by 20. 0% and the R2 by 3. 4% compared to the unoptimized ANN model. These results indicate that the accuracy and generalization ability of the proposed prediction model are effectively enhanced. © 2025 Beijing Kexue Jishu yu Gongcheng Zazhishe. All rights reserved.

关键词： 深度神经网络   阿维菌素B1a   响应面法   遗传算法   深度学习   智能化优化  

摘要： 【背景】阿维菌素是一种高效的生物杀虫剂和抗寄生虫药物，其中B1a组分活性最好，是评估阿维链霉菌（Streptomyces avermitilis）发酵水平的主要指标，培养基成分对其发酵产量具有显著影响。传统优化方法如响应面法（response surface methodology, RSM）在处理复杂非线性系统时，仍存在一定的局限性，因此亟需更高效的优化策略。【目的】优化阿维菌素B1a的发酵培养基成分，以提高其产量，并比较RSM与深度神经网络（deep neural network, DNN）模型的预测性能和优化效果。【方法】首先采用Plackett-Burman设计筛选出关键因子酵母粉、黄豆饼粉及碳酸钙，并通过最陡爬坡试验进一步确定优化范围。随后，基于Box-Behnken响应面法构建数学模型，同时，使用Python编程语言和PyTorch深度学习框架构建DNN模型，并将遗传算法引入DNN建模过程，对培养基关键成分的配比组合进行优化，旨在最大化阿维菌素B1a的产量。【结果】RSM与DNN这2种方法均可用于阿维菌素B1a发酵培养基的建模与优化，但DNN模型的预测准确度及拟合能力显著优于RSM模型，其决定系数、平均绝对误差、平均绝对百分比误差、均方根误差分别为0.999 9、0.048 8、0.105 1%、0.114 9，均显示出较低的预测误差。通过DNN优化得到的发酵培养基中，关键成分酵母粉、黄豆饼粉和碳酸钙的最优浓度分别为5.44、5.52、6.69 g/L，其余成分[玉米淀粉60.00 g/L、玉米粉10.00 g/L、CoCl2·6H2O 0.02 g/L、（NH4）2SO40.25 g/L]保持初始培养基的原有浓度，对应的B1a产量预测值为62.47 mg/L，实验值为（62.23±1.38） mg/L，较初始培养基产量（16.21±0.63） mg/L提高2.84倍。采用沙普利可加性解释方法进行特征重要性分析，结果表明，碳酸钙对模型预测结果的影响最为显著。【结论】构建的DNN与RSM的协同优化体系，实现了对阿维菌素B1a发酵培养基关键成分（酵母粉、黄豆饼粉、碳酸钙）浓度的精准优化。这种“智能算法与经典试验设计融合”的研究范式，为发酵培养基优化提供了一种具有推广价值的方法学框架。

关键词： 制冷机房   优化控制   遗传算法   负荷预测  

摘要： 随着公共建筑能耗占比的持续攀升,中央空调系统作为能耗核心单元,其能效优化对实现“双碳”目标至关重要。本研究以广东省佛山市某大型商场中央空调系统为研究对象,通过数据驱动建模与智能优化算法,提出系统性能效提升策略,旨在解决空调系统高能耗问题,响应国家节能减排政策。 本文对某商场制冷机房空调系统全年运行数据进行采集分析,对全年8784组小时数据和典型日86400组分钟数据构建了三级数据清洗机制,采用热平衡方程验证、四分位法离群值处理及缺失数据插补等方法进行数据处理,确保数据可靠性。分析研究结果表明,机房实际运行情况与设计目标偏离,无法预测负荷、全年控制策略固定不变、机组出现制冷量超调现象。为进一步提高机组能效,解决制冷量超调现象问题,本文对机组运行策略进行优化。建立了基于冷冻水供水温度与冷却水回水温度之差及部分负荷率（PLR）的非线性能耗模型,结果显示主机模型调整后决定系数R2达0.997;对水泵与冷却塔分别构建了流量-功率、频率-功率的二次函数模型,并构建冷却塔频率-散热量模型以满足优化模型闭环的需要;采用LSBoost集成学习方法,融合室外温湿度时序特征建立负荷预测模型,为优化控制策略的实现提供理论基础。 最后,综合已建立的各个设备模型得出能耗目标优化函数,采用遗传算法进行寻优,根据输入的制冷量及室外湿球温度求解出最优机组搭配方式、最佳运行的各个温度、冷却塔运行台数及运行频率。优化后系统总功率降低8.2%～16.0%,其中夏季高负荷工况节能效果显著（如8月6日节能13.4%）,过渡季平均节能9.6%。 本文研究可为制冷机房的节能优化提供参考,具有一定的可行性和实用性。

关键词： 超构透镜   中红外波段   人工神经网络   消色差  

摘要： 超构透镜作为一种基于超构表面的平面光学元件,利用亚波长尺度的结构单元对光场进行多维调控,突破了传统折射透镜依赖相位累积的物理限制,实现了光学系统的平面化与微型化革新。中红外波段广泛应用于分子振动指纹识别、热辐射成像及气体检测等领域中,但传统的中红外光学系统体积庞大且像差校正复杂。超构透镜通过设计精巧的纳米天线排列方式,在亚波长尺寸内操控振幅、相位及偏振态,为缩小中红外光学系统器件尺寸、实现轻量化提供了一种解决方案。 近年来,深度学习与人工神经网络技术通过多层非线性映射机制,显著提升了高维数据特征提取与复杂模式识别能力。基于深度神经网络模型通过端到端学习策略,实现了从原始特征到目标属性的精准映射。这种“数据驱动设计”模式突破了传统光学设计的物理约束,为超构透镜在实现动态调控、宽谱消色差等功能的发展注入了新活力。 本文在中红外波段设计了多款入射偏振不敏感超构透镜,采用二氧化硅作为衬底材料,硅作为介质材料。通过优化不同半径尺寸超构透镜的设计焦距与仿真焦距之间的误差,设计了工作波长为4μm,半径为100μm的超构透镜,实现了最优焦距为302μm,聚焦效率为70.72%,最小误差仅为0.0013%的功能。该项工作为设计同类结构超构透镜提供了快速准确的设计方法,有助于提高中红外波段超构透镜的设计精度。针对超构透镜在宽波段成像中的色差问题,本报告结合深度学习设计了一款中红外宽带连续消色差超构透镜,该超构透镜使用二氧化硅作为衬底,由两个硅纳米柱特定排列组合。基于几何相位调控原理对超构单元进行优化,设计了工作波段为3.6～3.8μm、半径为50μm、焦距为250μm的宽带消色差超构透镜。基于深度学习方法提高了超构单元的设计优化效率,该项工作为实现中红外宽带连续消色差超构透镜提供了新的设计理念和技术支持。