关键词： 收入极化   共同富裕   收入流动性   分配制度   脱贫攻坚   城乡区域发展  

摘要： 共同富裕是社会主义的本质要求，是中国式现代化的重要特征。为了研究如何制度性消解收入极化的问题，进而促进共同富裕，构建了收入极化“形成—扩大—固化”和中国“消解收入极化”的理论机制，测度了中国居民收入极化水平的变动趋势，并对收入极化及其消解的理论机制进行了实证检验。研究发现，2012-2020年中国居民收入极化水平呈“降—升—降”的变动趋势；家庭禀赋、社会环境是收入极化形成的主要因素；家庭优势积累、地区发展差异导致的马太效应使收入极化出现动态扩大的趋势；收入两端的居民流动性差异则成为收入极化固化的潜在机制。研究表明，中国具有消解收入极化的独特制度优势，再分配和第三次分配均对居民市场收入的极化水平起到了显著调节作用，脱贫攻坚战则提高了贫困居民收入增长速度，畅通了向上流动通道；中国应该发挥社会主义制度优势，通过优化收入分配格局、缩小地区和城乡收入差距以及健全收入调节机制等消解收入极化问题，进而促进全体人民共同富裕。

关键词： 氟化铵   铪   铌   钽   锆   基体改进剂   电感耦合等离子体质谱法(ICP-MS)  

摘要： 地球化学勘查样品中Hf、Nb、Ta和Zr等高场强元素的准确分析是揭示岩石成岩演化的重要前提。本文采用氟化铵固态熔融消解法与三乙胺基体改进剂增敏技术相结合，建立了电感耦合等离子体质谱法(ICP-MS)测定地球化学勘查样品中Hf、Nb、Ta和Zr的方法。样品的预处理分为两步，首先在氟化铵与样品质量比为6∶1的情况下，于240℃熔融样品2.5 h,然后添加一定量的高氯酸溶解、蒸发，加入硝酸以及少量盐酸复溶，再蒸发，可以实现样品的完全消解。将溶液蒸发至近干后，用硝酸复溶，加入2%(体积分数，下同)硝酸-0.2%氢氟酸体系为测定介质以避免Nb、Ta等元素的水解或聚合。以10%三乙胺作为基体改进剂进行测定，Hf、Nb、Ta、Zr的归一化信号强度获得了1.8、12.5、2.9以及3.3倍的增强。各元素校准曲线的线性相关系数均大于0.999,方法的检出限为2.23～22.7μg/kg,定量限为7.43～75.8μg/kg。按照实验方法对土壤、岩石、水系沉积物标准物质中Hf、Nb、Ta、Zr进行分析，每个样品平行测定12次，结果表明，测定值与认定值基本相符，测定平均值和标准值之间的对数偏差(ΔlgC)均小于0.05,相对误差(RE)为-1.7%～8.0%,相对标准偏差(RSD,n=12)为1.7%～9.0%,满足行业标准规范DZ/T 0167—2006中准确度要求。选择2个河南豫北地区土壤样品，分别按照实验方法与标准方法GB/T 14506.30—2010中氢氟酸-硝酸封闭酸溶-ICP-MS进行测定，每个样品平行测定6次，结果表明，两种方法测定结果基本一致，实验方法分析结果的相对标准偏差为1.5%～6.1%。

关键词： V上/下”构式   认知语法   认知语义观   概念隐喻   语义网络   基于使用的模型  

摘要： 在现代汉语中,构式“V上/下”作为一种特殊而常见的语言现象被汉语学界广泛关注。长久以来,学者们对“上/下”相关的研究重点聚焦于与“上/下”相关的构式,例如“N+上/下”(方位词)和“上/下+N”(方位词或动词),“V+上/下(趋向动词)”,从概念隐喻,构式,具身认知等角度为方位词“上/下”在不同构式中的引申用法作出了解释。部分学者分别对“V+上/下”的语义延申和不对称性进行了解释,尝试为该构式寻找认知理据,但关于构式“V+上/下”的分类与解释缺少大量的语言事实作为支撑。 鉴于此,本文受认知语法范式的启发,尝试借助基于使用的模型解释“上/下”在构式“V+上/下”中的范畴变化过程,借助BCC语料库对“V+上/下”的分布情况进行描写和解释,以期解决以下核心问题: (1)如何对“V+上/下”进行系统的分类? (2)如何对“V+上/下”的分类进行解释? (3)“V+上/下”结构的语义扩展如何对“上/下”的语义网络进行丰富和补充? 根据研究和分析,本文得出以下结论: 第一,通过对语料的筛选和分析,本文发现“V+上/下”共有5种构式意义,即位移义、完成义、结果义、持续义、实现义。第二,构式意义与V的语义特征和性质密切相关、同时也受到“上/下”发生概念隐喻所涉及的认知域(空间域、时间域、社会关系域、状态域等)、“上/下”后接的成分性质,以及语境等因素的综合影响。“上/下”从基本的方位意义出发向动词义、趋向动词义以及状态义不断延申。“V上/下”在编码不同类型的事件和动作状态时,“上/下”语法化的程度和功能作用存在差异,对“上/下”的语义网络进行了补充。第三,顺序扫描,概念隐喻、识解、基于使用的模型等认知语言学的核心概念以及Vendler(1957,1967)对动词情状的分类,可以较好地解释“上/下”在与不同性质的动词组合时所编码的意义范畴的差异。 本文的研究主要有以下几点主要贡献: 第一,前辈学者对于“V+上/下”的语义分类尚未达成共识,本文基于大量真实语料,结合V和“上/下”各自的语义特点进一步考察了“V+上/下”的不同语义类型之间的共性和差异,对该构式的分类和描写进行了补充和完善。第二,本文尝试从认知语法视角出发,为“V+上/下”编码的不同语义范畴提供了系统的解释,对“上/下”语义网络进行了补充和完善。第三,“V+上/下”的语义表达纷繁复杂,本文对构式“V+上/下”使用理据的解释为该构式在对外汉语教学和翻译中的应用提供一些参考。

关键词： 神经网络结构搜索   进化算法   搜索空间   多目标优化  

摘要： 近年来,随着人工设计的神经网络架构在深度学习各个领域展现出显著成效,神经网络结构搜索(Neural Architecture Search,NAS)作为一种自动化设计高性能网络的方法逐渐成为学术界与工业界的研究热点。传统神经网络设计依赖于专家经验与反复试错,这种方法不仅耗时耗力,而且难以保证获得全局最优解。特别是在目标检测任务中,模型需要在精度和效率之间找到平衡点。例如,在医疗手术器械检测中,为了确保手术过程的安全性和准确性,算法必须能够实时处理内窥镜视频流中的高帧率、形态多样的器械以及复杂的光照条件;而在工业缺陷检测中,则需要面对稀少的缺陷样本、背景噪声干扰以及生产线上的实时性需求。 尽管基于强化学习、贝叶斯优化等方法的NAS技术已经在某些方面取得了进展,但其仍然面临搜索效率低、多目标优化失衡等挑战。为此,本文聚焦于基于进化计算的NAS算法研究,探索其在目标检测任务中的优化潜力,旨在通过自动化搜索策略生成高效、鲁棒的神经网络架构,从而推动智能检测系统的实际应用。针对上述问题,国内外学者提出了多种解决方案,包括基于权重共享的OneShot方法、动态参考向量生成等策略,然而如何有效地结合进化算法的全局搜索优势与硬件感知的动态约束仍然是一个亟待解决的问题。 首先,我们详细讨论了现有NAS技术的局限性及其改进方向。NAS的一个主要挑战在于庞大的搜索空间导致的计算成本高昂。此外,多目标优化过程中精度与效率之间的权衡机制尚未完善。为了解决这些问题,本研究引入了进化计算的思想,这种思想源于自然界的选择理论,并被广泛应用于工程学、经济学等多个领域。通过模拟生物进化的自然选择过程,进化算法能够在广阔的搜索空间中快速定位到潜在的最优解集,这为NAS提供了新的视角。本文围绕基于进化计算的NAS算法展开深入研究,重点解决了目标检测中的多目标优化与搜索效率问题。具体而言,本文的主要研究内容及创新点如下: (1)对于手术器械检测任务,我们提出了一种基于OneShot方法的进化神经结构搜索算法。该算法通过权重共享与动态路径丢弃策略来降低计算开销,并结合进化算法的搜索策略增强复杂场景下的特征提取能力,以应对内窥镜视频流中可能出现的各种挑战。为了进一步提升搜索效率,本文还探讨了一种创新编码策略。通过对搜索空间进行有效的编码表示,可以大幅减少不必要的计算负担,同时提高搜索过程的稳定性。实验结果表明,这些技术的应用显著提升了搜索效率,并在医疗器械检测数据集M2CAI16-Tool-Locations上验证了所提算法的有效性。实验结果显示,改进后的模型在手术器械检测中的mAP@0.5达到了98%,相较于基线方法提高了1.6%-3%,误检率以及漏检率也有显著降低。 (2)针对工业缺陷检测任务,我们设计了一个多目标进化框架ADEA-NAS,引入自适应分解机制与硬件感知约束,实现对模型精度、参数量与推理速度之间的动态平衡。ADEA-NAS引入了动态参考向量生成机制,允许根据当前种群的Pareto front调整参考向量方向,从而更精确地匹配工业数据集的复杂性并提高搜索效率;硬件感知动态约束机制能够实时监控GPU内存使用和推理延迟,并据此动态调整模型结构以适应资源限制;可变长度基因链编码支持网络结构的灵活配置,降低了搜索空间的复杂度;SimAM注意力机制增强了特征提取能力,特别是对于低对比度和小尺寸缺陷的检测。实验结果表明,在NEU-DET钢材表面缺陷数据集上,ADEA-NAS达到了91.4%的mAP,超过了Auto NAS(90.1%)和YOLOv5s(85.6%)等竞争对手。同时,它保持了轻量化(仅2.8M参数)和高推理速度(60 FPS),非常适合边缘设备部署。训练时间仅为6.5小时,远低于基于强化学习的方法如Proxyless NAS所需的280 GPU天(约11,200小时)。此外,ADEA-NAS在大面积缺陷检测中几乎无漏检情况,少量误检对整体影响较小,而在小面积缺陷检测中也能较好地识别出多个缺陷,尽管在某些情况下由于光照和材质反光的影响可能会出现漏检现象。这些成果不仅展示了进化计算在NAS领域的巨大潜力,也为解决现实世界中的复杂检测任务提供了新的思路。 本研究通过将进化计算与NAS技术深度融合,不仅为自动化设计高效网络架构提供了新思路,还进一步拓展了其在医疗、工业等领域的应用价值。未来的研究方向将探索跨任务知识迁移、轻量化注意力模块集成等前沿技术,致力于构建更加智能、通用的目标检测解决方案,以满足不断增长的实际需求和技术挑战。同时,我们也期待看到更多关于如何有效利用进化算法解决NAS过程中遇到的具体问题的研究成果出现,共同推动这一领域的进步与发展。此外,我们将继续关注新兴的人工智能技术趋势,以及它们如何影响未来的NAS研究。总之,我们的目标是不断创

关键词： 风云四号气象卫星   太阳能光伏发电预测   深度学习   人工神经网络   多模型融合  

摘要： 全球能源结构加速转型，太阳能因清洁、可持续等特性，在能源领域的地位愈发关键。然而，太阳能光伏发电受气象因素干扰明显，精确预测其发电量极具挑战。风云四号气象卫星能以多波段、高分辨率、高频次采集太阳辐射、云层分布等关键气象数据，为光伏发电预测提供有力支持。研究聚焦深度学习、人工神经网络以及多模型融合方法在基于风云四号卫星资料的光伏发电预测中的应用进展，深入挖掘卫星数据与光伏发电量间的复杂关联，旨在提升预测精准度，增强电力系统对太阳能的消纳能力，促进清洁能源产业稳健发展，为全球能源转型贡献力量。

关键词： 遗传算法   机器学习   配合比   优化   成本  

摘要： 运用MATLAB遗传算法(Genetic Algorithm，GA)在混凝土原材料配合比优化后所形成的成本结果中寻求最优解，以达到在实际项目运营中达到降本增效的成果。本文依据普通混凝土设计规程对原材料进行条件约束，以混凝土配合比及成本为优化目标，对项目A及项目B的C30混凝土配合比进行优化，并将优化后的配合比进行成本测算，C30混凝土的单方成本最高可节省12.65元。

关键词： 桥梁   车流荷载   机器视觉   人工神经网络   注意力机制  

摘要： 面对日益复杂且快速变化的运营车辆荷载,桥梁与道路等基础设施的长期服役安全性能和耐久性能面临严峻挑战,而传统的动态称重技术难以获取速度、车辆分布等关键参数。因此,发展基于机器视觉的车流荷载识别技术、精准掌握车流荷载特性,对于桥梁健康监测、道路维护管理具有重要意义。为此,本文选取了两个代表性应用场景,发展出两种车流荷载识别方法,并通过数值模拟和原位测试验证了这两种方法的准确性和有效性,具体研究内容及主要结论如下。 (1)根据车流荷载机器视觉识别的基本特点和主要需求,对比多个检测模型种类,最后综合速度和精度优势,选择基于One-Stage架构的YOLOv8目标检测模型。在此基础上,为了对车辆速度进行动态识别,Byte Track算法作为用于识别车流轨迹的目标跟踪算法。 (2)建立了基于摄像视频机器视觉、ETC数据融合匹配、微观车流虚实混合模拟的时空车流荷载全天时识别方法。实桥测试表明:该方法多目标识别准确率≥92%,货车与轿车识别准确率≥96%;同时使用多帧识别与多帧匹配时,使得光照不良车牌识别准确率达到了90%;ANN模型对夜间车辆车轴位置识别偏差为横桥向0.4m和纵桥向0.5m。进一步地,计算挠度与监测挠度比对结果表明,该时程匹配效果在全天时段具有良好优异性,能够进行大范围工程应用。 (3)针对车流荷载识别中所遇到的小目标检测问题,在模型层面上通过注意力机制改进了YOLOv8目标检测模型。测试结果表明:注入注意力机制模块的模型相较于原模型F1-Score提升了3.5%,AP提升了8.9%,m AP提升了2%,实现了模型的性能提升和索塔摄像区域车辆目标识别。在此基础上,采用人工对真实图片标注的形式构建了一个扩充的数据集用于训练改进模型,在多目标识别准确度上达到了91.8%,货车识别精度达到了91.9%,为桥梁和路面性能评估奠定了坚实的基础。

关键词： 多品种生产   单元混联制造系统   混合流水   遗传算法   生产调度  

摘要： 同一产线的构建与生产调度多采用统一策略,未充分考虑订单规模差异对产线构建和调度带来的影响。本文基于某企业单元混联制造系统,在多品种生产场景下提出了产线差异化的构建与调度策略,并根据订单特性将订单划分为更加侧重交期控制和批量大小的大批量订单和更加强调柔性生产的小批量订单,同时在资源约束条件下研究复合产线布局并进行生产调度。研究内容主要包括: 首先,针对传统流水线构建方法在大小批量共存的情况下难以实现单元混联制造系统构建的问题,基于多品种生产模式的特点,建立了产线构建的数学模型;在此基础上,设计了基于K-Means聚类的订单批量划分方法,并提出了不同批量大小分类下的单元划分策略。在大批量生产中,采用贪婪算法解决流水线构建问题;而在小批量生产中,采用混合流水的形式进行产线构建。通过算例分析验证所提出的产线构建方案的可行性与有效性。 其次,在多品种生产环境下,研究单元混联制造系统的静态调度问题。建立了以最小化完工时间为目标的静态调度模型。针对小批量订单设计了一种改进混合模拟退火遗传算法(Improved Simulated Annealing Genetic Algorithm,ISAGA)进行求解;针对大批量订单,通过枚举法找到最优调度方案,以减少空闲单元,提高生产效率。算例验证中,大批量订单的最大完工时间得到了有效缩减,同时ISAGA在最终适应度值上相比对比算法最高提高了2.33%。 第三,在多品种小批量生产环境下,针对设备故障和紧急插单两类扰动,建立小批量订单下单元混联制造系统的动态调度模型,并利用事件驱动确定调度时机,同时采用完全重调度、右移重调度和尾插式重调度三种策略进行扰动处理;除原有的完工时间优化外,引入总拖期作为优化指标,并采用改进的非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)进行多目标求解。算例分析中证明了提出的重调度方案的合理性以及改进算法的有效性。 最后,以单元混联制造系统的产线构建和生产调度为基础,基于Spring Boot2.7和VUE 3框架实现单元混联制造系统的生产调度原型系统。测试结果表明,该原型系统能实现相关算法功能并将结果进行展示。

关键词： 移动风墙   风场模拟   控制算法   BP神经网络   遗传算法  

摘要： 在低空无人机研发与测试领域,精确模拟复杂多变的风场环境是一项极具挑战性的任务。湍流的不规则性与复杂性对风场模拟设备的精度、控制算法的适应性提出了严苛要求,传统技术在实现高精度、动态风场模拟方面存在明显局限性,难以满足无人机性能测试的实际需求。本研究以实现低空无人机工作环境风场的高精度模拟为核心目标,致力于设计并搭建有别于传统低速风洞的移动风墙实验装置,并构建高效可靠的控制模型,为无人机性能测试提供稳定、精准的实验环境。 本文首先结合湍流控制理论及移动风墙工作原理,确定了采用基于遗传算法改进的反向传播神经网络模型(Back propagation neural network,BPNN)拟合移动风墙控制参数与输出风场特征的技术方案。其次,围绕移动风墙的设计综合考虑实际应用场景与功能需求,确定了系统的总体设计方案与结构框架,采用模块化设计思想规划各功能模块。最后设计了移动风墙的实验方案并开展风场模拟实验,进行数据测量与分析,完成了控制算法的参数配置与训练优化。 本文通过微缩模型的搭建成功验证了移动风墙的设计方案,有效地实现了对均匀风场及常见非均匀风场的模拟,并对控制输入具有高精度响应;针对BP神经网络模型的缺陷,使用遗传算法对初始权值矩阵及偏置进行了全局寻优,有效地降低了预测误差并显著提高了收敛速度。 本文的研究成果为低空无人机风场模拟与性能测试提供了技术途径,但在复杂环境适应性、反馈控制响应速度等方面仍有提升空间,后续将通过多算法融合、拓展实验场景等方式进一步优化改进。