XiaoMi-AI文件搜索系统
World File Search System得出
同步加速器成像得出定向能量沉积增材制造 IN718 的工艺参数与构建质量之间的关系
激光增材制造正在改变多个工业领域，尤其是定向能量沉积工艺。广泛采用这种新兴技术的一个关键挑战是形成不良的微观结构特征，例如孔隙、裂纹和大的外延晶粒。由于工艺的瞬态性质和涉及的参数数量，建立工艺参数与材料特性之间关系的试错法存在问题。在这项工作中，使用定向能量沉积增材制造 IN718 的工艺参数、熔池几何形状和构建质量测量之间的关系，使用神经网络作为广义回归量以统计稳健的方式进行量化。数据是使用原位同步加速器 x 射线成像获取的，为我们的分析提供了独特而准确的测量值。对重复测量变化的分析显示了异方差误差特性，这些特性可以使用原则性的非线性数据转换方法来解释。分析结果表明，表面粗糙度与熔池几何形状相关，而轨道高度与工艺参数直接相关，表明有潜力直接控制效率和层厚度，同时独立地最小化表面粗糙度。
通过降低定量系统药理学模型来得出基于机制的药效学模型：华法林
摘要定量系统药理学（QSP）模型整合了有关药理学相关过程的全面合理和定量知识。我们以前提出了一种利用QSP模型中知识的第一种方法，以得出基于机制的药效学（PD）模型。它们的复杂性通常仍然太大，无法用于临床数据的人群分析。在这里，我们将方法扩展到了降低状态，还包括简化反应速率，消除反应和分析解决方案。我们还确保减少的模型不仅要维持参考个体的预定近似质量，而且还要用于虚拟人群。我们说明了华法林对血液凝血的影响的扩展方法。使用模型还原方法，我们得出了一种新型的小型华法林/国际标准化比率模型，并揭示了其适合生物标志物识别的能力。由于该方法的系统性质与经验模型构建相比，提出的模型还原算法提供了改进的基本原理，可以从其他应用程序中的QSP模型中构建PD模型。
从其案例历史的全面评估中得出的聚合物凝胶处理尺寸的新设计策略
复兴布朗菲尔德石油生产的动机扩大了在Jection Wells中应用聚合物凝胶处理的利益。实际上，在类似的储层类型中实施的先前补救措施的数量用于大小新作业。这样的基于类比的设计程序迫使基于全面的现场调查来评估每种储层类型的最频繁设计。这项调查通过审查其在653个注入井中的现场应用，为聚丙烯酰胺聚合物散装凝胶提供了一种新的治疗尺寸策略。新策略建议使用每个储层类型的平均凝胶量和最常见的凝胶量作为对新处理大小的初始估计。使用描述性统计数据和堆叠的条形图从65个现场项目（1985 - 2020）评估了五个凝胶体积的参数。使用四分位间范围方法的异常值检测方法识别出了不足或过度设计的项目。使用多个散点图来确定处理时间和储层温度如何影响治疗量。为了确定凝胶治疗失败的可能原因，没有成功的飞行员束缚了有效的项目。审查表明，散装凝胶处理已成功地处理了储层小偷，可移动的孔隙体积（MPV）30至1,036,000桶。治疗量在240至60,000桶之间；但是，凝胶量<1000和> 20,000桶在现场并不常见。凝胶处理的平均尺寸为10,300桶，每英尺穿孔300桶，占小偷区MPV的21％。通常，与其他储层类型相比，地层类型在砂岩和基质岩层中强烈影响治疗量和更大的处理。治疗量随凝胶处理的时间而降低，并随着形成温度的增加而升高。凝胶飞行员失败的最常见原因是凝胶处理的尺寸不足。对于非常规的储层，治疗尺寸范围在300至590桶之间，平均为414桶或每根脚15.8桶。结果还表明，随着凝胶体积的增加，所有储层类型的所有凝胶治疗反应都会改善，而不仅仅是石油产量，而不仅仅是基质形成。因此，还建议使用矩阵形成的未固结和破裂的储层“大型杀手”策略。不是使用一些类似处理的设计，而是为各种储层类型提供了凝胶处理量的深刻概念。它将显着促进凝胶处理尺寸，并减少为候选储层找到类似物所需的时间。
从可再生木质纤维素农业生物质中得出的可持续生物塑料的生产：全面的评论
1， 1，坦多农业大学农业工程学院，坦多·卡米（Tando Jam），海德拉巴（Hyderabad工程技术（UET），木尔坦，旁遮普邦，巴基斯坦4化学工程系，工程学院，Modibbo Adama University，PMB 2076，Yola，Yola，Adamawa State，尼日利亚5号，尼日利亚5号，尼日利亚5，帕特纳大学，帕特纳，印度帕特纳，印度6号，印度6号，6 6印度，6 6印度，环境科学技术系，工程学和环境研究院， 框35176 DAR ES SALAAM，坦桑尼亚1，坦多农业大学农业工程学院，坦多·卡米（Tando Jam），海德拉巴（Hyderabad工程技术（UET），木尔坦，旁遮普邦，巴基斯坦4化学工程系，工程学院，Modibbo Adama University，PMB 2076，Yola，Yola，Adamawa State，尼日利亚5号，尼日利亚5号，尼日利亚5，帕特纳大学，帕特纳，印度帕特纳，印度6号，印度6号，6 6印度，6 6印度，环境科学技术系，工程学和环境研究院，框35176 DAR ES SALAAM，坦桑尼亚
得出一个出发点，用于评估具有体外方法的可穿戴设备成分的皮肤敏化风险
可穿戴设备长时间与皮肤接触。因此，应评估设备成分的皮肤敏化潜力，并应得出一个出发点（POD）以进行适当的风险评估。没有历史的体内数据，必须使用新的方法方法（NAM）得出POD。To accomplish this, regression models trained on LLNA data that use data inputs from OECD-validated in vitro tests were used to derive a predicted EC3 value, the LLNA value used to classify skin sensitization potency, for three adhesive monomers (Isobornyl acrylate (IBOA), N, N- Dimethylacrylamide (NNDMA), and Acryl oylmorpholine （ACMO）和一个染料（溶剂橙60（SO60））这些化学物质可以用作可穿戴设备的成分，并且与引起过敏性接触性皮炎（ACD）有关。使用动力学DPRA和角质素™数据，使用回归模型获得的POD为180、215、1535和8325μg/cm 2
使用 LiDAR 数据得出的地形属性对城市地区数字土壤测绘的地貌进行分类：以德国柏林为例
摘要：本研究采用基于知识的模糊分类方法，通过分析从数字高程模型 (DEM) 获得的形态参数 (地形属性) 对城市地区可能的土壤地貌进行分类。以柏林市区为例，比较了两种不同分辨率的 DEM 在寻找地貌、土壤类型之间的特定关系以及这些 DEM 用于土壤制图的适用性方面的潜力。几乎所有的地形参数都是从高分辨率光探测和测距 (LiDAR)-DEM (1 m) 和先进星载热发射和反射辐射计 (ASTER)-DEM (30 m) 获得的，这些参数被用作对选定研究区域内地貌进行分类的阈值，总面积约为 39.40 km 2 。通过将地面点样本作为地面真实数据与分类结果进行比较，评估了两种分类的准确性。基于 LiDAR-DEM 的分类在将城市地区的地貌分类为地貌（子）类别方面表现出良好的效果。总体准确度为 93%，这说明该分类结果令人满意。而基于 ASTER-DEM 的分类准确度为 70%。基于 ASTER-DEM 的分类较为粗糙，需要与土壤形成因素直接相关的更多详细信息来提取地貌参数。在对地貌进行分类时，使用 LiDAR-DEM 分类的重要性尤为明显
LGHAP V2：无全球无间隙的气溶胶光学深度和PM 2。自2000年以来，通过大地数据分析得出的5个浓度数据集
摘要。我们先前研究中产生的长期无缘高分辨率空气污染物（LGHAP）浓度数据集提供了空间连续的每日气溶胶光学深度（AOD）和细节颗粒物（PM 2。5）自2000年以来，中国1公里的网格分辨率的浓度。这一进步赋予了对区域气溶胶变化的前所未有的评估及其对过去20年中环境，健康和气候的影响。但是，有必要增强这种高质量的AOD和PM 2。5浓度数据集具有新的可靠功能和扩展的空间覆盖范围。在这项研究中，我们介绍了全球尺度LGHAP数据集（LGHAP V2）的版本2，该版本是通过使用多功能数据科学，模式识别和机器学习方法的无缝集成的改进的Big Earth Data Analytics生成的。特定的，从相关卫星，地面监测站获得的多模式AOD和空气质量测量值通过利用基于随机的数据驱动模型的能力来协调。随后，开发了改进的基于张量流的AOD重建算法，以编织统一的多源AOD产品共同填充数据差距，以填补大气孔校正（MAIAIA）AOD AOD AOD从Terra的多角度实现。消融实验的结果表明，在收敛速度和数据准确性方面，基于张量的间隙填充方法的改进性能更好。for pm 2。5浓度测量。 验证结果表明无间隙PM 2。 55浓度测量。验证结果表明无间隙PM 2。5Ground-based validation results indicated good data accuracy of this global gap-free AOD dataset, with a correlation coefficient ( R ) of 0.85 and a root mean square error (RMSE) of 0.14 compared to the worldwide AOD observations from the AErosol RObotic NETwork (AERONET), outperforming the purely re- constructed AODs ( R = 0.83, RMSE = 0.15), but they were比原始的Maiac AOD检索稍差（r = 0.88，RMSE = 0.11）。5浓度映射，一种新颖的深度学习方法，称为场景意识到的集合学习图表网络（SCAGAT）。在考虑到跨区域的数据驱动模型的场景代表性时，SCAGAT算法在空间外推时进行了更好的表现，在很大程度上降低了对有限和/甚至不存在原位PM 2的区域的建模偏差。5浓度估计值具有更高的预测精度，与PM 2相比，R为0.95，RMSE为5.7 µg m-3。
人工神经网络得出的脑氧代谢率用于 MRI 中区分胶质母细胞瘤和脑转移瘤的可行性研究
摘要：在某些情况下，胶质母细胞瘤在常规 MRI 上可能与脑转移瘤相似，但两者的治疗方法却有很大不同。这项前瞻性可行性研究旨在通过首次将定量磁化率映射和定量血氧水平依赖性 (QSM + qBOLD) 模型应用于这些实体来区分它们。我们前瞻性地纳入了 15 名未经治疗的胶质母细胞瘤患者（n = 7，中位年龄：68 岁，范围：54-84 岁）或脑转移瘤患者（n = 8，中位年龄 66 岁，范围：50-78 岁），这些患者在术前接受了包括多梯度回波和动脉自旋标记序列在内的 MRI 检查。使用人工神经网络计算了增强肿瘤 (CET) 和肿瘤周围非增强 T2 高信号区域 (NET2) 中的氧提取分数 (OEF)、脑血流量 (CBF) 和脑氧代谢率 (CMRO 2)。我们证明，胶质母细胞瘤的 CET 中的 OEF 明显低于 (p = 0.03) 转移瘤，仅对于转移瘤患者，CET 中的所有特征都明显高于 (p = 0.01) NET2，转移瘤患者的 CBF (p = 0.04) 和 CMRO 2 (p = 0.01) 的 CET/NET2 比率明显高于胶质母细胞瘤患者。支持向量机分类器的判别能力在两种特征组合下最高，受试者工作特征曲线下面积为 0.94，诊断准确率为 93%。QSM + qBOLD 可以对胶质母细胞瘤和脑转移瘤进行稳健区分，同时深入了解肿瘤氧合情况。
从多静态雷达原理中得出的 ASDE 雷达性能的潜在增强 - 数字航空电子系统，2001 年。DASC。第 20 届会议
机场地面探测设备 (ASDE) 雷达易受多径传播和散射效应的影响，这可能导致在机场表面的关键位置（如跑道和滑行道 [l]）放置假目标。此类假目标很容易损害这些雷达的性能，并导致控制器做出非常不理想的反应，包括当此类多径假目标位于跑道上时不必要地中止着陆和起飞操作。这些情况会影响操作效率，也会降低用户对 ASDE 雷达和相关系统的信心，从而对安全产生不利影响。对该问题的评估导致考虑通过将当前的单基地雷达转变为多基地配置 (ASDE-MP) 来增强 ASDE 雷达性能。多基地雷达提供对目标的多重检测以及对导致假目标检测的多径散射现象的显着差异响应。后者特性通过结合位于不同位置的多个雷达接收器的信息来减少对假目标的检测，从而对机场表面的共同关注区域进行监视。