XiaoMi-AI文件搜索系统
World File Search System相对误差
造船单光子荧光海洋激光雷达
摘要：激光诱导的荧光（LIF）技术已被广泛应用于水生浮游植物的遥感中。然而，由于激光激发引起的荧光信号弱和水中激光的显着衰减，分析检测变得具有挑战性。此外，很难同时检索衰减系数（K MF激光雷达）和通过单个荧光激光拉尔（lidar）在180°（βF）处的荧光体积散射函数。为了解决这些问题，提出了一种新型的全纤维荧光海洋激光雷达，其特征是：1）使用单光子检测技术获得地下荧光曲线，以及2）引入荧光激光痛的KLETT倒置方法，以同时检索K MF Lidar和βF。根据理论分析，叶绿素浓度的最大相对误差范围为0.01 mg/m 3至10 mg/m 3，在10 m的水深度范围内含量小于20％，而K MF激光射线的最大相对误差则小于10％。最后，将船舶单光子荧光激光雷达部署在实验容器上，以在离岸区域的固定站进行9小时以上的实验，从而验证了其分析能力。这些结果证明了LiDAR在分析水生浮游植物的分析中的潜力，从而提供了支持研究地下浮游植物的动态变化和环境反应的支持。
造船单光子荧光海洋激光雷达
摘要：激光诱导的荧光（LIF）技术已被广泛应用于水生浮游植物的遥感中。然而，由于激光激发引起的荧光信号弱和水中激光的显着衰减，分析检测变得具有挑战性。此外，很难同时检索衰减系数（K MF激光雷达）和通过单个荧光激光拉尔（lidar）在180°（βF）处的荧光体积散射函数。为了解决这些问题，提出了一种新型的全纤维荧光海洋激光雷达，其特征是：1）使用单光子检测技术获得地下荧光曲线，以及2）引入荧光激光痛的KLETT倒置方法，以同时检索K MF Lidar和βF。根据理论分析，叶绿素浓度的最大相对误差范围为0.01 mg/m 3至10 mg/m 3，在10 m的水深度范围内含量小于20％，而K MF激光射线的最大相对误差则小于10％。最后，将船舶单光子荧光激光雷达部署在实验容器上，以在离岸区域的固定站进行9小时以上的实验，从而验证了其分析能力。这些结果证明了LiDAR在分析水生浮游植物的分析中的潜力，从而提供了支持研究地下浮游植物的动态变化和环境反应的支持。
动态进化方法...
多任务学习假设能够从多个任务中学习的模型可以通过知识迁移实现更好的质量和效率，这是人类学习的一个关键特征。然而，最先进的 ML 模型依赖于每个任务的高度定制，并利用大小和数据规模而不是扩展任务数量。此外，持续学习将时间方面添加到多任务中，通常专注于研究常见的陷阱，例如灾难性遗忘，而不是将其作为构建下一代人工智能的关键组成部分进行大规模研究。我们提出了一种能够生成支持动态添加新任务的大规模多任务模型的进化方法。生成的多任务模型是稀疏激活的，并集成了基于任务的路由，可保证在模型扩展时计算成本有限并且每个任务添加的参数更少。所提出的方法依赖于知识分区技术来实现对灾难性遗忘和其他常见陷阱（如梯度干扰和负迁移）的免疫。我们通过实验证明，所提出的方法可以联合解决 69 个公共图像分类任务并取得有竞争力的结果，例如，与在公共数据上训练的最佳模型相比，通过实现 15% 的相对误差减少，提高了 cifar10 等竞争基准的最新水平。
晚期绝热压缩空气存储的分析建模：文献综述和新模型
我们回顾了具有等速储层的晚期绝热压缩空气存储厂的分析模型的文献，重点是可以从模型中提取的见解。审查表明，文献中缺少拥有绝热储层，绝热涡轮机械以及没有油门的植物的模型。假设植物在准稳态状态下运行，我们继续得出这种模型，可以将空气视为热量和热完美的气体，并且热能存储单元不含热和压力损失。模型导致关键性能指标的封闭式表达式，例如植物效率和体积能量密度，就组成效率和压力比而言。这些表达式的推导基于涉及温度和压力的同时时间变化的近似积分。近似值导致相对误差小于1％。模型表明压缩和扩展工作，植物效率和最高工艺温度显示最小。该模型还表明，对于给定的非二维存储容量和最大储层压力，最小化最大过程温度的植物的最大效率大约等于最大化效率的植物的最低效率。对于具有绝热洞穴和绝热热能储存单元的两阶段工厂，我们的分析模型预测体积能量密度在4.76％以内，表明它足够准确，可以用于初始植物设计。
使用 DQ-1 卫星上的轨道高光谱分辨率激光雷达测量气溶胶光学特性：检索和验证
摘要。大气环境监测卫星 (AEMS)，也称为大旗一号或 DQ-1，于 2022 年 4 月发射；其主要有效载荷之一是高光谱分辨率激光雷达 (HSRL) 系统。这个新系统能够精确测量全球气溶胶的光学特性，在云气溶胶激光雷达和红外探路者卫星观测 (CALIPSO) 卫星退役后，可用于地球科学界。开发合适的检索算法并验证检索结果是必要的。本研究展示了一种使用 DQ-1 HSRL 系统的气溶胶光学特性检索算法。该方法检索了气溶胶的线性去极化率、后向散射系数、消光系数和光学深度。为了验证目的，我们将检索到的结果与通过 CALIPSO 获得的结果进行了比较。结果表明，两组数据的曲线高度一致，DQ-1 的信噪比 (SNR) 有所提高。美国国家航空航天局 (NASA) 微脉冲激光雷达网络 (MPLNET) 站的光学特性曲线被选中与 DQ-1 测量值进行验证，相对误差为 25%。2022 年 6 月至 2022 年 12 月期间，使用 DQ-1 卫星和 AErosol RObotic NETwork (AERONET) 进行的气溶胶光学深度测量进行了关联，得出的 R 2 值等于 0.803。我们使用 DQ-1 数据集初步研究了撒哈拉沙尘和南大西洋的输送过程
约束多模型集合中投影的极端降水变化的模式和幅度
摘要：降水对土地的预测对于社会经济风险评估至关重要，但是模型差异限制了其应用。在这里，我们使用一种模式过滤技术来识别多模型合奏的各个成员的低频变化，以评估投影模式和变化幅度的模型之间的差异。特别是，我们将低频组件分析（LFCA）应用于21 CMIP-6模型中每日降水极端的强度和频率。LFCA在预计变化的空间模式下，在模型之间的一致性中带来了适度但统计学上的显着改进，尤其是在温室强迫较弱的情况下。此外，我们表明LFCA促进了对降水极端量表随着单个合奏成员内的全球温度变化而增加降水量量表的强劲识别。尽管这些速率大致与Clausius-Clapeyron关系的期望平均匹配，但各个模型都会表现出很大且显着的差异。蒙特卡洛模拟表明，这些差异至少与气候敏感性的差异一样多，导致投影变化的不确定性。最后，我们将这些缩放率与观察产品鉴定的缩放率进行了比较，这表明几乎所有气候模型都显着低估了降水量增加的速度，而降水量增加的速度已随着历史上的全球温度而扩展。用观测值的约束投影扩大了降水极端的预测强度，并减少了其分布的相对误差。
基于人工智能的营养评估系统...
摘要 — 定期监测住院患者的营养摄入量对于降低疾病相关营养不良风险起着至关重要的作用。尽管已经开发出多种估算营养摄入量的方法，但显然仍然需要一种更可靠、完全自动化的技术，因为这可以提高数据准确性并减轻参与者的负担和医疗成本。在本文中，我们提出了一种基于人工智能 (AI) 的新型系统，通过简单处理餐前和餐后捕获的 RGB 深度 (RGB-D) 图像对来准确估算营养摄入量。该系统包括一个用于食物分割的新型多任务上下文网络、一个由有限训练样本构建的用于食物识别的基于少量学习的分类器，以及一个用于 3D 表面构建的算法。这允许对食物进行顺序分割、识别和估计消耗的食物量，从而可以全自动估计每餐的营养摄入量。为了开发和评估该系统，我们组建了一个专用的新数据库，其中包含 322 份膳食的图像和营养食谱，并使用创新策略结合数据注释。实验结果表明，估计的营养摄入量与基本事实高度相关（> 0.91），平均相对误差非常小（< 20%），优于现有的营养摄入量评估技术。
降低了具有形状函数的级级电化学模型，以快速，准确的预测
本文提出了基于物理的，还原的电化学模型，这些模型比电化学伪2D（P2D）模型快得多，同时即使在高C速率的挑战性条件下，也提供了较高的精度，并且在电池中锂离子浓度的较高极化和强度的极化。尤其是通过使用形状函数来开发创新的方程式弱形式，从而将完全耦合的电化学方程和传输方程降低到普通微分方程，并为多项式系数的演变提供自洽的解决方案。结果表明，称为修订后的单粒子模型（RSPM）和快速计算的P2D模型（FCP2D）的模型提供了对电池操作的高度可靠预测，包括动态驾驶轮廓。他们可以计算电池参数，例如终端电压，过电位，界面电流密度，锂离子浓度分布和电解质电位分布，相对误差小于2％。适用于适度高的C速率（低于2.5 C），RSPM的速度比P2D模型快33倍以上。FCP2D适用于高C速率（高于2.5 C），比P2D模型快8倍。凭借其高速和准确性，这些基于物理的模型可以显着提高电池管理系统的功能和性能，并加速电池设计优化。关键字：锂离子电池；减少阶模型；修订后的单粒子模型（RSPM）；快速计算P2D模型（FCP2D）;准确性;效率
能量
本文介绍了一种新型体系结构，称为基于融合 - 融合优化（FUFI），具有双长期记忆网络（FUFI-CNN-BI-LSTM），以增强电荷状态（SOC）估计性能。所提出的FUFI-CNN-BI-LSTM模型利用卷积神经网络（CNN）和Bi-Long短期存储网络（BI-LSTM）的功能，同时利用FUFI优化来有效调整网络的超参数。这种优化技术通过找到模型的最佳配置来促进有效的SOC估计。对基于FUFI算法的模型进行了比较分析，包括FUFI-CNN-LSTM，FUFI-BI-LSTM，FUFI-LSTM和FUFI-CNN。比较涉及评估SOC估计任务的绩效并确定模型的优势和局限性。此外，提出的FUFI-CNN-BI-LSTM模型在各种驱动周期测试中进行了严格的测试，包括HPPC，HWFET，UDDS和US06在-20至25摄氏度的不同温度下进行。使用良好的评估索引在不同的现实工作条件下评估模型的鲁棒性和可靠性，包括相对误差（RE），平均绝对误差（MAE），R Square（R 2）和Granger因果关系测试。结果表明，所提出的FUFI-CNN-BI-LSTM模型可在较高和较低范围的广泛温度上实现有效的SOC估计性能。这一发现表明该模型在各种操作条件下准确估算SOC的功效。
通过差分脉冲吸附伏安法与化学脉冲的降低脉冲剥离，同时测定茶中咖啡因，鲜味和茶碱在茶中的茶素
摘要 - 使用玻璃碳电极与化学计量学结合的吸附性剥离伏安法（ADSV），以同时测定茶样中的咖啡因，obromine和Theopherline，从而提供高选择性，敏感性，简单性，简单性和成本效率。最佳电化学条件为0.01 mol.l -1 H 2 SO 4，吸附电位为0.6V，而AG/AGCL/KCL为0.025 V/s的扫描速率，吸附时间为60 s。每种化合物的线性校准图在1.0×10 -6至4.0×10 -5 mol.l -1，1.0×10 -6至3.0×10 -5 mol.l -1和1.0×10 -6至1.0×10 -6至1.4×1.4×10 -5 mol中获得了每种化合物的线性校准图。l -1分别用于咖啡因，obromine，Theophlilline。在这项研究中，尽管混合物中的咖啡因，鲜红球和茶碱的伏安峰重叠，但作为化学计量技术（例如部分最小二乘（PLS），主成分回归（PCR）和经典最小二乘（Clasical Distical Squares（Cls）），不需要一个前分离步骤。在三个多元线性回归中，选择了PLS方法，因为它的相对误差最小，均小于±11.1％。相比之下，CLS的性能较差，相对达到±83％。提出的新方法被应用于同时确定茶样中的咖啡因，鲜血和茶碱。与使用高性能液相色谱（HPLC）获得的结果相比，结果没有显着差异。