XiaoMi-AI文件搜索系统
World File Search System结构断裂
绿色金融和可再生能源：全球证据
使用2007年至2020年的44个国家的大量样本，我们提供了绿色金融（绿色债券）的证据，可显着促进可再生能源生产。我们的结果对于解决横截面依赖性问题，允许结构断裂以及使用多种替代规格和估计方法是可靠的。与我们的基线结果相比，造成为替代能源提供资金的绿色债券的效果更高。我们还发现，现有的技术能力库存显着促进了绿色金融对可再生能源生产的影响，尤其是从长远来看。绿色金融的长期影响在每美元GDP，更高水平的气候变化对经济和人类生活以及发达的信贷市场较高的国家中具有重大影响。在零排放量低或净净排放目标并遵循Paris后2015年协议之后，这种影响更为明显。
基于分布式传感器和深度学习的大型空间天线结构健康监测研究
摘要：大多数现代地球和宇宙观测航天器现在都配备了大型轻便灵活的结构，例如天线、望远镜和可扩展元件。承载更复杂、更大的附件的趋势对于高精度科学应用至关重要，这使得轨道卫星更容易因结构损坏而导致性能损失或性能下降。在这种情况下，结构健康监测策略可用于评估卫星子结构的健康状况。然而，特别是在分析大型附件时，传统方法可能不足以识别局部损坏，因为它们通常会在系统动力学中引起不太可观察的变化，但会导致有效载荷数据和信息的相关丢失。本文提出了一种深度神经网络来检测故障并研究传感器对在大型网状反射器天线上承载分布式加速度计网络的轨道卫星的损伤分类的灵敏度。传感器获取的时间序列是使用完全耦合的 3D 模拟器生成的，该模拟器模拟柔性卫星的在轨姿态行为，其附件采用有限元技术建模。然后使用在复合场景中收集的传感器响应对机器学习架构进行训练和测试，该场景不仅包括结构元素的完全失效（结构断裂），还包括中等程度的结构损坏。所提出的深度学习框架和传感器配置被证明可以准确检测最关键区域或结构的故障，同时为几何特性和传感器分布开辟了新的研究可能性。