一、RHI公司运行情况（论文文献综述）
葛双瑞[1]（2021）在《基于PHM的风电机组功率及健康状态预测研究》文中研究指明近年来,风力发电迅速发展,但风电并网不稳定,造成风电利用率低。风电场建设地处偏远,运行维修困难,目前风电场仍采取事后检修、周期性维修的方法,而且运行中维护费用较高。对风电机组功率的精准预测,可以提高风电并网的稳定性,进行更为科学的电网调度,从而有效提高风电利用率。但目前短期功率预测模型准确率有待提升。若通过监控数据能准确地提前判断出风电机的衰退趋势及健康状况,就可以合理安排设备的检修与维护,提高机组正常运行的质量,降低故障事后维修费用,具有一定的应用性与现实意义。因此,对预测模型的研究十分必要。本文以风电场的SCADA（Supervisory Control And Data Acquisition）数据为对象,由于风电历史数据中存在错误数据,若直接对历史数据进行预测,会对预测精度造成很大的影响。因此,本文分别从风电历史数据筛选与重构、风功率短期预测、风电机组健康状态预测这三个方面开展研究。主要工作如下:（1）针对风电错误历史数据造成的原因进行分析,本文对不同原因的风电历史数据分别采用不同的筛选方法与重构方法。对于弃风限风数据,根据功率曲线法加以重构;对于离群数据,运用四分位法加以识别并根据插值法进行重构;并以平均相对误差和准确率为判别依据,定量分析重构数据的准确性。（2）针对风电功率短期预测精度不高的问题,本文通过对功率数据进行分析,提出了基于ISSA-RBF（Improve Sparrow Search Algorithm-Radical Basis Function）神经网络与ARIMA（Auto Regressive Integrated Moving Average）的短期组合预测模型。借助变分模态分解算法,把功率数据分解为低频与高频分量。针对低频分量,采用ISSARBF模型对其进行预测;针对高频信号的分量,采用对非平稳信号适用性较好的ARIMA模型处理。最后,对各项分量的预测结果进行了重构,得到了最终的预测结果。进一步提高了模型的预测精度。（3）针对风电机组运行状态判别不准确的问题,本文建立了基于RHI（Real-time health index）的风电机组健康状态预测框架,利用短期组合预测模型,获得风电机组参数的标准残差集与实际运行状态下的实时残差集。通过马氏距离来描述两个数据集的相似程度,对其归一化处理后获得风电机组的RHI值。案例分析表明,当风电机组运行状态出现异常时,该预测框架能预测出风电机组的健康状态变化趋势,有助于风电厂提前采取检修措施,减少风电机组故障发生频率,提高运行的可靠性。
柳明辰[2]（2021）在《基于HIV-1 CRF01＿AE毒株进化规律的分子传播网络分析技术优化与应用》文中指出目的:截至2019年底,我国估计存活96万例HIV（Human Immunodeficiency Virus）感染者/AIDS感染者（Acquired Immunodeficiency Sydrome）。政府每年投入艾滋病防治经费高达数十亿,其中2/3用于免费抗病毒治疗（ART:antiretroviral therapy）,但2019年仍有151万HIV新诊断感染者,且性传播途径成为主要传播途径,防控难度加大,我国艾滋病疫情很难得到有效控制,艾滋病防控工作仍需新技术新方法的指导。HIV的快速进化在病毒基因组中留下了可测量的足迹,HIV的高度变异性使每个感染者携带的HIV病毒序列都不完全相同,因此可用于通过系统进化分析进行流行病学监测。近年来,一种简化的基于基因距离法构建HIV-1传播网络越来越多地被应用于分析和监测,通过病毒相似性可以推断传播关系,从分子网络中的个体,可以追溯到感染未诊断的个体,乃至未感染但处于高风险中的个体;此外,分子传播网络还可以提示快速传播的发生,指导公共卫生工作者迅速做出反应,实施精准干预,阻断新的感染。HIV分子传播网络中分子簇代表一组感染了相似HIV毒株的个体,其中节点代表HIV感染者或HIV序列的一个片段,边代表感染者之间的潜在传播关系。当两条序列的基因距离小于一个阈值时,这两条序列的节点在网络中被连接起来,HIV分子传播网络就是基于这种基因序列的相似性构建的网络。因此,阈值的设定对于网络的构建效果至关重要,采用不同阈值,成簇情况完全不同。应用何阈值尚无统一标准,多数研究直接参考欧美国家对B亚型的研究结果,该研究表明两个随机感染者体内pol区序列间配对基因距离大于0.033s/s,推测具有传播关系的供受者之间的基因距离小于0.02s/s,且B亚型毒株在个体内进化十年不超过0.01s/s,因此推荐0.015作为HIV B亚型的分子传播网络阈值。但该阈值能否适用于非B亚型地区仍有争议,有研究报道,HIV-1病毒的在人群中的进化速率因亚型而异,同亚型的病毒在不同流行速度人群中的进化速度也有不同,与欧美国家广泛流行B亚型不同的是,本地区主要流行代表男男同性恋人群中CRF01＿AE亚型的分支4和分支5。而目前对我国HIV主要流行株CRF01＿AE亚型的进化规律认识不足。因此确定本地HIV分子传播网络的关键阈值,我们需要了解CRF01＿AE毒株在个体内自然病程中不同时期的基因分化程度,以及同源病毒在个体间,特别是供受感染者之间的基因距离范围,基于以上数据推断合适的阈值作为判断序列间密切关系的标准,从而使构建的HIV分子传播网络更加准确,以此实施的靶向干预才能更为精准。因此本研究以沈阳市CRF01＿AE亚型自急性期开始随访的单毒株感染者为研究对象,对每个感染者纵向多时间点应用深度测序方法分析病毒在个体内的进化规律。此外,应用一代测序和深度测序方法判断“传播对”供受者间直接传播关系并探索供受者间同源病毒的进化规律。基于CRF01＿AE毒株在个体内及个体间进化规律设定CRF01＿AE亚型的合适阈值,应用该阈值构建CRF01＿AE亚型的HIV分子传播网络,利用分子流行病学检测指标评估大型传播簇的扩张速度,并回顾性评价抗逆转录病毒治疗标准不断提前等干预措施的有效性。研究方法:一研究对象:第一部分:本研究的研究对象来自2002-2017年辽宁省沈阳市中国医科大学附属第一医院红丝带门诊随访的HIV急性期感染者队列200例。HIV急性期感染（Acute HIV infection,AHI）的诊断是经确认试验证实HIV抗体由阴性转为阳性且血浆HIV-RNA检测结果为阳性。共有22例CRF01＿AE亚型单毒株感染者纳入研究。第二部分:本研究的研究对象来自2000-2014年中国医科大学附属一院红丝带门诊随访的60对自述有传播关系的“传播对”,经筛选纳入7对受者为单毒株感染者的“传播对”。第三部分:本研究的研究对象为2008年到2016年在中国医科大学附属一院诊断为HIV感染的2221例感染者,经筛选纳入研究CRF01＿AE亚型1669例。全部感染者均已签署知情同意书,并经由中国医科大学附属第一医院伦理委员会批准。二实验方法:1.HIV-1限制性抗原（Lag）亲和性酶免疫分析（EIA）根据制造商的说明,使用LAg Avivity EIA试剂盒（Maxim Biomedical,Rockville,MD,USA）将近期HIV感染（RHI）与慢性HIV感染（CHI）区分开来。每个样品的光密度（OD）计算为:样品的OD除以校准品的OD。在筛选试验中OD≤2.0和确证性试验中OD≤1.5被认为是RHI。2.CD4+T细胞计数:CD4绝对计数管中加入20μl CD4/CD8/CD3 Tri TEST试剂,再加入50μl抗凝血,室温避光15min后加入免洗溶血素450μl,继续室温避光15min,使用FACSMULTISET软件检测进行分析,得到CD4+T、CD8+T、CD3+T淋巴细胞绝对计数及相应比值等。3.病毒载量检测:应用Roche公司的COMBAS Ampli Prep/COMBAS Taqman仪器进行HIV病毒载量（Viral load,VL）的检测。4.血浆病毒核酸提取及目的片段巢式PCR扩增4.1一代测序序列的巢式PCR:收集HIV感染者全血并分离血浆,采用QIAamp RNA Mini Kit试剂盒,按照说明书标准protocol从140μl感染者血浆中快速提取出60μl HIV病毒RNA,利用巢式PCR方法分两轮进行HIV-1 pol 1.0Kb部分基因片段（HXB2:2147-3326）扩增。4.2深度测序扩增子的巢式PCR:采用Super Script（?）III First-Strand SynthesisSuper Mix试剂盒将血浆RNA逆转录成cDNA,利用KOD高保真酶巢式PCR扩增巢式PCR方法分两轮进行,HIV-1 pol RT区0.45kb部分基因片段扩增（HXB2:2868-3320）。5.深度测序5.1磁珠纯化和定量PCR产物纯化是按Beckman磁珠纯化试剂盒的说明书操作的。纯化后PCR产物应用QUBIT荧光定量分析仪来定量。5.2文库构建:根据纯化后PCR产物QUBIT定量结果,以输入量150ng进行文库构建。按照Truseq Nano DNA HT Library Prep protocol中的操作流程,其步骤为:末端修饰及片段化、3’端“A”尾修饰、连接Adapter、文库扩增、文库qPCR定量、文库标准化、Miseq上机。6.生物信息学处理:一代测序序列:序列的对齐应用在线网站database的HIV Align,手工校正应用Bio Edit,保留长度为1015bp（HXB2:2253-3268）。深度测序序列:在Windows操作系统上,使用Oracle VM Virtual Box-5.2.22软件包构建虚拟环境,运行QIIME2 Core-2018.4（1525276946）对深度测序产生的数据包进行分析,报告每个样本中HIV-1准种的序列及数量,去掉每个样本中占比<1%的准种。序列对齐和剪切保留长度为453bp（HXB2:2868-3320）。7.系统进化分析7.1区分亚型利用一代测序序列构建最大似然系统进化树（Maximum Likelihood phylogenetic Tree,ML Tree）,应用Fast Tree软件,外围为N亚型参考序列,下载其他主要亚型的参考序列,GTR+G+I核苷酸替代模型,Shimodaira-Hascgawa（SH）检验,用局部支持值确定所构建的系统进化树的可靠性。应用Figtreev1.4编辑系统进化树。7.2判定单毒株感染利用深度测序序列构建最大似然树,外围为B亚型参考序列,模型等参数同上。若感染者序列均在同一分支,该分支含有该感染者一代测序序列而不含有其他感染者序列且分支支持值大于0.8,排除多重感染,若基线点的准种唯一,则认为是单毒株感染者。7.3判定直接传播关系我们将“传播对”一代测序序列、HIV database上下载的与“传播对”序列相应年份的沈阳市CRF01＿AE序列若干条和本实验室获得的相应年份CRF01＿AE序列若干条形成fas文件,构建最大似然树,外围为B亚型参考序列,模型等参数同上,“传播对”供受者序列形成支持值大于0.8的一个分支且供受者之间不插入其他感染者序列,则初步判断为“真实传播对”。进一步,利用“传播对”深度测序序列构建最大似然树,外围为B亚型参考序列,模型等参数同上,依据供受者在系统进化树上的拓扑结构判断传播关系,并系-多系和并系-单系的拓扑结构可以判断为直接传播关系。8.基因多样性（diversity）计算每个采样点生成带有原始构成比的序列集（占比>1%的准种）,应用MEGA软件的Within group mean distance计算组内基因diversity,即为基因多样性,用均数±标准差表示。9.基因分化（divergence）计算每个采样点生成带有原始构成比的序列集（占比>1%的准种）,应用MEGA软件中between group mean distance计算基线点与后期随访点序列的组间基因距离,即为基因分化程度,用均数±标准差表示。10.HIV分子传播网络构建使用HIV-TRACE构建HIV-1分子传播网络（www.hivtrace.org）。所有序列都与一个参考HIV-1 pol序列对齐,使用Tamura-nei 93模型计算每对序列的成对距离。基于得到的最佳阈值构建分子网络,提取每个传播簇、每个节点以及边的信息纳入后续分析。11.动力学参数计算11.1比例检出率（PDR:Proportional Detection Rate）给定年份（j）的PDR计算方法为:在j年之前（包括j年）的传播簇中的累计病例数除以截至上一个采样年（i）期间的累计病例数,再除以j年和i年之间的年份间隔。PDR≥2,（即该簇大小在1年内增长2倍）被认为具有显着性变化。11.2簇增长预测因子（Cluster Growth Predictor）即给定年份新诊断的感染者数量除以当年传播簇大小的平方根。上升曲线表明该传播簇在未来爆发的可能性高。11.3 Re（Effective Reproductive Number）Re采用BEAST v2.4.2中的birth-death skyline serial人口动力学模型进行计算,碱基替换模型为GTR+G4+I,分子钟模型为Uncorrelated lognormal relaxed,Re表示当仅一部分人群易感时,一个感染者引起的平均继发感染数。该值通常用于描述人群中某流行病随时间变化,其中Re>1和Re<1分别表示该流行病的增长或下降。12.统计学分析:用标准统计检验方法进行统计和分析。用SPSS v21.0（美国伊利诺伊州芝加哥市SPSS公司）对分类数据进行卡方检验或Fisher精确检验。用Graphpad v7.0线性回归拟合病毒基因分化随时间的变化趋势,比较组间基因距离的差异用t检验;应用SPSS的Sperman秩相关检验分析准种数量、基因多样性和基因分化与估计感染时间、CD4+T细胞计数和VL的相关性。P<0.05,差异有统计学意义。图表应用excel、SPSS、graphpad和R语言构建。研究结果:一.CRF01＿AE毒株感染者病毒在个体内进化规律研究1.急性感染者队列中单毒株感染者筛选:在200例急性感染者队列中我们排除了基线点距估计感染时间超过6个月的感染者、非CRF01＿AE亚型感染者、已知多重感染者,从中挑出至少具有两个采样点的感染者44例,接下来我们应用深度测序所得到的准种序列,基线准种数为1的提示为单毒株感染者;在44例的研究对象当中,我们筛选出单毒株感染者22例,占比50%。2.单毒株感染者自然病程中病毒准种数量、基因多样性随时间变化:在15个≥3个采样点的CRF01＿AE单毒株感染者中,具有三种变化规律,先上升后下降、上升和保持为1不变。所有单毒株感染者个体内进化不超过0.015s/s,22个单毒株感染者中19个不超过0.01s/s。按估计感染时间分组后,感染≤1、1-2、2-3和3-6年组的基因分化程度分别为0.003±0.003s/s、0.004±0.002s/s、0.007±0.002s/s和0.009±0.004s/s。3.所有CRF01＿AE单毒株感染者平均的进化速率为0.0024±0.001s/s/y;通过比较我国CRF01＿AE亚型与欧美B亚型同基因区段的进化速率,发现美国和瑞典的B亚型毒株在个体内的进化速率显着低于中国的CRF01＿AE亚型（P<0.05）。美国、瑞典和中国的B亚型毒株进化速率分别为0.0006±0.001 s/s/y、0.0012±0.001s/s/y和0.0026±0.002 s/s/y。4.单毒株感染者准种数、基因多样性和基因分化与感染时间、病毒载量、CD4的相关性分析:基因多样性与感染时间和病毒载量呈正相关（r=0.307,P=0.041和r=0.322,P=0.031）,基因分化也与感染时间和病毒载量呈正相关（r=0.508,P=0和r=0.386,P=0.009）。二.CRF01＿AE毒株在个体间传播时病毒进化规律的研究1.“传播对”的筛选及判别:我们收集了2000-2014年中国医科大学第一附属医院红丝带门诊就诊的60对自述有传播关系的“传播对”。首先我们排除掉非CRF01＿AE亚型“传播对”,排除无血浆标本的“传播对”。之后首先应用一代测序序列通过系统进化分析排除非真实传播关系的“传播对”。再将所有“传播对”连续采样点的样本深度测序,所得准种序列构建最大似然树进一步判断传播关系,结合第一部分确认的2对真实传播关系的“传播对”纳入后续研究,共确认真实传播关系的“传播对”14对,最终选择受者为单毒株的7对“传播对”。2.供者及受者体内准种数量及多态性随时间变化:供者受者准种多样性变化具有个体差异。供者基因多样性往往更高,符合传播瓶颈概念。3.供受者同源病毒的基因分化变化:供受者基线点采样时间较接近时,病毒在供受者体内呈现共同进化的方式;供受者估计感染时间相远,受者病毒距离供者初始感染病毒出现返祖现象。4.“传播对”供受者间病毒的基因距离范围:所有“传播对”供受者间平均基因距离均小于0.3s/s,7对中的5对小于0.015s/s。受者感染1年内、1-2年、2-3年和3-5年平均的基因距离为0.008±0.006 s/s/y、0.012±0.007 s/s/y、0.009±0.003s/s/y、0.015±0.009 s/s/y。三.CRF01＿AE毒株分子传播网络构建及动力学变化分析1.研究对象特征:2008-2016年新诊断2221例感染者中共有1669例CRF01＿AE亚型感染者;与其他两个主要亚型相比,CRF01＿AE亚型感染者具有更多的RHI（近期感染者）、MSM（男男性接触者）、男性;临床上检测CD4+T细胞计数低的和检测病毒载量高的感染者更多（P<0.05）。2.优化分子传播网络的基因距离阈值:根据最高网络分辨率的阈值设定原则,观察到CRF01＿AE的传播簇数量曲线在阈值为0.004-0.007时处于最高值的平台期;接下来应用个体内进化数据、“传播对”进化数据以及第三部分的部分数据绘制基因距离的频率分布满足正态分布曲线,个体内的基因距离峰对应的阈值为0.005s/s,“传播对”为0.01s/s,因此阈值范围为0.005-0.02s/s。我们结合这些结果选取一个较小的阈值:0.005。3.HIV三种主要亚型分子传播网络特征:利用HIV-TRACE技术构建了1669个CRF01＿AE亚型序列的HIV分子传播网络。共形成138个传播簇（大小在2-107之间）,64.5%（89/138）为MSM传播簇;共有9个CRF01＿AE大型传播簇。4.各大型传播簇发展史:依据大型传播簇扩张最快的时期（定义为某一时期感染者数量达到的2016年底传播簇规模的45%以上）,将这些大型传播簇分为历史组（2008-2010）、中期组（2011-2013）和近期活跃组（2014-2016）。每组在相应时期的新诊断感染者数量占比和亲和力实验检测为新近感染者的占比均较高。计算PDR、簇生长预测因子和Re来评估每个大型传播簇的扩张速度。虽然每个大型传播簇的三条曲线形状并不完全一致,但证实在研究期间,所有大型传播簇均呈现下降趋势或稳定在低水平。5.以分子传播网络为基础的沈阳地区HIV治疗及预防干预效果的回顾性评价:大型传播簇的下降与ART标准不断提前相符:我们的数据显示,确诊后6个月内开始ART治疗的感染者比例从2008-2010年的24%上升到2011-2013年的54%和2014-2016年的79%。同时,确诊后2年以后开始ART治疗的感染者比例从2008-2010年的29%下降到2011-2013年的15%和2014-2016年的1%。结论:1、CRF01＿AE亚型单毒株感染者病毒平均基因分化不超过0.015s/s,感染≤1年、1-2年、2-3年和3-6年组的基因分化分别为0.003±0.003s/s、0.004±0.002s/s、0.007±0.002s/s和0.009±0.004s/s;CRF01＿AE单毒株感染者病毒平均的进化速率0.0024±0.001s/s,显着高于欧美B亚型毒株;CRF01＿AE单毒株感染者采样点的基因多样性与基因分化与病毒载量和感染时间具有相关性。2、供受者一代测序序列系统进化分析和深度测序序列并系关系确认12对真实传播对;“传播对”供受者间平均基因距离均小于0.3s/s;受者感染1年内、1-2年、2-3年和3-5年平均的基因距离分别为0.008±0.006s/s、0.012±0.007s/s、0.009±0.003s/s和0.015±0.009s/s。3、2008-2016年新诊断2221例感染者中共有75%CRF01＿AE亚型感染者;与其他两个主要亚型相比,CRF01＿AE亚型感染者具有更多的MSM;临床上检测为RHI、低CD4和高病毒载量的感染者更多（P<0.05）。根据个体内及个体间病毒基因距离分布在传播网络高分辨率原则基础上,设定0.005为CRF01＿AE亚型传播网络的关键阈值。构建2008年至2016年间的回顾性分子网络,应用三种动力学参数证明沈阳市的大型传播簇扩张速度逐渐减缓。大型传播簇的扩张被有效控制与抗逆病毒治疗标准的不断提前相一致,证实了这些策略的有效性。
魏祎[3]（2020）在《数据中心机房热环境及节能特性研究与评价》文中认为如今人类已经步入了信息化时代,人们的生产生活方式也随之改变,导致全球数据爆发式增长,由此也推动了数据中心的飞速发展。在大数据与IT技术迅猛发展的今天,作为数据重要载体,数据中心的规模也在迅速扩大之中。数据中心中存在着大量的IT服务器设备、UPS设备、PDU设备以及空调机组等大功率的用电设备,运行过程中会产生大量的热量,因此保证一个良好的机房热环境对于数据中心的正常运行是一个至关重要的因素。而且数据中心必须保证全年不间断正常运行,制冷系统也需要全年开启,数据中心全年的耗电量也相当可观。有研究表明,全球数据中心的能耗占全球总能耗的2%,其中空调系统在数据中心能耗中占比可达到40%左右,因此降低空调系统的能耗可以显着降低数据中心的全年能耗。本文以上述的问题为研究背景,建立了一个典型的数据中心模型进行热环境与节能系统优化升级方案的分析。具体分析内容与方案如下:（1）对数据机房的原始模型进行数值模拟分析,从分析结果中总结出数据中心原始热环境存在的问题,包括局部热点、气流组织掺混与冷通道送风不均匀等,并将数值模拟的结果与实际测量的结果想对比,验证数值模型的可用性。（2）结合原始模型存在的热环境问题,提出了两组热环境优化措施,第一组对冷通道或热通道进行封闭处理,第二组分别选用了精密空调、列间空调和冷通道吊顶空调。将两组改进措施进行组合得到了6种工况。然后运用数值模拟的方式分别对6种工况的温度场、速度场与流线形式进行对比分析,得到了一个效果最佳的优化方案。（3）原始模型中的制冷系统采用的是全年精密空调制冷的形式。这种制冷方式能耗很高,而且在冬季和过渡季的运行过程中会造成大量的冷量浪费。故本文选取了一种可以充分利用自然冷源的复合式蒸发冷却机组对数据中心进行制冷。在确定了机组的运行模式之后,运用模拟计算的方法探究各个模式的最佳运行参数。最后以这些参数为基础,计算出该数据中心空调系统的全年能耗。（4）在对机房热环境与空调系统节能特性进行模拟分析之后,为了全面且准确的反映出各个方案的优劣程度,需要引入一些指标进行综合评价。本文引入了SHI、RHI、RCI、IOM等评价指标对数据机房热环境进行评价,然后通过PUE和节电率指标对蒸发冷却机组在全国不同地区的适用性进行分析。
郎亚军[4]（2020）在《基于双重频脉冲压缩技术的毫米波测云雷达数据分析》文中研究指明云是重要的气象要素,在大气科学研究中的各个领域均有重要地位。在地面气象观测业务中对云状的观测主要依靠人工,人工观测存在诸多弊端,主观性大,观测结果的可靠性无法保障,自动化程度低等。由于毫米波波长接近云粒子的尺寸,频率很高的毫米波测云多普勒效应明显,适合于探测云粒子,因此,毫米波云雷达被广泛应用于云物理与降水物理研究中,为此,对毫米波测云雷达数据处理和质量控制研究具有重要的应用价值和实际意义。本文对毫米波测云雷达基数据进行了解析,生成回波图像,设计可视化界面;分析了测云雷达技术,提出了基于余弦相似度的数据质量控制算法,解决了双重频脉冲压缩技术引起的距离旁瓣以及二次回波问题;利用测云雷达的回波数据,分析了云状特征参数,提出了基于模糊逻辑的云状识别算法,与人工观测进行了对比实验;研究了基于测云雷达的风场模拟,给出了毫米波测云雷达的风场图像分布。论文的主要研究内容和研究结果如下:（1）分析了毫米波测云雷达基数据格式和各组成要素,对雷达基数据进行了二进制解码、数值计算、高度订正、坐标转换,生成了雷达回波图像。设计了雷达回波可视化界面,开发了回波图像显示软件,分别实现了对RHI、PPI、VOL、THI四种格式的回波图像读取,可用于毫米波雷达气象观测、云物理及降水物理研究领域。（2）分别分析了测云雷达脉冲压缩技术和双脉冲技术,提出了解决回波扩展、二次回波问题的余弦相似度方法,通过处理雷达回波数据,相似度超过50%即判定为存在二次回波、回波扩展问题,通过实例分析,说明了该方法具有较好的识别效果。同时,指出了数据质量控制中需要考虑的衰减订正和Mile散射问题。（3）研究了云状识别的一般方法,分析了云状识别特征参数,提出了基于模糊逻辑的云状识别算法,选取反射率因子的平均强度（Zave）、椭圆长轴方向（θ）、云底高（CB）等八种参数作为模糊逻辑算法的识别参量并设置不同的权重,利用观测站点的雷达回波数据,进行了实验验证,实现了对云状的自动识别;并与人工观测进行了实验对比,识别准确率均超过了70%,证明了该方法的有效性。（4）分析了基于RHI多普勒的风场特征,分别在风向不变风速随高度变化、风速不变风向随高度变化、风向风速均随高度变化三种情形下对风场进行了模拟,得出了毫米波测云雷达RHI多普勒速度的图像分布,说明了风场反演也是测云雷达应用的一个方面。
雍佳[5]（2020）在《双偏振雷达探测暴雪/暴雨垂直结构的云微物理特征研究》文中进行了进一步梳理双线偏振多普勒天气雷达能够同时获取雷达基数据产品和偏振参量,其RHI回波能够敏感细致地提前反映降水云体精细的垂直结构,可充分发挥各参量研究降水云物理结构。从大气能量的角度研究强对流天气垂直方向上风温湿结构,深入理解其发生前的大气能量特征,有利于发现并获得其先兆信息,能够对不同回波的形成机制加深理解。本文着重关注双偏振雷达回波和探空资料,在常规天气分析、卫星云图等的基础上,对发生在南京地区的暴雪和暴雨在垂直方向上的降水云微物理结构进行细致的分析和研究,揭示两次降水过程降水云相态演变及其发生的先兆信息。主要结论如下:（1）双偏振雷达探测强降水过程的演变时,偏振参数对云相态的变化及降水云物理结构特征具有敏感性、精细性和提前性。各偏振量对研究强对流天气的贡献:ZDR能够识别粒子相态和形状,ρHV可判断是单一相态粒子还是混合相态粒子,KDP对暴雨的区分度较好,三者都对零度层亮带识别较为敏感,实际预报中可结合起来使用。（2）借助双偏振雷达RHI回波和探空资料进行分析,暴雪过程中2km高度具有增温性层云结构,在ZDR的RHI回波上表现为2km高度处的一条强回波带,层云内存在由冰晶效应产生的小冰晶粒子。另一个显着特征是5～6km高度存在淞附效应,在ZDR的RHI回波上表现为5～6km高度处的强回波带,为雷达高带,该高度层的温度低在-12℃～-15℃,是云物理的淞附和聚并过程产生的冰晶层,淞晶较多时形成雪团降落下来。（3）分析大气风温湿资料和双偏振雷达PPI回波,发现暴雨过程中4.8km高度附近气块露点温度很低,约为-20℃～-40℃,低层水汽被上升气流带入低温区后冷却并凝结增长形成一层薄的降温性冷层云,云内含有大量的冰晶和过冷却水滴且相互碰并冻结后形成淞晶粒子,即结淞粒子和冰雪晶聚合体,在PPI回波上表现为强ZDR回波区。（4）V-3θ能量结构分析方法充分利用其特性层信息,清晰地揭示了暴雪和暴雨的水汽不稳定能量、垂直分布状态和风垂直切变的转折特征,“蜂腰”和“大肚”状结构、超低温以及非规则左折现象的出现是天气预测预警的先兆信息,促进对流的潜势预测。
雷波[6]（2020）在《X波段雷达组网的策略和强对流天气识别研究》文中进行了进一步梳理天气雷达的问世,使得针对重大灾害天气的防灾减灾成为可能。如今,天气雷达在气象观测中扮演着不可替代的角色,目前投入使用的天气雷达主要波段为S/C波段。由于地球曲率、地形阻挡和雷达扫描时间过长等原因,产生了雷达扫描过程中的低空盲区和漏失快速发展的中小型强对流单体等问题。为了克服这些缺陷,2006年美国大气协同自适应遥感工程研究中心（CASA）率先提出利用多部小型X波段雷达搭建雷达组网框架,从而实现对天气目标的精细探测。2013年,依托气象行业专项“多部雷达组网适应性观测技术研究与数据质量控制”项目,南京恩瑞特实业有限公司利用3部X波段天气雷达完成了南京地区的雷达组网,并将其用于气象观测与试验。南京天气雷达组网平台主要对协同自适应控制探测、反射率因子的衰减订正和风场反演进行了初步研究。本文依托于2018年国家重点研发计划“重大自然灾害监测预警与防范”重点专项“超大城市垂直综合气象观测技术研究及试验”项目,利用成都信息工程大学已有的3部X波段雷达组成的雷达组网试验平台,完成了雷达组网扫描策略、协同控制方法、强对流识别和强对流分类算法。本文设计的雷达组网扫描策略核心目标是获取边界层大气的精细化垂直结构,并综合考虑成都地形影响（如山脉遮挡等）,制定出雷达组网扫描策略,并开发扫描策略中配套使用的强对流识别算法和强对流分类算法。本文研究主要内容如下:（1）本文研究了雷达组网扫描策略。为了获取边界层大气的垂直高时空分辨率结构信息,雷达组网平台总共拥有两种工作模式,分别为晴空模式与协同模式。晴空模式为3部天气雷达各自进行14层的体积扫描。若组网雷达扫描范围内出现强对流天气,组网平台将自动进入协同模式。协同模式中有两种扫描方式,分别为快速体积扫描与多RHI扫描。快速体积扫描中3部雷达将进行仰角为0.5°,1.45°,2.4°,3.35°和4.3°的5层360°全方位扫描;多RHI扫描中,根据强对流类型执行不同的RHI扫描:针对单单体强对流,3部雷达各自对单单体强对流中心进行一次RHI扫描;针对多单体强对流,3部雷达各自对多单体强对流“头部”、“中部”和“尾部”各进行一次RHI扫描。（2）本文研究了组网雷达协同控制方法。成都地区春夏季节强对流天气过程往往会出现诸多强对流单体,例如在一次特大暴雨出现过程中,往往会伴随着多个强对流单体。由于雷达组网中雷达数量有限,具体的雷达分配就显得格外重要。雷达扫描过程中对于威胁程度大的强对流个体应当优先分配雷达进行探测。协同控制过程中,首先需要将识别出的强对流区域聚类成独立个体,并计算出强对流个体的中心坐标（质心）、面积、平均反射率、最高反射率等参数。雷达分配分三步:第一步为重点区域识别（即强对流识别）;第二步为优先级计算,优先级由该区域的最大反射率、平均反射率、面积和重要程度4个因素决定。最后一步根据优先级排序,完成雷达与天气目标的配对。（3）本文重点研究了强对流识别算法。现有的强对流识别算法识别准确率过低,不能满足项目实际使用要求与本文科研要求,如南京雷达组网试验平台与美国CASA的IP1雷达组网项目均是简单利用雷达反射率阈值进行强对流识别。本文提出利用后向传播神经网络（BPNN）对强对流区域进行识别。通过特征挑选,选取6个从多方位体现出天气目标水平与垂直气象结构的雷达回波特征,它们分别为:大于40d BZ持续高度、平均背景反射率、云高、反射率水平梯度、大于35d BZ单体面积和垂直积分液态水,这些特征作为神经网络的输入特征,实现了将雷达降水回波划分为层状云降水与对流云降水的功能。通过与3个经典强对流识别算法作对比,这3个算法分别为模糊逻辑（FL）,SHY95和BL算法。结果显示本算法拥有最高的识别准确率,F-Score得分分别比另外3个算法高3%,24%,30%,而运算速度分别是它们的54倍,2倍,4倍。（4）本文重点研究了强对流分类算法。（3）中强对流识别主要用于重点区域的划定及协同模式的触发,协同模式中不同类型的强对流有着不同方式的RHI扫描。本分类算法在基于强对流识别算法的结果上进一步利用强对流形态学特征对其进行分类,核心思想为利用卷积神经网络（CNN）结合强对流雷达回波形态,将其分为单单体对流与多单体对流。具体方式为利用强对流识别算法中已经训练好的神经网络模型,识别出雷达降水回波中的强对流区域,再利用聚类算法DBSCAN,将强对流区域划分为独立个体,最后利用卷积神经网络将独立的强对流个体划分为单单体对流与多单体对流。
沈淳,高航,王雪松,李健兵[7]（2020）在《基于激光雷达探测的飞机尾流特征参数反演系统》文中指出飞机尾流是飞机飞行时在其后方产生的一对反向旋转的强烈湍流,对后续飞机飞行安全具有重大影响,其探测已成为制约机场容量增长和影响空中交通安全管理的瓶颈,亟需发展飞机尾流雷达探测和监视的技术与系统。该文构建了基于激光雷达探测的飞机尾流特征参数反演系统,可基于实测数据反演得到尾流涡心位置和速度环量等特征参数。同时构建了尾流动力学、散射特性与雷达回波仿真模块,可实现参数反演算法的性能评估。该系统的参数反演性能优良,运行稳定,可为机场安全管控提供有效技术手段,为飞机尾流的短时行为预测、危害评估和动态间隔标准制定等提供基础支撑。
宫小明[8]（2020）在《数据中心热性能评价指标研究》文中研究说明近年来,随着云计算和大数据的快速发展,促进了数据中心的大规模应用。一般而言,数据中心运行的特点和需求直接决定了数据中心的能耗水平,数据中心热性能的管理效率及其气流组织性能对数据中心的可靠运行具有重要意义。为了提高数据中心的热性能,降低数据中心的能耗,有必要对数据中心的热性能进行评价和分析。因此,许多专家学者提出了关于数据中心热性能的评价指标。本文首先综述了目前常用的评价指标体系的发展现状并重点介绍了它们的特点和适用级别。根据适用级别的不同,在将数据中心的热性能评价指标分为房间级、行级、机架级和服务器级的基础上,分析指标的应用方式。其次,本文分析了各指标的主要优点和局限性,为数据中心运营商如何根据自身的具体建设条件,选择合适的评价指标进行数据中心的设计和优化提供了建议。最后,本文还呈现出数据中心热性能多尺度评价体系的框架图,为日后的数据中心节能优化提供了参考。本文实测了南京某金融中心的数据中心机房的温度和风速,使用不同的评价指标对该数据中心的机房的热性能进行了评价。结果表明,评价指标对于实时反馈气流管理情况具有重要意义。但是,为了对数据中心热性能进行更全面、多尺度的评价,还需要考虑到它的节能性和可靠性。
吴郑源[9]（2020）在《基于多普勒激光雷达的飞机尾涡识别与预测研究》文中指出飞机尾流是飞机产生升力的必然产物,在机翼后方呈现一对旋转方向相反漩涡的形式,且能够较为稳定的存在一定的时间,对民航安全带来了影响。目前使用的尾流间隔标准已经逐渐不能满足民航业的发展,国内外均在研究如何优化尾流间隔以及动态尾流间隔,对飞机尾涡的识别和预测提出了需求。本文围绕飞机尾涡的识别和预测问题,研究激光雷达探测飞机尾涡径向速度场的特征,结合环境参数,研究识别和预测方法。论文的主要研究工作包括:首先,研究了激光雷达对飞机尾涡的探测方法。通过分析激光雷达的探测原理,并结合飞机尾涡的流场区域,比较了不同的探测模式对飞机尾涡探测的影响,在确定正侧方距离高度指示器扫描模式对飞机尾流探测效果最佳的情况下,建立了该模式下飞机尾涡切向速度和激光雷达探测径向速度的转换模型,并提出了激光雷达安放选址指标,通过计算,确定了设定场景下激光雷达最佳探测位置的范围,通过实地探测实验确认了方法的有效性,并完成了数据采集相关工作。其次,根据飞机尾涡的特性,从实地采集的激光雷达数据中,提取了飞机尾涡的特征,融合了环境因素,作为数据集,并提出了基于支持向量机的飞机尾涡识别方法,通过特征缩放、网格搜索和交叉验证等方法,确定了模型的最佳参数,测试结果表明,该方法能够有效识别飞机尾涡。然后,对存在尾涡的径向速度场进一步提取飞机尾涡特征参数,根据相邻扫描周期之间的特征变化,提出了基于XGBoost（eXtreme Gradient Boosting）的飞机尾涡预测方法。通过分步搜索方法确定了模型的最佳参数,测试的结果表明,该方法对飞机尾涡具备较好的预测能力,并分析了不同特征对于预测结果的重要程度和测试,测试结果表明该方法能够有效预测飞机尾涡。最后,在提出的飞机尾涡识别和预测方法的基础上,建立了飞机尾涡识别与预测系统,并完成了开发,使用历史数据验证了系统的功能,运行正常,能够准确识别、预测飞机尾涡,并给出对应的提示。论文提出的激光雷达飞机尾涡探测、识别与预测方法,对优化尾流间隔、动态尾流间隔提供支撑,对提高飞行安全系数和提升机场容量和效率有重要意义和应用价值。
张靖卉[10]（2020）在《功能对等理论下的《浸入式虚拟现实环境助力运动想象脑机接口训练》英译中实践报告》文中研究表明作为一种多学科交叉的新兴神经工程技术,脑机接口技术正在从实验室走到现实生活中。本次翻译实践原文为《浸入式虚拟现实环境助力运动想象脑机接口训练》,发表在国际计算机核心期刊《计算机与图形学》（Computer&Graphics）上。文章介绍了运动想象脑机接口发展现状及训练上存在的问题,通过实验分析得出浸入式虚拟现实环境能使参与者在训练中提高动作控制的准确度。笔者运用尤金·奈达的功能对等理论指导此次翻译实践,分别从词汇、句法、篇章三个方面对翻译实践中遇到的难点及所采用的策略进行讨论。本报告共分为四个部分。第一部分阐明本报告的研究背景、目的和意义。第二部分介绍功能对等理论,英文科技文本的一般特点,并对本篇脑机接口科技文本翻译的难点和实践策略进行了分析。第三部分介绍了在功能对等理论指导下所采用的具体翻译策略。第四部分总结本次翻译实践的收获及不足之处。笔者认为,翻译是一个反复实践、不断积累经验的过程。本次的翻译实践报告是笔者进行英译中翻译实践的研究与总结。笔者翻译关于脑机接口的论文,旨在为国内研究人员借鉴国外该领域最新科研成果提供支持;同时,笔者运用功能对等理论指导本次翻译实践,希望能为科技英语译员的翻译工作提供参考。
二、RHI公司运行情况（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、RHI公司运行情况（论文提纲范文）
（1）基于PHM的风电机组功率及健康状态预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 PHM技术研究现状 |
| 1.2.2 风电机组功率预测研究现状 |
| 1.2.3 风电机组健康预测研究现状 |
| 1.3 研究内容及组织结构 |
| 1.4 研究方法及技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 第2章 风电功率历史数据预处理 |
| 2.1 引言 |
| 2.2 历史数据筛选 |
| 2.2.1 弃风限风数据 |
| 2.2.2 离群数据 |
| 2.3 历史数据重构 |
| 2.3.1 功率曲线法重构弃风限风数据 |
| 2.3.2 插值法重构离群数据 |
| 2.4 数据预处理案例分析 |
| 2.5 本章小结 |
| 第3章 基于ISSA-LSSVM的功率预测研究 |
| 3.1 引言 |
| 3.2 LSSVM功率预测方法 |
| 3.2.1 SVM与 LSSVM |
| 3.2.2 核函数的定义 |
| 3.2.3 基于LSSVM的功率预测流程 |
| 3.3 智能优化算法的研究 |
| 3.3.1 麻雀搜索算法 |
| 3.3.2 改进麻雀搜索算法 |
| 3.3.3 粒子群优化算法 |
| 3.4 功率预测案例分析 |
| 3.4.1 训练样本的选取 |
| 3.4.2 预测结果分析 |
| 3.5 本章小结 |
| 第4章 组合模型功率预测 |
| 4.1 引言 |
| 4.2 基于ISSA-RBF神经网络的功率预测研究 |
| 4.2.1 RBF神经网络 |
| 4.2.2 PSO-RBF神经网络预测模型的训练与应用 |
| 4.2.3 ISSA-RBF风功率预测模型及应用 |
| 4.3 变分模态分解的研究 |
| 4.3.1 模型的训练与测试 |
| 4.3.2 VMD分解层数的确定 |
| 4.4 基于VMD-ISSA-RBF-ARIMA的功率预测研究 |
| 4.4.1 自回归滑动平均模型 |
| 4.4.2 VMD-SSA-RBF-ARIMA功率预测模型 |
| 4.5 本章小结 |
| 第5章 基于RHI的风电机组运行状态健康预测 |
| 5.1 引言 |
| 5.2 基于RHI的风电机组健康状态预测模型 |
| 5.2.1 风电机组健康状态预测整体框架 |
| 5.2.2 马氏距离 |
| 5.2.3 风电机组健康指数 |
| 5.3 基于RHI的风电机组健康状态预测 |
| 5.3.1 数据准备与模型训练 |
| 5.3.2 风电机组健康状态预测 |
| 5.3.3 预测结果分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（2）基于HIV-1 CRF01＿AE毒株进化规律的分子传播网络分析技术优化与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略语 |
| 第一部分:CRF01＿AE感染者个体内病毒进化规律研究 |
| 1 前言 |
| 2 材料与方法 |
| 2.1 实验对象 |
| 2.2 材料与试剂 |
| 2.2.1 主要试剂及耗材 |
| 2.2.2 主要仪器 |
| 2.3 实验方法 |
| 2.3.1 血浆病毒核酸提取及目的片段巢式PCR扩增 |
| 2.3.2 深度测序 |
| 2.3.3 数据处理及质量评估 |
| 2.3.4 系统进化分析判定单毒株感染 |
| 2.3.5 基因多样性(diversity)计算 |
| 2.3.6 基因分化(divergence)计算 |
| 2.3.7 统计学分析 |
| 3 结果 |
| 3.1 CRF01＿AE单毒株感染者的筛选与基本特征 |
| 3.2 320669 一例单毒株感染者体内进化模式 |
| 3.3 CRF01＿AE单毒株感染者自然病程中病毒准种数量和基因多样性随时间变化规律 |
| 3.4 CRF01＿AE单毒株感染者感染后不同时期距初始感染病毒的分化分析 |
| 3.5 CRF01＿AE与B亚型单毒株感染者个体内进化速率比较 |
| 3.6 CRF01＿AE单毒株感染者准种数、基因多样性和基因分化与感染时间、病毒载量、CD4 的相关性分析 |
| 4 讨论 |
| 5 结论 |
| 第二部分:CRF01＿AE毒株在个体间传播时病毒进化规律的研究 |
| 1 前言 |
| 2 材料与方法 |
| 2.1 研究对象 |
| 2.2 材料与试剂 |
| 2.2.1 主要试剂及耗材 |
| 2.2.2 主要仪器 |
| 2.3 实验方法 |
| 2.3.1 一代测序HIV-1 pol基因序列巢式PCR扩增 |
| 2.3.2 一代测序扩增产物鉴定 |
| 2.3.3 一代测序序列拼接及质量评估 |
| 2.3.4 利用一代测序序列进行系统进化分析 |
| 2.3.5 深度测序目的片段巢式PCR扩增 |
| 2.3.6 深度测序及数据处理 |
| 2.3.7 深度测序判定真实“传播对” |
| 2.3.8 基因多样性(diversity)计算 |
| 2.3.9 基因分化/供受者间基因距离(divergence、genetic distance)计算 |
| 2.3.10 统计学分析 |
| 3 结果 |
| 3.1 “传播对”的筛选及判别 |
| 3.1.1 利用一代检测序列进行系统进化分析排除非同源“传播对” |
| 3.1.2 深度测序判定真实“传播对” |
| 3.2 一对“传播对”供受者体内同源病毒的进化历程 |
| 3.3 供受者同源病毒分别的准种多样性随时间变化 |
| 3.4 供受者体内病毒分别距供者初始病毒的基因分化规律 |
| 3.5 病毒“传播对”供受者之间的基因距离 |
| 4 讨论 |
| 5 结论 |
| 第三部分:CRF01＿AE毒株分子传播网络构建及动力学变化分析 |
| 1 前言 |
| 2 材料和方法 |
| 2.1 研究对象 |
| 2.2 材料与试剂 |
| 2.2.1 主要试剂及耗材 |
| 2.2.2 主要仪器 |
| 2.3 实验方法 |
| 2.3.1 HIV-1限制性抗原(Lag)亲和性酶免疫分析(EIA) |
| 2.3.2 HIV-1 pol基因序列巢式PCR扩增 |
| 2.3.3 扩增产物鉴定 |
| 2.3.4 序列拼接及质量评估 |
| 2.3.5 病毒序列亚型鉴定及分类 |
| 2.3.6 HIV分子传播网络构建 |
| 2.3.7 参数计算:比例检出率(PDR:Proportional detection rate),簇增长预测因子(cluster growth predictor)和R＿e(effective reproductive number) |
| 2.3.8 统计学方法 |
| 3 结果 |
| 3.1 研究对象特征 |
| 3.2 优化CRF01＿AE分子传播网络的基因距离阈值 |
| 3.2.1 基于构建最高网络分辨率原则选择合适阈值 |
| 3.2.2 基于个体内和“传播对”病毒进化规律选择合适阈值 |
| 3.3 CRF01＿AE亚型分子传播网络特征 |
| 3.4 CRF01＿AE亚型各大型传播簇发展史及扩张速度 |
| 3.5 以分子传播网络为基础的沈阳地区HIV治疗及预防干预效果的回顾性评价大型传播簇的下降与ART标准不断提前相符 |
| 4 讨论 |
| 5 结论 |
| 本研究局限性 |
| 本研究创新性的自我评价 |
| 参考文献 |
| 综述 HIV分子传播网络的研究现状 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 个人简历 |
（3）数据中心机房热环境及节能特性研究与评价（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 数据中心发展现状 |
| 1.1.2 数据中心能耗情况 |
| 1.2 国内外研究现状 |
| 1.2.1 数据中心机房热环境相关研究 |
| 1.2.2 数据机房采用的冷却形式相关的研究 |
| 1.3 本文主要研究内容及研究方法 |
| 1.3.1 数据机房环境的评价标准 |
| 1.3.2 数据中心空调系统的特点 |
| 1.3.3 研究内容及研究方法 |
| 2 数据中心气流环境数值模拟与实测验证 |
| 2.1 数值模拟理论基础 |
| 2.1.1 控制方程 |
| 2.1.2 湍流模型 |
| 2.1.3 原始模型建立 |
| 2.2 数据机房气流环境模拟研究 |
| 2.2.1 工程概况 |
| 2.2.2 项目实际工况数值模拟 |
| 2.3 模拟结果与实验数据验证分析 |
| 2.3.1 实际测试方案 |
| 2.3.2 结果对比分析 |
| 2.4 本章小结 |
| 3 数据机房热环境优化方案的研究 |
| 3.1 优化方案制定 |
| 3.2 优化方案模拟结果分析 |
| 3.2.1 机柜进出口温度分析 |
| 3.2.2 机房温度场分析 |
| 3.2.3 机房流线分析 |
| 3.3 各方案数据综合分析 |
| 3.4 本章小结 |
| 4 自然冷却技术对数据中心节能的影响分析 |
| 4.1 蒸发冷却空调理论基础 |
| 4.1.1 直接蒸发冷却空调 |
| 4.1.2 间接蒸发冷却空调 |
| 4.2 模拟工程概况及机组运行方案 |
| 4.2.1 模拟工程概况 |
| 4.2.2 机组全年运行方案 |
| 4.3 蒸发冷却机组运行特性的影响因素探究 |
| 4.3.1 直接蒸发冷却模式(DEC) |
| 4.3.2 直接——间接蒸发冷却模式(IDEC) |
| 4.3.3 间接蒸发冷却+机械制冷模式(IEC+DX) |
| 4.4 复合式蒸发冷却机组全年运行方案及节能特性探究 |
| 4.5 本章小结 |
| 5 数据中心热环境及节能评价 |
| 5.1 数据中心热环境评价指标 |
| 5.1.1 数据中心机柜冷量利用评价指标 |
| 5.1.2 数据中心气流组织评价指标 |
| 5.2 空调机组能耗评价指标 |
| 5.2.1 评价指标介绍 |
| 5.2.2 蒸发冷却机组在不同气候地区的适用性评价 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简介 |
| 作者在攻读硕士学位期间获得的学术成果 |
| 致谢 |
（4）基于双重频脉冲压缩技术的毫米波测云雷达数据分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外现状 |
| 1.3 问题的提出 |
| 1.4 研究内容与章节安排 |
| 1.4.1 研究内容 |
| 1.4.2 章节安排 |
| 第二章 毫米波测云雷达数据可视化 |
| 2.1 毫米波测云雷达 |
| 2.1.1 测云雷达的基本参数 |
| 2.1.2 测云雷达的极化方式 |
| 2.1.3 测云雷达的特点 |
| 2.2 雷达基数据处理 |
| 2.2.1 基数据格式分析 |
| 2.2.2 基数据预处理 |
| 2.2.3 基数据高度订正 |
| 2.2.4 雷达回波图像编程实现 |
| 2.3 雷达数据可视化 |
| 2.3.1 可视化界面设计 |
| 2.3.2 雷达数据可视化实现 |
| 2.4 本章小结 |
| 第三章 测云雷达数据质量控制 |
| 3.1 测云雷达数据质量控制 |
| 3.1.1 测云雷达脉冲压缩技术分析 |
| 3.1.2 测云雷达双脉冲技术分析 |
| 3.1.3 基于余弦相似度算法的数据质量控制 |
| 3.2 数据质量控制的其它考虑 |
| 3.2.1 衰减订正 |
| 3.2.2 Mile散射 |
| 3.3 本章小结 |
| 第四章 基于RHI扫描方式的云状识别 |
| 4.1 云状识别的一般方法 |
| 4.2 基于模糊逻辑的云状识别算法 |
| 4.2.1 云状识别特征参数分析 |
| 4.2.2 云状识别算法 |
| 4.3 杭州、宁波观测站点的云状识别实验 |
| 4.4 与人工观测对比实验 |
| 4.5 小结 |
| 第五章 测云雷达的多普勒风场模拟 |
| 5.1 基于RHI多普勒的风场分析 |
| 5.2 基于RHI多普勒的风场模拟 |
| 5.2.1 风向不变、风速随高度变化 |
| 5.2.2 风速不变、风向随高度变化 |
| 5.2.3 风向、风速均随高度变化 |
| 5.3 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 主要创新点 |
| 6.3 不足与展望 |
| 6.3.1 不足 |
| 6.3.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
| 附录 |
（5）双偏振雷达探测暴雪/暴雨垂直结构的云微物理特征研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究现状及进展 |
| 1.2.1 双偏振雷达 |
| 1.2.2 暴雪和暴雨回波 |
| 1.2.3 大气风温湿结构 |
| 1.3 降水的云物理学 |
| 1.4 本文主要研究内容 |
| 1.4.1 问题的提出 |
| 1.4.2 本文的研究内容 |
| 第二章 双线偏振多普勒雷达简介及主要参量 |
| 2.1 双偏振雷达简介 |
| 2.2 双偏振雷达主要参量 |
| 2.3 NUIST C-Pol雷达参数 |
| 第三章 “180104”暴雪过程双偏振雷达参量分析 |
| 3.1 天气背景 |
| 3.1.1 降水概况 |
| 3.1.2 环流形势分析 |
| 3.2 双偏振雷达回波特征 |
| 3.2.1 PPI回波特征分析 |
| 3.2.1.1 雷达基数据产品特征 |
| 3.2.1.2 偏振参量特征 |
| 3.2.2 RHI回波及垂直廓线特征分析 |
| 3.3 大气垂直能量结构 |
| 3.4 云微物理机制 |
| 3.5 小结 |
| 第四章 “180525”暴雨过程双偏振雷达参量分析 |
| 4.1 天气背景 |
| 4.1.1 降水概况 |
| 4.1.2 环流形势分析 |
| 4.2 双偏振雷达回波特征 |
| 4.2.1 PPI回波特征分析 |
| 4.2.1.1 雷达基数据产品特征 |
| 4.2.1.2 偏振参量特征 |
| 4.2.2 RHI回波及垂直廓线特征分析 |
| 4.3 大气垂直能量结构 |
| 4.4 云微物理机制 |
| 4.5 小结 |
| 第五章 总结与展望 |
| 5.1 本文的主要研究结论 |
| 5.2 本文研究的创新点 |
| 5.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）X波段雷达组网的策略和强对流天气识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 天气雷达组网国内外进展 |
| 1.2.1 天气雷达组网国外进展 |
| 1.2.2 天气雷达组网国内进展 |
| 1.3 论文研究背景及目标 |
| 1.4 主要研究内容 |
| 1.5 论文章节安排 |
| 第二章 雷达扫描策略 |
| 2.1 雷达性能参数 |
| 2.2 组网化雷达布网情况 |
| 2.3 扫描模式 |
| 2.3.1 快速体扫模式 |
| 2.3.2 RHI扫描模式 |
| 2.4 扫描结果分析与小结 |
| 第三章 协同控制算法 |
| 3.1 重点区域识别 |
| 3.2 优先级计算 |
| 3.3 雷达分配 |
| 3.4 小结 |
| 第四章 强对流识别算法 |
| 4.1 现有技术介绍 |
| 4.2 本文算法 |
| 4.3 数据与特征挑选 |
| 4.4 训练过程分析 |
| 4.5 算法评估 |
| 4.5.1 中尺度对流系统 |
| 4.5.2 层状云降水掺杂对流性降水 |
| 4.5.3 无组织的对流单体伴随小型区域层状降水 |
| 4.5.4 统计指标和算法效率 |
| 4.6 实验结果讨论 |
| 4.7 小结 |
| 第五章 强对流分类算法 |
| 5.1 算法描述 |
| 5.1.1 降水点分类 |
| 5.1.2 降水点聚类 |
| 5.1.3 对流单体识别 |
| 5.2 实验装置与数据 |
| 5.3 实验结果与分析 |
| 5.4 小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 展望 |
| 参考文献 |
| 作者在读期间科研成果简介 |
| 1 学术论文 |
| 2 科研项目 |
| 致谢 |
（8）数据中心热性能评价指标研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与目的 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 研究概览 |
| 1.2.2 室内热环境研究指南 |
| 1.2.3 冷却方式 |
| 1.2.4 气流组织 |
| 1.3 目前存在的主要问题 |
| 1.4 本文的主要研究 |
| 第2章 数据中心热性能的评价指标研究 |
| 2.1 基于制冷量的热性能评价指标 |
| 2.2 基于?分析的热性能评价指标 |
| 2.3 本章小结 |
| 第3章 当前评价指标的限制性和框架讨论 |
| 3.1 当前指标的限制性 |
| 3.2 我国与国际通用数据中心标准的比较和框架讨论 |
| 3.3 本章小结 |
| 第4章 数据中心热性能试验与评价 |
| 4.1 试验方法 |
| 4.1.1 试验装置与场景 |
| 4.1.2 试验工况 |
| 4.1.3 测量方法 |
| 4.1.4 试验数据 |
| 4.2 评价结果与讨论 |
| 4.3 本章小结 |
| 第5章 结论与展望 |
| 5.1 全文总结 |
| 5.2 本文主要创新点 |
| 5.3 展望和建议 |
| 参考文献 |
| 在读期间研究成果 |
| 致谢 |
（9）基于多普勒激光雷达的飞机尾涡识别与预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 现行RECAT尾流间隔标准 |
| 1.2.2 飞机尾涡探测识别现状 |
| 1.2.3 飞机尾涡预测现状 |
| 1.3 论文内容及结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 激光雷达飞机尾涡探测研究 |
| 2.1 激光雷达探测原理 |
| 2.2 激光雷达扫描模式对比 |
| 2.3 飞机尾涡探测模型 |
| 2.4 激光雷达安放位置研究 |
| 2.5 激光雷达数据来源 |
| 2.6 本章小结 |
| 第三章 基于SVM的飞机尾涡识别方法研究 |
| 3.1 识别特征提取 |
| 3.1.1 速度极差 |
| 3.1.2 环境因素 |
| 3.2 SVM识别模型 |
| 3.3 识别模型训练 |
| 3.3.1 数据集 |
| 3.3.2 参数调节 |
| 3.4 识别方法评估 |
| 3.5 本章小结 |
| 第四章 基于XGBoost的飞机尾涡预测方法研究 |
| 4.1 预测特征提取 |
| 4.1.1 涡心移动 |
| 4.1.2 环量变化 |
| 4.1.3 演化时间 |
| 4.2 XGBoost预测模型 |
| 4.3 预测模型训练 |
| 4.3.1 数据集 |
| 4.3.2 参数调节 |
| 4.4 预测方法评估 |
| 4.5 本章小结 |
| 第五章 飞机尾涡识别与预测系统构建与实现 |
| 5.1 系统框架和开发环境 |
| 5.2 系统界面设计 |
| 5.3 系统功能实现 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（10）功能对等理论下的《浸入式虚拟现实环境助力运动想象脑机接口训练》英译中实践报告（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 第二章 译前准备 |
| 2.1 功能对等理论介绍 |
| 2.2 英文科技文体特点分析 |
| 2.3 所选文本翻译难点分析及实践策略 |
| 第三章 翻译策略 |
| 3.1 词汇对等 |
| 3.1.1 专业术语 |
| 3.1.2 词义选择 |
| 3.2 句法对等 |
| 3.2.1 增译法 |
| 3.2.2 减译法 |
| 3.2.3 被动句译法 |
| 3.2.4 长句译法 |
| 3.3 篇章对等 |
| 第四章 结语 |
| 4.1 实践收获 |
| 4.2 实践不足 |
| 参考文献 |
| 附录 A 原文 Embodied VR Environment Facilitates Motor Imagery Brain-computer Interface Training |
| 附录 B 译文 浸入式虚拟现实环境助力运动想象脑机接口训练 |
| 在学期间取得的科研成果和科研情况说明 |
| 致谢 |
四、RHI公司运行情况（论文参考文献）
- [1]基于PHM的风电机组功率及健康状态预测研究[D]. 葛双瑞. 沈阳工业大学, 2021
- [2]基于HIV-1 CRF01＿AE毒株进化规律的分子传播网络分析技术优化与应用[D]. 柳明辰. 中国医科大学, 2021(02)
- [3]数据中心机房热环境及节能特性研究与评价[D]. 魏祎. 沈阳建筑大学, 2020(04)
- [4]基于双重频脉冲压缩技术的毫米波测云雷达数据分析[D]. 郎亚军. 南京信息工程大学, 2020(02)
- [5]双偏振雷达探测暴雪/暴雨垂直结构的云微物理特征研究[D]. 雍佳. 南京信息工程大学, 2020(02)
- [6]X波段雷达组网的策略和强对流天气识别研究[D]. 雷波. 成都信息工程大学, 2020
- [7]基于激光雷达探测的飞机尾流特征参数反演系统[J]. 沈淳,高航,王雪松,李健兵. 雷达学报, 2020(06)
- [8]数据中心热性能评价指标研究[D]. 宫小明. 南京师范大学, 2020(03)
- [9]基于多普勒激光雷达的飞机尾涡识别与预测研究[D]. 吴郑源. 中国民用航空飞行学院, 2020(11)
- [10]功能对等理论下的《浸入式虚拟现实环境助力运动想象脑机接口训练》英译中实践报告[D]. 张靖卉. 天津理工大学, 2020(05)