海岸沉积物是记录海-陆-气相互作用下区域古环境变化的重要载体。因短历时古气候事件发生时间短、各物质载体和代用指标都存在一定不足,对华南海岸带沉积物研究多探讨其与海平面波动等长时间尺度上的关系,限制了对粒度信息中可能记录的...海岸沉积物是记录海-陆-气相互作用下区域古环境变化的重要载体。因短历时古气候事件发生时间短、各物质载体和代用指标都存在一定不足,对华南海岸带沉积物研究多探讨其与海平面波动等长时间尺度上的关系,限制了对粒度信息中可能记录的短期气候事件的深入研究,不利于解译古气候与古人类历史。本研究选取福建霞浦福宁湾FN1钻孔0~8 m部分,以光释光年代标尺为基础,使用粒度作为主要环境代用指标,并通过端元分析、主成分和相关性分析方法,阐明福建东北沿海地区沉积物粒度特征;再结合TOC/TN含量变化,探讨其环境指示意义。结果表明:(1)钻孔0~8 m沉积物以粉砂为主,不同沉积相中各粒级百分比含量波动较大,根据粒径变化趋势和各粒度参数变化曲线分为U1、U2、U3三层。(2)根据BasEMMA方法选取3个端元进行分析。其中,EM1代表低能沉积条件,以粉砂为主,是受冬季风影响的敏感组分,可指示冬季风强度变化;EM2代表中能沉积条件,出现粒级、TOC/TN及沉积速率的突变。受东亚冬季风影响,陆源物质含量增加;EM3代表高能沉积条件,区域水动力增强,沉积物粗颗粒含量增加;高能与低能条件的频繁变化使沉积过程变得复杂,形成海陆过渡相。(3)3.9 ka B.P.~3.7 ka B.P.、1.4 ka B.P.~1.2 ka B.P.以及距今约500 a以来,沉积物粒度与TOC/TN均出现明显变化。与前人对东亚季风与ENSO变化的研究对比发现,环境代用指标的突变与华南沿海在该时段发生的风暴潮频率密切相关,可能对该地区人类生活居住产生严重威胁,进而影响区域文化演替,这表明沉积物粒度特征和TOC/TN含量变化特征等具有指示区域人类活动和环境演变的潜力。本研究可以为古环境重建和人类文化研究提供支持。展开更多
航空发动机剩余寿命(remaining useful life,RUL)预测是设备故障预测与健康管理(prognostics and health management,PHM)的核心问题。针对发动机数据维度高、滞后性强和复杂度高等挑战,提出了一种基于自训练权重的多尺度注意力双向长...航空发动机剩余寿命(remaining useful life,RUL)预测是设备故障预测与健康管理(prognostics and health management,PHM)的核心问题。针对发动机数据维度高、滞后性强和复杂度高等挑战,提出了一种基于自训练权重的多尺度注意力双向长短期记忆神经网络模型。通过不同尺度的双向长短期记忆神经网络(bidirectional long short-term memory neural network,BiLSTM)提取多尺度特征;提出一种基于自训练权重的融合算法,通过引入注意力机制进行不同尺度的特征筛选,以提高预测精度。将各模型在NASA的C-MAPSS数据集上进行实验对比,结果证明,所提出预测模型在准确率和均方根误差指标上均有所提升。展开更多
文摘海岸沉积物是记录海-陆-气相互作用下区域古环境变化的重要载体。因短历时古气候事件发生时间短、各物质载体和代用指标都存在一定不足,对华南海岸带沉积物研究多探讨其与海平面波动等长时间尺度上的关系,限制了对粒度信息中可能记录的短期气候事件的深入研究,不利于解译古气候与古人类历史。本研究选取福建霞浦福宁湾FN1钻孔0~8 m部分,以光释光年代标尺为基础,使用粒度作为主要环境代用指标,并通过端元分析、主成分和相关性分析方法,阐明福建东北沿海地区沉积物粒度特征;再结合TOC/TN含量变化,探讨其环境指示意义。结果表明:(1)钻孔0~8 m沉积物以粉砂为主,不同沉积相中各粒级百分比含量波动较大,根据粒径变化趋势和各粒度参数变化曲线分为U1、U2、U3三层。(2)根据BasEMMA方法选取3个端元进行分析。其中,EM1代表低能沉积条件,以粉砂为主,是受冬季风影响的敏感组分,可指示冬季风强度变化;EM2代表中能沉积条件,出现粒级、TOC/TN及沉积速率的突变。受东亚冬季风影响,陆源物质含量增加;EM3代表高能沉积条件,区域水动力增强,沉积物粗颗粒含量增加;高能与低能条件的频繁变化使沉积过程变得复杂,形成海陆过渡相。(3)3.9 ka B.P.~3.7 ka B.P.、1.4 ka B.P.~1.2 ka B.P.以及距今约500 a以来,沉积物粒度与TOC/TN均出现明显变化。与前人对东亚季风与ENSO变化的研究对比发现,环境代用指标的突变与华南沿海在该时段发生的风暴潮频率密切相关,可能对该地区人类生活居住产生严重威胁,进而影响区域文化演替,这表明沉积物粒度特征和TOC/TN含量变化特征等具有指示区域人类活动和环境演变的潜力。本研究可以为古环境重建和人类文化研究提供支持。
文摘航空发动机剩余寿命(remaining useful life,RUL)预测是设备故障预测与健康管理(prognostics and health management,PHM)的核心问题。针对发动机数据维度高、滞后性强和复杂度高等挑战,提出了一种基于自训练权重的多尺度注意力双向长短期记忆神经网络模型。通过不同尺度的双向长短期记忆神经网络(bidirectional long short-term memory neural network,BiLSTM)提取多尺度特征;提出一种基于自训练权重的融合算法,通过引入注意力机制进行不同尺度的特征筛选,以提高预测精度。将各模型在NASA的C-MAPSS数据集上进行实验对比,结果证明,所提出预测模型在准确率和均方根误差指标上均有所提升。
