2022年汛期长江流域发生了历史罕见的流域性干旱,大通站9—10月份流量在11000 m 3/s上下浮动。9月份开始,叠加台风的影响,长江口遭遇了严重的盐水入侵事件,威胁上海市供水安全。结合实测流量、风速和盐度数据分析,认为此次盐水入侵由低...2022年汛期长江流域发生了历史罕见的流域性干旱,大通站9—10月份流量在11000 m 3/s上下浮动。9月份开始,叠加台风的影响,长江口遭遇了严重的盐水入侵事件,威胁上海市供水安全。结合实测流量、风速和盐度数据分析,认为此次盐水入侵由低流量和台风导致;基于此,采用三维河口海岸数值模型定量分析三峡水库应急补水的压咸效果。结果表明,应急补水削弱了长江口的盐水入侵,减小了咸潮上溯距离,南支—北港纵断面0.45 psu等盐度线下移了17 km,降低了水库取水口盐度,为青草沙水库争取了约6 h的取水窗口。10月份2次寒潮在一定程度上削弱了此次补水效果,为确保补水效果需加强河口地区水文、潮汐及气象综合监测能力,以保障上海市淡水利用安全。展开更多
目的探究噪声暴露者的噪声下信噪比损失(SNR loss)与耳蜗电图的关系及其对隐性听力损失的辅助诊断价值。方法选取有噪声暴露史的工人41例(41耳),分别进行纯音测听、声导抗、噪声下的言语识别以及耳蜗电图测试,依据噪声下言语识别能力分...目的探究噪声暴露者的噪声下信噪比损失(SNR loss)与耳蜗电图的关系及其对隐性听力损失的辅助诊断价值。方法选取有噪声暴露史的工人41例(41耳),分别进行纯音测听、声导抗、噪声下的言语识别以及耳蜗电图测试,依据噪声下言语识别能力分为两组,A组:SNR loss<0(19耳),B组:SNR loss≥0(22耳),分析两组耳蜗电图的差异。结果噪声下言语识别测试结果显示,A、B两组受试者的信噪比损失差异有统计学意义(P<0.05);耳蜗电图结果显示,在96、90、80 dB nHL三个刺激强度下A组AP振幅大于B组,差异有统计学意义(P<0.05);在96、90、80、70、60 dB nHL五个刺激强度下B组SP振幅大于A组,差异有显著统计学意义(P<0.001);在96、90、80、70 dB nHL四个刺激强度下,B组SP/AP振幅比大于A组,差异有统计学意义(P<0.05)。结论信噪比损失<0与≥0的噪声暴露者耳蜗电图SP/AP振幅比在不同声强下有显著差异。展开更多
为了实现在复杂非结构环境下对木薯叶4种主要病害的高精度检测,提出一种基于选择性注意力机制的木薯叶病害神经网络检测改进算法MAISNet(Multiattention IBN Squareplus neural network)。以V2-ResNet-101为基础网络,先使用多重注意力...为了实现在复杂非结构环境下对木薯叶4种主要病害的高精度检测,提出一种基于选择性注意力机制的木薯叶病害神经网络检测改进算法MAISNet(Multiattention IBN Squareplus neural network)。以V2-ResNet-101为基础网络,先使用多重注意力算法优化加权系数,调整特征通道的语义表达,在特征图中初步构建显著性特征;然后在残差单元之后采用实例批归一化方法来抑制特征表达中的协变量偏移,在特征图中构建出显著性语义特征,实现高质量语义特征表达;最后在残差分支中采用Squareplus激活函数替代ReLU激活函数,保持语义特征在负数域的数值分布,减少特征拟合过程中的截断误差。对比试验结果显示,经过上述改进后构建出的MAISNet-101神经网络,对4种常见木薯叶病害检测的平均准确率达到95.39%,明显优于目前主流算法EfficientNet-B5和RepVGG-B3g4等。网络提取特征的可视化分析结果表明,高质量木薯叶病害显著性语义特征,是提高木薯叶病害检测准确率的关键。所提出的MAISNet神经网络模型可以完成实际场景下木薯叶病害高精度检测。展开更多
文摘目的探究噪声暴露者的噪声下信噪比损失(SNR loss)与耳蜗电图的关系及其对隐性听力损失的辅助诊断价值。方法选取有噪声暴露史的工人41例(41耳),分别进行纯音测听、声导抗、噪声下的言语识别以及耳蜗电图测试,依据噪声下言语识别能力分为两组,A组:SNR loss<0(19耳),B组:SNR loss≥0(22耳),分析两组耳蜗电图的差异。结果噪声下言语识别测试结果显示,A、B两组受试者的信噪比损失差异有统计学意义(P<0.05);耳蜗电图结果显示,在96、90、80 dB nHL三个刺激强度下A组AP振幅大于B组,差异有统计学意义(P<0.05);在96、90、80、70、60 dB nHL五个刺激强度下B组SP振幅大于A组,差异有显著统计学意义(P<0.001);在96、90、80、70 dB nHL四个刺激强度下,B组SP/AP振幅比大于A组,差异有统计学意义(P<0.05)。结论信噪比损失<0与≥0的噪声暴露者耳蜗电图SP/AP振幅比在不同声强下有显著差异。
文摘为了实现在复杂非结构环境下对木薯叶4种主要病害的高精度检测,提出一种基于选择性注意力机制的木薯叶病害神经网络检测改进算法MAISNet(Multiattention IBN Squareplus neural network)。以V2-ResNet-101为基础网络,先使用多重注意力算法优化加权系数,调整特征通道的语义表达,在特征图中初步构建显著性特征;然后在残差单元之后采用实例批归一化方法来抑制特征表达中的协变量偏移,在特征图中构建出显著性语义特征,实现高质量语义特征表达;最后在残差分支中采用Squareplus激活函数替代ReLU激活函数,保持语义特征在负数域的数值分布,减少特征拟合过程中的截断误差。对比试验结果显示,经过上述改进后构建出的MAISNet-101神经网络,对4种常见木薯叶病害检测的平均准确率达到95.39%,明显优于目前主流算法EfficientNet-B5和RepVGG-B3g4等。网络提取特征的可视化分析结果表明,高质量木薯叶病害显著性语义特征,是提高木薯叶病害检测准确率的关键。所提出的MAISNet神经网络模型可以完成实际场景下木薯叶病害高精度检测。
