桥梁作为重要的基础设施,由于长期受到自然环境和日常负荷的影响,桥梁结构可能面临严重的安全隐患,因此对桥梁结构健康状态进行实时监测和预测变得尤为迫切。在现有研究中,对于复杂的桥梁结构健康状态预测,仍然存在预测值易错、稳定性...桥梁作为重要的基础设施,由于长期受到自然环境和日常负荷的影响,桥梁结构可能面临严重的安全隐患,因此对桥梁结构健康状态进行实时监测和预测变得尤为迫切。在现有研究中,对于复杂的桥梁结构健康状态预测,仍然存在预测值易错、稳定性差和实时性不足等问题。为了解决上述问题,提出基于堆叠门控循环单元(GRU)编解码器的SGRUA(Stacked GRU with Attention and Auto-Cycle)模型,通过更好地捕捉时间序列数据中的长期依赖关系和重要特征来提高预测的准确性和稳定性,并利用较少的参数量来提高预测速度使得预测实时化。首先对真实桥梁监测数据进行缺失值填补、异常值检测与处理,以保证数据满足时序预测的完整性和可用性要求;随后利用SGRUA模型对桥梁动应变指数进行时序预测,通过对比实验和消融实验证明了模型的有效性。实验结果表明,与TSMixer时序预测模型相比,SGRUA模型在桥梁B数据集上的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和对称平均绝对百分比误差(SMAPE)指标下降了11.07%、11.02%、11.00%和10.96%,为桥梁结构健康监测与预测领域提供了一种新的有效方法,同时为其他类似结构的健康监测问题提供了有益的探索与启示。展开更多
锻炼行为促进是公共卫生领域的关键议题,但现有理论在预测和干预锻炼行为时仍存在局限性。基于锻炼行为发生的必要条件,提出了锻炼行为的MTMSP(motor competence,time,motivation,self-control and physical exertion,运动能力、时间、...锻炼行为促进是公共卫生领域的关键议题,但现有理论在预测和干预锻炼行为时仍存在局限性。基于锻炼行为发生的必要条件,提出了锻炼行为的MTMSP(motor competence,time,motivation,self-control and physical exertion,运动能力、时间、动机、自我控制和体力消耗)决定因素模型(以下简称“MTMSP决定因素模型”)。该模型从个体层面深入解析锻炼行为的发生机制,将运动能力、时间、动机、自我控制和体力消耗作为核心决定因素,并通过“前提条件-双过程动机-自我控制调节”三级结构揭示各因素的内在关联。研究认为,MTMSP决定因素模型为克服锻炼意向−行为差距和维持问题提供了新的理论视角。未来研究可基于该模型,诊断目标人群的初始状态,设计更具针对性的干预方案,促进锻炼行为的发生。展开更多
随着锂电池在动力和储能等领域得到广泛应用,锂电池的寿命问题成为限制其发展的重要桎梏。电池处于存储状态时也会发生性能衰退而影响寿命,因此,研究电池自放电过程中的阻抗变化以表征内部电化学反应与结构相变过程,对于电池寿命模型完...随着锂电池在动力和储能等领域得到广泛应用,锂电池的寿命问题成为限制其发展的重要桎梏。电池处于存储状态时也会发生性能衰退而影响寿命,因此,研究电池自放电过程中的阻抗变化以表征内部电化学反应与结构相变过程,对于电池寿命模型完善有十分重要的意义。基于此,该文通过容量增量曲线对电池容量衰减的内因展开分析;在不同影响因素下自放电过程中电池阻抗谱变化规律的基础上,利用弛豫时间分布法进行理论原理分析;最后,在电池自放电老化过程的原理推导的基础上总结电池容量衰减量随时间的变化规律,并结合实验数据建立不同影响因素下电池容量衰减模型。结果表明,在存储过程中,电池的固体电解质界面(solid electrolyte interface,SEI)膜内阻增大,且存储温度越高、初始充电状态(state of charge,SOC)越大,相应的阻抗增加幅度越大。自放电过程电池老化主要原因是可循环活性锂离子的消耗和SEI膜的生长。同时该文推导出电池容量损失与时间近似呈0.5次方关系,并利用实验数据拟合得到电池在不同初始SOC和不同存储温度影响下的容量变化模型,为锂电池寿命模型预测提供更进一步的参考。展开更多
文摘桥梁作为重要的基础设施,由于长期受到自然环境和日常负荷的影响,桥梁结构可能面临严重的安全隐患,因此对桥梁结构健康状态进行实时监测和预测变得尤为迫切。在现有研究中,对于复杂的桥梁结构健康状态预测,仍然存在预测值易错、稳定性差和实时性不足等问题。为了解决上述问题,提出基于堆叠门控循环单元(GRU)编解码器的SGRUA(Stacked GRU with Attention and Auto-Cycle)模型,通过更好地捕捉时间序列数据中的长期依赖关系和重要特征来提高预测的准确性和稳定性,并利用较少的参数量来提高预测速度使得预测实时化。首先对真实桥梁监测数据进行缺失值填补、异常值检测与处理,以保证数据满足时序预测的完整性和可用性要求;随后利用SGRUA模型对桥梁动应变指数进行时序预测,通过对比实验和消融实验证明了模型的有效性。实验结果表明,与TSMixer时序预测模型相比,SGRUA模型在桥梁B数据集上的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和对称平均绝对百分比误差(SMAPE)指标下降了11.07%、11.02%、11.00%和10.96%,为桥梁结构健康监测与预测领域提供了一种新的有效方法,同时为其他类似结构的健康监测问题提供了有益的探索与启示。
文摘锻炼行为促进是公共卫生领域的关键议题,但现有理论在预测和干预锻炼行为时仍存在局限性。基于锻炼行为发生的必要条件,提出了锻炼行为的MTMSP(motor competence,time,motivation,self-control and physical exertion,运动能力、时间、动机、自我控制和体力消耗)决定因素模型(以下简称“MTMSP决定因素模型”)。该模型从个体层面深入解析锻炼行为的发生机制,将运动能力、时间、动机、自我控制和体力消耗作为核心决定因素,并通过“前提条件-双过程动机-自我控制调节”三级结构揭示各因素的内在关联。研究认为,MTMSP决定因素模型为克服锻炼意向−行为差距和维持问题提供了新的理论视角。未来研究可基于该模型,诊断目标人群的初始状态,设计更具针对性的干预方案,促进锻炼行为的发生。
文摘随着锂电池在动力和储能等领域得到广泛应用,锂电池的寿命问题成为限制其发展的重要桎梏。电池处于存储状态时也会发生性能衰退而影响寿命,因此,研究电池自放电过程中的阻抗变化以表征内部电化学反应与结构相变过程,对于电池寿命模型完善有十分重要的意义。基于此,该文通过容量增量曲线对电池容量衰减的内因展开分析;在不同影响因素下自放电过程中电池阻抗谱变化规律的基础上,利用弛豫时间分布法进行理论原理分析;最后,在电池自放电老化过程的原理推导的基础上总结电池容量衰减量随时间的变化规律,并结合实验数据建立不同影响因素下电池容量衰减模型。结果表明,在存储过程中,电池的固体电解质界面(solid electrolyte interface,SEI)膜内阻增大,且存储温度越高、初始充电状态(state of charge,SOC)越大,相应的阻抗增加幅度越大。自放电过程电池老化主要原因是可循环活性锂离子的消耗和SEI膜的生长。同时该文推导出电池容量损失与时间近似呈0.5次方关系,并利用实验数据拟合得到电池在不同初始SOC和不同存储温度影响下的容量变化模型,为锂电池寿命模型预测提供更进一步的参考。
