首页期刊导航|工程科学与技术
期刊信息/Journal information
工程科学与技术
四川大学
工程科学与技术

四川大学

谢和平

双月刊

2096-3246

jsu@scu.edu.cn

028-85401005

610065

成都市一环路南一段24号

工程科学与技术/Journal Advanced Engineering SciencesCSCD北大核心CSTPCDEI
查看更多>>本刊为四川大学主办的工程科学领域综合性学术期刊。主要反映四川大学工程科学领域基础理论研究和实验研究方面的科研成果，推动国内外学术交流。主要专业：水利与土木工程、化学与化学工程、机械工程、电气信息工程、材料科学与工程、信息工程。主要读者对象是高等学校和科研单位的科研工作者、教师和研究生。
正式出版
收录年代

    面向暗网抑制的普适性安全理论研究构想和成果展望

    黄诚丁建伟赵佳鹏陈周国...
    1-10页
    查看更多>>摘要：近年来，匿名网络及其架构上的"暗网"因其强隐蔽、高匿名、抗追溯的特性，成为传递敏感信息、实施网络攻击及开展网络犯罪的重要工具，给国家安全和社会稳定带来严重威胁。为应对暗网治理中通信行为隐蔽难识别、网络拓扑跳变难绘制、陷阱节点部署难伪装等挑战，本文旨在研究面向暗网抑制的普适性安全理论。本研究的关键科学问题凝练为:强对抗机制下结构信息缺失的动态时变网络行为刻画与推理问题。为突破以上问题，拟从基础理论、应用技术和示范系统3个层面开展研究，实现1个框架、3个方法、1个系统等五大研究内容。具体为:一是，建立面向暗网流量差异性与行为共性的协同量化理论框架，提出异构暗网普适性特征与差异化要素表征、统一安全量化、生态脆弱图构建及推理理论，解决网络结构复杂多样、通信行为动态多变的暗网可抑制性量化评估问题;二是，提出基于凸优化问题求解的流量实时轻量化识别方法，通过构建基于自身相似性关联的小流抽样模型与基于高斯核函数和多模态优化的暗网流量识别与业务分类模型，实现对暗网流量的实时、轻量化精准识别与分类;三是，提出基于行为不变性的多网络全时域连接预测与通连关系绘制方法，在统一安全量化理论的基础上，对跨位点连接进行表示，在动态网络中过滤无关连接后进行多网络全时域连接预测，并绘制通连关系，实现局部观测条件下暗网通连的多点全局关联;四是，提出基于局部观测暗网通连最优化的陷阱节点部署与溯源方法，实现部分可控节点条件下的暗网追踪溯源;五是，研发面向真实暗网场景的实时流量检测与溯源示范应用系统，并在相关执法单位进行落地应用，实现对暗网犯罪的精准治理。并且，详细阐述了协同量化理论构建、轻量化暗网流量识别、连接预测与通连关系绘制、陷阱部署与溯源机理、示范应用系统等五大任务的技术路线。通过本文的基础理论研究、技术应用和系统示范验证，推动暗网治理的理论发展，提升抑制暗网的效率，具有重要的社会与经济效益。

    暗网治理流量检测行为识别安全量化陷阱节点部署

      原文链接:
    • 万方数据

    山区河流推移质泥沙监测技术研究进展

    罗铭刘兴年彭万兵吴小康...
    11-20页
    查看更多>>摘要：受推移质监测技术的限制，高精度瞬时监测和分析天然山区河流的推移质输移特征变化存在困难，形成技术瓶颈。全球气候变化导致河流水沙变化巨大，加剧了中国的山区河流保护与治理事业的挑战。本文按照直接监测和间接监测分类对近年国内外推移质监测技术研究进展进行了全面整理。直接监测法包括了器测法和坑测法，其中器测法发展较为成熟，但直接监测法在高洪条件下的可操作性及安全性问题仍然突出。间接监测法可连续、长期地记录包含河床变化、推移质输移等信号，主要分为主动监测法和被动监测法，其中被动监测法又分为接触与非接触式，包括了推移质击板/柱/管、地震检波器、水听器等。但间接监测法传感器所记录的信号通常非常复杂，对信号的有效解译及量化标定关系成为该类研究的热点及难点。据此，本文指出了原型观测站点的建设、多源信号监测技术的融合、流域推移质泥沙监测装备体系的构建是未来研究的重点和亟待解决的科技问题。

    山区河流推移质泥沙监测技术研究进展

      原文链接:
    • 万方数据

    漂浮植被作用下河道水流流速沿程变化研究

    单钰淇桂子钦曹辉任玉峰...
    21-28页
    查看更多>>摘要：漂浮植被常见于明渠河道水面。漂浮植被可改变河道水流流速，影响植被吸收营养物效率。本文将漂浮植被作用下的明渠河道沿垂向划分为漂浮植被区和无植被区。在植被阻力作用下，水流进入漂浮植被区后不断调整，流速不断降低，直至水流充分发展后，水流流速稳定不变。将漂浮植被区的水流调整长度定义为漂浮植被前端至水流充分发展处的长度。基于指数衰减函数，建立了漂浮植被区水流流速沿程分布预测方法;在此基础上，联立水流连续方程，提出了漂浮植被下方无植被区的水流流速沿程分布预测方法。所提计算模型结构简单、易于应用，所有输入参数可由水流和植被条件确定。采用已有的试验资料检验计算模型，发现本文模型能够准确预测漂浮植被区和无植被区的流速沿程分布。研究可为河道水环境治理与生态修复提供技术支撑。

    漂浮植被流速分布预测模型营养物去除

      原文链接:
    • 万方数据

    植被影响下的弯曲分汊河道水沙特性

    王森李坤芳刘兴年黄尔...
    29-36页
    查看更多>>摘要：弯曲分汊河道由于其特殊的地形和复杂的水沙运动特性，对河势稳定、防洪、航运及沿岸经济发展都有着深远的影响。植被作为河流生态系统的组成部分，对河床演变形态具有重要影响，且植被往往分布在弯曲分汊河道的凸岸淤积段或洲滩。本文基于物理模型试验，开展系列不同来流及不同植被密度影响下的弯曲分汊河道动床非恒定流概化试验，分析植被影响下弯曲分汊河道冲刷与再造过程中的水流和泥沙的输移特性。结果表明:非恒定过程条件下，左汊分流比受植被影响较为显著，且随着支汊植被密度的增加呈现增大的趋势;分流比对右汊有无植被布设较为敏感，但植被布设密度的大小对分流比影响较小。对于推移质输移，支汊植被的存在增大了弯曲分汊河段推移质的输沙率和输沙级配，随着右汊植被覆盖密度的增加，推移质输沙率峰值有所增大，同时推移质输沙波动亦增大，流量较大时波动性表现更为显著。汊道相互影响量化参数的变化表明弯曲分汊河道再造过程中汊道间的影响随着支汊植被密度的增加呈现出较大的增加幅度。研究成果一定程度上可为相关的河道整治、河流生态修复等提供理论支持。

    弯曲分汊河道植被影响水流特性推移质输移非恒定流

      原文链接:
    • 万方数据

    基于碎屑锆石及水文观测的黄河多沙粗沙区重要支流来沙变化分析

    白婷范念念王远见聂锐华...
    37-47页
    查看更多>>摘要：巨大的来沙量是造成黄河水沙灾害的重要原因。近年来，黄河及其主要支流实测输沙量明显减少，但产沙输沙的多时空尺度特征仍不明确。以多沙粗沙区的重要支流皇甫川和窟野河为例，利用现代水文资料和碎屑锆石物源结合的方法，分析产沙输沙变化的多时空属性特征。通过统计检验方法对实测水文资料进行分析，发现年径流量和年输沙量均呈显著的减小趋势，其中:皇甫川径流、输沙序列的突变点发生在1978年和1998年，且均发生明显减小;窟野河径流的突变点发生在1979年、1997年和2011年，前两个突变点明显减小，最后一个突变点明显增加，而输沙的突变点发生在1979年和1997年，均明显减小。对皇甫川和窟野河现代河流沉积物(2020年)和几千年前的河流阶地沉积物分别进行了碎屑锆石测试分析，得出两条河流的泥沙主要由黄土和基岩组成，而现代河流泥沙中黄土的贡献率比阶地更大。造成这种输沙量急剧减小、黄土比例增加现象的原因是人类扰动加速了黄土侵蚀，但流域地表水和地下水资源的开采及水土保持措施减少了水量，使得泥沙的输移比减小，大量从坡面上侵蚀的黄土沉积在沟道之中，没有被输送到流域的出口，为极端天气下的来沙提供了物源。本文采用现代尺度的水文观测资料分析与地质沉积学的方法，结合不同尺度的方法，对黄河多沙粗沙区重要支流的来沙变化进行分析，可为调控治理黄河水沙灾害的相关研究提供一定的思路。

    黄河径流量输沙量碎屑锆石物源

      原文链接:
    • 万方数据

    基于随机位移方法的河道植被区悬沙沉积分布计算模型

    李川孙思晨单钰淇刘永浩...
    48-56页
    查看更多>>摘要：天然河道中，水生植被影响水流特性与悬沙输移规律，使得河道植被区的悬沙沉积分布相比于无植被区更加复杂，模拟难度更高。为探究河道植被区悬沙沉积分布，本文将改进边界条件后的随机位移模型引入植被作用下的水沙输移研究，融合真实形态植被对水流特性的影响，提出了适用于真实形态植被(以芦苇为例)下的悬沙沉积分布计算模型。为验证计算模型的准确性，本文选用具有真实外形的仿真芦苇开展水槽试验，详细测量了不同泥沙粒径、水流条件和植被密度下的芦苇区悬沙沉积沿程分布。试验结果发现:泥沙粒径、上游平均流速和植被密度均影响河道芦苇区的悬沙沉积分布，其中，对植被区前端的悬沙沉积量影响尤为显著。植被区泥沙补给是否受限会导致悬沙沉积呈现两种截然不同的分布。本文提出的数值计算模型可较好地模拟泥沙补给不受限条件下河道植被区的悬沙沉积分布，模拟结果与试验结果的量级和变化趋势均吻合较好;但该模型不能捕捉泥沙补给受限条件下植被区的悬沙沉积分布。综上，本文提出的基于随机位移方法的计算模型可较准确地预测河道植被区的悬沙沉积沿程分布，但仅适用于植被区泥沙补给不受限的情况。

    河道植被区随机位移模型仿真芦苇悬沙沉积分布

      原文链接:
    • 万方数据

    Logistic混沌映射与差分进化改进人工蜂群优化水下定位

    陈嘉兴刘扬刘晓茜刘志华...
    57-67页
    查看更多>>摘要：水下节点定位时通常采用距离估算法，在节点之间利用点到点的距离来估计或基于角度估计来完成节点定位。然而，这种算法存在较大的定位误差。为了提升定位的精确度，引入了人工蜂群(ABC)优化算法，该算法通过将节点定位结果优化问题转化为对节点目标函数的优化问题，有效地提高了水下节点的定位精度。尽管如此，ABC算法在迭代过程中仍存在收敛速度慢、易陷入局部最优的问题。针对这些问题，提出了一种通过Logist-ic混沌映射与差分进化改进的人工蜂群优化水下定位算法(improved artificial bee colony optimization underwater localization algorithm by Logistic chaos mapping and differential evolution，LDIABC)。首先，在算法种群初始化阶段，引入了Logistic混沌映射，利用该映射函数产生的混沌序列代替随机数生成器，从而使种群在初始化分布时蜜源位置更均匀，并从理论上证明了Logistic混沌序列的互异性，从而避免由于种群分布过于密集导致算法在迭代过程中陷入局部最优;其次，提出了适应度方差这一标准来验证在算法迭代过程中未陷入局部最优，进一步证明其有效性;然后，在引领蜂搜索阶段，基于差分进化的变异策略，提出了权重因子改进引领蜂邻域搜索方式，提高了引领蜂的全局搜索效率，加快了算法的收敛速度。仿真实验表明，LDIABC算法能够有效避免传统ABC算法收敛速度慢和易陷入局部最优的问题。相较于Tent-IABC算法、ELOABC算法、CODEGWO算法以及SAPSO算法，LDIABC算法在收敛速度和节点定位成功率上均有显著提升，并且优化定位精度分别提升了6。36%、13。33%、14。16%和16。88%。这些结果证明LDIABC算法能够有效提升水下节点定位精度，具有良好的优化效果。

    人工蜂群优化水下定位Logistic混沌映射适应度方差权重因子

      原文链接:
    • 万方数据

    基于多通道特征融合的人体动作识别方法

    陶志勇郭希俊任晓奎刘影...
    68-79页
    查看更多>>摘要：现阶段，深度学习已在基于WiFi的人体动作识别领域得到广泛应用且取得显著成果。然而，在利用多输入、多输出(MIMO)系统强大的空间分集特性进行动作识别时，受多径效应影响，获得信道状态信息(CSI)存在对相同动作的特征描述存在差异、不同动作的特征描述存在类似、特征提取不完整和动作分类复杂的问题。为解决上述问题，本文提出一种基于双重注意力机制和多通道、多尺度的时间卷积网络的动作识别方法。首先，根据MIMO系统的空间分集特性，构建多通道信息提取模型，从各个天线接收到的信道中提取出有关动作的特性信息。然后，设计多尺度的统合机制，强化同一动作在不同通道接收数据的表征，通过整合不同尺度的动作特征，增强对动作的表征能力。再次，采用特征图融合注意力机制和特征通道注意力机制对各通道的动作特征进行聚合。注意力机制能有效地找出对最终动作识别有重要贡献的特征，使模型可以更好地进行特征聚焦。与此同时，将时间卷积网络应用于特征处理过程，使不同时间步的动作特征间的长期依赖关系得以维持，增加对复杂和连续动作的识别能力。最终，利用全局平均池化层(GAP)将各通道的特征图与动作分类器进行连接，以便多通道的动作特性能有效聚合在一起，进一步提高动作识别的精度。本文提出的模型在公共数据集7种动作测试中，实现98。72%的平均准确率。同时在自行搭建的实验室、教室和走廊等真实环境下进行测试时，10种不同的动作分别获得97。94%、97。28%和95。66%的识别准确率。实验结果充分证明了本文所提出的基于WiFi的人体动作识别模型在不同环境的有效性和优越性。

    动作识别深度学习信道状态信息TCN注意力

      原文链接:
    • 万方数据

    抽查设定下基于学生评价能力的同行互评概率图模型

    许嘉杨攀原吕品刘恒...
    80-88页
    查看更多>>摘要：随着大量中文MOOC平台的兴起，批改大规模学生提交的主观题作业成为教育研究领域亟待解决的问题。同行互评要求学生作为同行评价者来批改同伴的作业，是解决该挑战问题的主流方法。近年来，研究人员基于概率图模型对同行评价者的评分可靠性和偏见建模，有效提升了基于同行评价打分估计主观题作业真实分数的准确性。然而，现有概率图模型只考虑学生在本次作业上的得分对其评分可靠性的影响，未对可以直接衡量评价者评分可靠性的学生评分偏差进行建模，存在局限性。鉴于此，本文结合教师抽查的方式，基于学生评分偏差对评价者评价能力进行有效量化，并以此为基础提出两种新颖的同行互评概率图模型，即RPG6(reliability-aware peer grading 6)和RPG7(reliability-aware peer grading 7)。这两个模型在现有概率图模型的基础上，在学生的评分可靠性建模中添加了基于评分偏差感知的学生评价能力，以提高模型对作业真实分数的估计准确性。真实课堂实验表明，本文提出的RPG6和RPG7模型在同行互评活动中对作业真实分数的估计更为准确，比现有最好技术在均方根误差方面平均降低了11。75%。

    同行互评概率图模型真实分数估计评分偏差评价能力抽查

      原文链接:
    • 万方数据

    基于异构数据的患者术后非计划内再入院预测

    俞凯董小锋袁贞明崔朝健...
    89-97页
    查看更多>>摘要：非计划内再入院是医院风险管理的重要信号，也是医疗质量的重要指标。目前，再入院预测已经成为医疗系统的一项重要任务，大量学者结合机器学习技术提出非常多有效的预测方法，但大多仅以单一结构数据为研究对象或仅使用串联方法融合异构数据。前者未能充分利用电子病历中丰富的数据与信息，后者则未能更好地融合异构数据的信息。基于上述问题，本文提出了一种基于CTFN异构数据融合方法，结合患者出院小结文本与住院期间产生的横断面数据预测患者再入院风险。预测模型的构建分为3个步骤。首先，利用RoBerta模型提取患者出院小结中的特征信息并得到表征矩阵;其次，使用CNN模型学习患者横断面特征信息，得到表征矩阵;最后，通过CTFN方法融合两个表征矩阵，得到异构数据的表征矩阵并通过线性层分类器得到最后的预测结果。CT-FN融合方法利用张量外积融合多个单模态表征矩阵，并增加CNN模型及残差结构设计加强异构数据模态内与模态间的信息学习。根据某公立医院的临床数据对上述方法进行验证，实验结果表明其表现出色，其中，召回率达到了76。1%，ROC曲线下面积达到了71。5%，均高于所对比的基线模型。证实了异构数据能提升分类器预测效果，且CTFN融合方法能够更好地融合异构数据间的信息，进一步提升分类器预测效果。

    异构数据深度学习张量融合再入院卷积网络残差结构

      原文链接:
    • 万方数据