新葡京娱乐场-大陆娱乐场开户注册

近日，南科大“人流大數據和AI驅動的新型冠狀病毒（COVID-19）傳播建模預測和模擬推演平臺”內測版本正式推出（下簡稱“推演平臺”）。該平臺可實現在城市尺度上，基于人流移動的新型冠狀病毒傳播感染情況的細粒度預測和模擬，為有關部門制定不同的隔離和公共防疫政策（如封閉特定城市區域或道路）提供參考。新型冠狀病毒的感染傳播與人流移動存在密不可分的關聯。現階段的多數研究只停留在簡單的相關性分析以及基于全國地圖的數據可視化階段，缺乏在城市尺度上、針對人流移動的細粒度深度分析，更缺乏基于人流移動的傳播模擬推演模型以及潛在感染源和風險區域的挖掘模型。隨著復工潮的來臨，戰“疫”面臨新的挑戰。南方科技大學科研部、工學院、計算機科學與工程系（下簡稱“計算機系”）和南方科技大學-東京大學超智慧城市聯合研究中心緊急組織科研力量，成立“新型冠狀病毒傳播建模預測項目組”，由計算機系副教授宋軒擔任負責人，迅速啟動針對新型冠狀病毒傳播感染的“大數據分析和AI建模推演平臺”研發工作。該平臺是一個針對新型冠狀病毒傳播的大數據分析和AI建模平臺（如圖1），其中預測和模擬推演模型完全由數據驅動，需要使用人流大數據進行訓練和優化。數據擁有單位只要將人流大數據輸入平臺，平臺即可以自動完成模型迭代訓練，并輸出相關的預測和模擬推演的可視化結果。其預測和模擬推演的精度由模型訓練數據的質量、精細度和覆蓋度決定。平臺后續期待更多單位（如GPS軌跡數據、CDR數據等人流大數據擁有單位）參與進來，共同完善該平臺。推演平臺通過整合、處理和分析各類多模態人流移動和出行大數據，結合新一代的人工智能技術，完成對新型冠狀病毒的傳播和感染人群細粒度建模，從而實現在城市區域內細粒度預測、模擬和動態推演傳播感染情況。平臺可實現的基本功能主要有以下幾個方面：一是建立新型冠狀病毒和人流移動的映射模型，包括傳染概率確定/潛伏期分析/傳染代數分析等；二是分析隱藏病患，由于疾病傳播為鏈式，可以根據缺失軌跡鏈反推出尚未確診的疑似病患；三是分析風險人群，可根據病患軌跡尋找可能有接觸的風險人群，提前預警；四是挖掘潛在病原地，分析病人間的軌跡交叉點確認潛在的未知病原地（如圖3）。在以上功能基礎上，平臺可以實現設定不同的公共防疫政策（如封閉城市內的高風險感染區域），在城市尺度上，動態推演和模擬在這些政策下的城市傳播感染情況，從而幫助相關部門制定更為高效的隔離和公共防疫政策（如圖4）。

高精度物理建模和成像計算技術是一直是計算機圖形學、計算機動畫、科 學計算可視化、計算機輔助幾何設計等領域的研究熱點，近年來廣泛應用在虛 擬現實、數字影視游戲、數字醫療與康復、仿生工程以及三維打印等領域。 本項目針對上述應用領域需求，開展以下幾個方面的內容研究： 1）基于中間復形曲面的復雜形狀逼近理論和方法； 2）基于代數曲面的高精度碰撞檢測和距離計算； 3）基于中間復形網格的變形計算方法； 4）復雜拓撲物體受力分析、物體結構加固方法； 5）復雜拓撲形狀的高精度繪制算法。 本項目旨在通過對上述內容的研究，為開發高度真實的三維虛擬手術模擬 系統、人體器官或軟組織的高精度三維打印以及仿生裝置的加工制造系統提供 51 理論和技術支持，以提升我國在上述領域的創新設計能力和國際競爭力。 本項目獲得國家自然科學基金重點項目資助，項目執行期 2014.1-2018.12。

成果簡介：本成果面向具體企業，根據其特定需求定制Pro/E，為用戶提供具有自定義功能的數字化設計工具和方法，解決了Pro/E作為通用軟件的低效率問題。該系統以基于網絡的設計思想為指導，以服務器端的Oracle等數據庫系統為統一數據源，實現了包括“特征建模”、“標準件設計”、“典型結構件設計”、“裝配建模”、“屬性管理”、“修改標記”、“模型重構”等分模塊。開發了可擴展的開放性常用特征庫、典型零件庫、標準件庫以及相應的設計和庫管理界面。用戶可以結合具體情況，利用友好的界面建立、填充和修改這些數據庫。

基于PEEC模型的高效多層建模計算方法 Litz Wire通常用于無線電能傳輸，電力電子轉化器等場合來減少其高頻渦流損耗。Litz Wire的復雜結構導致許多商用電磁仿真軟件在計算時效率不高。目前比較流行的Litz Wire計算工具包是MIT研發的Fastlitz，相對電磁仿真軟件可以大幅提高計算效率，但是對于結構復雜的Litz Wire效果仍然不好。課題組提出的一種全新的網格劃分方法

本發明公開了一種面向視頻編碼的背景建模方法，通過在圖像塊的基礎上選擇性地進行局部背景建 模、局部背景更新、局部多重背景保持，以克服現有以幀為單位的背景建模方法中存在的背景更新的最 佳時機難以確定、特定情況下背景建模困難、對周期性背景建模效率低下等問題，從而降低背景建模的 開銷，提高背景模型的預測質量，最終提高視頻編碼的總體壓縮效率。

本發明提供了一種高速列車輪對的建模方法，涉及高速列車的數字化設計與制造技術領域。模型的信息集成和管理對縮短響應市場時間、提高設計效率是企業希望解決的問題。通過對所述各元參數的分析和提取，構建高速列車輪對的各元參數設計模型；利用矢量陣列對高速列車輪對的各元參數設計模型進行描述，包括以下四個步驟：各元參數初始化、各元參數數組序列化、關系元參數轉化為關系矩陣、環狀多邊形矢量陣列描述：結合高速列車輪對的各元參數設計模型的矢量化和陣列化描述，采用環狀多邊形數據結構構造高速列車輪對的矢量陣列；層級對象之間通過關系元參數將各個環狀多邊形矢量陣列形成高速列車輪對的矢量陣列描述。主要用于高速列車設計的建模。

? 本平臺基于高層分布式仿真體系結構HLA和網格技術構建，在系統建模、仿真、數據分析和可視化等方面提供平臺級支持。目的是為了解決現有的仿真軟件通用性差、不能靈活應用的問題，為實現系統級的仿真，提出一種基于HLA的仿真軟件交互方法。本技術通過將具有不同仿真功能的專業仿真軟件進行整合配置，對各個專業軟件輸入輸出接口進行分析和調用，并對仿真流程進行設計與控制，最終實現一個具有一體化仿真功能的、可供二次開發的仿真系統。該技術目前已經獲得“一種基于HLA的仿真軟件交互方法”國家發明專利授權。

本發明公開了一種基于重復子結構的復合材料有限元建模方法，包括以下步驟：建立復合材料精細化的多組分單胞有限元模型；基于上述精細化的多組分單胞有限元模型，建立復合材料重復子結構模型；對重復子結構進行縮聚，然后將特征矩陣裝配到單胞殘余結構，得到全復合材料分析模型；此方法在保證計算精度的同時簡化了復合材料精細化建模工程，極大的提高建模效率，具有十分重要的工程意義。

隨著人們生活水平的不斷提高和社會的發展進步，環境問題和能源問題已經得到越來越廣泛的重視。電動車輛由于其具備很多優勢如環保節能、零污染和能量來源途徑廣泛等優點而逐漸受到人們的喜愛。但是電動車本身是一個受多源干擾影響的非線性系統，傳統的控制方法(如PI控制)已經不能滿足電動車在高性能場合的需求。面向電動車控制系統，我們已經擁有一整套的建模、分析和設計方案。我們的成果是，利用時變干擾觀測器技術對受外界環境變化、負載變化和模型誤差等因素引起的時變干擾進行實時精確估計，從而進行精確補償，消除干擾對系統造成的不利影響，同時可以與滑模控制或其他先進控制方法相結合，設計和實現基于時變干擾觀測器的復合控制方案。目前已受理多項國家發明專利，發表多篇高水平學術論文。技術成熟，解決方案尤其適合基于位置傳感器/無位置傳感器的模型參數不匹配、受大時變干擾影響和有高效率需求的電動獨輪車、兩輪車和四輪車等電動車輛應用場合。

基于多元信息融合的油菜生長模型是用數學方程描述油菜、氣候和土壤之間的作用過程,根據氣象條件、土壤條件以及管理方案，動態定量的描述油菜生長、發育、籽粒形成及產量。油菜生長模型最重要的意義是對整個油菜生育系統的知識進行綜合，并量化生理生態過程及其相互關系,即綜合知識和量化關系。油菜模型是利用計算機強大的信息處理和計算功能,對不同生育過程進行系統分析和合成,相當于所研究系統的最新知識的積累和綜合。在這種知識合成的過程中,還能鑒定知識空缺,從而明確新的研究方向，同時，油菜模擬研究在理解油菜生理生態過程及其變