日前电价预测结果作为电力市场中的关键信号，对电力系统的正常运行起到重要的作用，对此提出一种基于自注意力机制与长鼻浣熊优化算法(Coati Optimization Algorithm,COA)的卷积神经网络和双向门控循环单元网络的日前电价预测模型。模型充分考虑了影响电价的电力市场边界条件和外部环境等诸多因素，首先使用皮尔逊相关性系数法对山东省电力市场的披露数据进行相关性分析，得出了影响电价的关键因素。然后将数据输入到基于自注意力机制和长鼻浣熊优化算法的CNN-BiGRU模型中进行训练。通过实验结果表明，该模型的平均绝对误差(Mean Absolute Error, δ_MAE) 、平均绝对百分比误差(Mean Absolute Percentage Error, δ_MAPE)、确定系数(R-Square，R²)3个评价指标分别为10.481、3.23％、0.954，3项指标明显优于其他模型，具有更高的预测精度和稳定性，充分验证了该模型在日前出清电价预测中的可行性。

变电站监控告警信息的正确处置对于确保变电站的安全运行和设备维护至关重要。实现正确处置的前提是能够快速、准确地抽取监控告警信息中的电力实体。由于目前已有的电力实体抽取方法，难以同时满足实际应用中对准确性和速度的双重要求。为解决以上问题，提出了一种基于知识集成增强语义表示(Enhanced Representation Through Knowledge Integration，ERNIE)和全局指针(Global Pointer，GP)并使用半监督学习策略的电力实体抽取方法(Semi-Supervised-ERNIE-GP)。该方法基于ERNIE-GP来提升电力实体抽取的准确性和速度，并引入半监督学习思想挖掘无标注数据中的实体抽取知识。为验证所提方法的有效性，利用变电站监控告警信息构建了数据集，并进行了一系列实验。实验表明，与基线较优模型BERT-Bi-LSTM-CRF相比，采用的Semi-Supervised-ERNIE-GP在精确率、召回率和F1分数上分别提高了4.90%、2.50%和3.71%。并通过曲线分析进一步证实了此方法在大规模数据应用场景中抽取速度的优越性。

随着医学影像技术的不断发展，胸部CT图像在肺部疾病的早期诊断和治疗中扮演着至关重要的角色，同时辅助识别系统的设计可以给医护人员提供参考，降低因人为因素而引发错误的概率。针对胸部CT图像肺癌任务中多通道特征重要性差异问题，提出了TransUnet-SE分割网络，此网络是基于残差感知的Transformer的U型肺癌区域分割网络进行改进，将SENet注意力机制嵌入解码器上采样过程，通过“压缩、激励、尺度调整”三步流程精准缓解多通道特征差异。为验证模型的泛化性能，首先在公共医学数据集Synapse多脏器CT数据集上进行了实验验证，然后在Lung-PET-CT-Dx数据集上选取肺癌患者的CT图像进行实验，评估所提模型与先进模型的性能并进行了比较。实验结果表明，Dice相似系数达到了86.05%，并基于PyQt5设计胸部CT图像肺癌辅助分割系统调用TransUnet-SE 模型权重实现分割功能，为临床诊断提供支持。

针对农作物害虫检测中害虫目标被遮挡、体色与环境相近等情况导致的目标检测准确率不高的问题，提出了一种基于RT-DETR的农作物害虫检测算法RT-DETR-SDIC。首先，原主干网络的前两层(S2，S3)引入多样分支残差模块(Diverse Branch Residual Block，DBRB)，利用多分支拓扑结构以及不同规模的路径提取多尺度的特征信息，在原主干网络的后两层(S4，S5)引入了结合级联注意力的倒立残差移动模块(Invert Residual Mobile Block with Cascade Group Attention，IRMB_CGA)，弥补了原主干网络中长距离语义信息无法直接交互的问题，增强了对环境特征的辨别能力；其次，在特征融合网络中，增加了无参数注意力的空间到深度融合层(Space to Depth Convolution with Attention，SPA)提取细粒度的信息，设计了内容引导融合模块(Context Guide Fusion Module，CGFM)来引导多尺度特征融合。实验结果表明模型RT-DETR-SDIC参数下降了19.6%，计算量下降了9.9%，P_mA,0.5上升了6.2%，P_mA,0.5:0.95上升了2.6%。

为了提高车辆的平顺性，提出一种基于逆压电效应的压电叠堆式主动悬架。根据拉格朗日定理，构建了六自由度主动悬架动力学模型，选取驾驶室垂直加速度等6个量作为性能指标建立适应度函数，进而结合遗传算法设计了LQR(Linear Quadratic Regulator)控制器。通过数值仿真表明：基于压电效应的主动悬架在性能上优于被动悬架。

针对融合图像中存在目标信息减弱、细节信息丢失的问题，本文提出一种渐进式多尺度特征提取与融合的红外与可见光图像融合算法。该方法构建了结构对称、参数独立的双分支生成网络，首先将原图像及其增强形式输入空洞卷积模块，从不同尺度提取上下文特征，以充分挖掘多尺度信息；其次，引入多注意力互补残差聚合模块，有效提升特征选择性，强化显著信息、抑制冗余特征，并通过渐进交互机制实现跨尺度融合与互补。在判别器设计上，采用双判别器结构，分别对红外与可见光图像分布建模，以减缓单一判别器在多模态对抗训练中产生的对比度偏移与细节削弱问题。实验结果表明，所提方法在多个主客观评估指标上优于现有主流算法，融合图像保留了更多的纹理细节，视觉效果更佳。

火灾监测对减少生命财产损失至关重要，但传统方法在复杂环境中存在实时性与准确性不足的问题。本文提出一种基于改进YOLOv5s的轻量化火灾图像检测算法，结合边缘计算技术优化监测系统。通过引入卷积块注意力模块(CBAM)增强特征学习能力，采用多孔空间金字塔池化(ASPP)扩大模型感受野，并利用EIoU Loss损失函数加速收敛、提升回归精度。实验表明，改进后模型的火灾识别率提高至94%，精确率与召回率分别达到94.2%和92.4%。通过将系统搭载在模块化AI模组上，直接处理视频数据，避免了云端传输延迟，显著提升了检测实时性。该方法为复杂场景下的火灾监测提供了高效解决方案，对提升应急响应能力具有重要意义。

本研究从腐烂的海带中筛选到一株可降解褐藻胶的菌株，并进行了菌种鉴定、褐藻胶裂解酶基因的异源表达及酶学性质研究。该菌株鉴定为弗氏弧菌(Vibrio furnissii)C1，将其基因组中注释的褐藻胶裂解酶基因alg792和alg796在大肠杆菌中异源表达，得到重组褐藻胶裂解酶Alg792与Alg796，比活力分别为950与116 U/mg；Alg792和Alg796的最适反应温度分别是40、25 ℃，Alg792在30 ℃的酶活力稳定性更好，当温度超过40 ℃时，两种酶在30 min内酶活力损失超过80%；Alg792与Alg796的最适pH均为7.0，Alg796的pH适用范围更宽，Alg792的pH稳定性更好；Cu²⁺、Zn²⁺和EDTA对两种重组酶活性完全抑制，Mg²⁺、Na⁺可激活两种酶的活性，而Ca²⁺、Mn²⁺、K⁺对两种重组酶的作用相反；两种重组酶均为双功能酶，Alg792为内切酶，Alg796为外切酶。这两种褐藻胶裂解酶在褐藻胶的高附加值产品开发中具有良好应用潜力。

废旧牛仔布难以降解、回收利用率低，而传统的再生方法工艺复杂，且易导致纤维性能劣化，严重制约了资源再次利用。通过对废旧牛仔布进行预处理，以其作为增强相，以聚乳酸(PLA)为基体材料，通过复合加工工艺，制备织物增强复合材料。探究了废旧牛仔布碱处理和循环拉伸等不同预处理方式对复合材料微观形态、力学性能和热学性能的影响。研究结果表明，采用碱处理与循环拉伸结合的方式显著提升了材料的综合力学性能。本研究为废旧纺织品的高值化利用提供了新路径，同时也为可持续复合材料的开发奠定基础，在建筑、汽车内饰及航空航天等多个领域具备良好应用前景。