利用中尺度数值预报模式对2019年8月15日至17日东北地区一次强降水过程进行数值模拟，通过分析强降水系统的水汽、热力和动力特征，研究台风“罗莎”增强东北冷涡强降水的物理机制.结果表明，冷涡南侧西南气流对渤海、黄海水汽的输送作用，以及冷涡东南侧台风“罗莎”对西太平洋、日本海上水汽的携带作用，作为两支主要水汽输送通道向东北地区提供充足的水汽供应，暖湿空气与干冷空气相互作用形成不稳定层结大气，同时台风“罗莎”导致对流层低层风场辐合增强，激发出强的垂直上升运动作为动力触发机制将不稳定能量释放出来.以上分析表明，有利的水汽、热力及动力条件相互配合，造成本次强降水过程.
利用1967-2016年中国603个测站降水资料和ERA5的逐小时再分析资料从夜雨量和频次两个角度分析中国夜雨时空变化特征.结果表明：我国存在夜雨现象的站点主要分布在西南部、西北部、黄淮流域、华中地区、京津冀、华南西北部和东北南部，其中，四川、西藏、贵州、新疆和青海夜雨现象最为显著.根据夜雨率的月变化特征，将夜雨现象显著站点分为N型、V型、M型、W型和Λ型，N型主要分布在云贵高原，V型主要分布在青藏高原东麓，M型主要分布在四川盆地.影响N型、V型、M型站点所在区域降水的动力和水汽条件的夜昼差异月变化与对应站点的夜雨率月变化基本一致，N型区域的夜昼差异于春季达到最大，夏季最小，V型区域在夏季最小，冬季最大，M型区域在春季最大.在1967-2016年，夜雨现象显著的地区中，青海诺木洪夜雨现象愈加明显，西藏林芝等地夜雨现象逐渐减弱，这些地区夜雨量比率每十年约变化1%~3%，夜雨频次比率约变化0.4%~1.5%.
利用中国气象局上海台风所的WARMS高分辨率区域模式研究了上海地区三类主要的暴雨天气（准静止锋雨带型、副高边缘强对流型以及暖区雷暴型）对云微物理和边界层过程的敏感性.结果表明，不同云微物理和边界层参数化方案的组合对强降水中心的位置和强度影响较大，但是对主要雨带及走向影响不大.准静止锋雨带型采用Thompson方案模拟的整体降水量更多，WSM6方案模拟的强降水相关性更好，评分更高；副高边缘强对流型中WSM6?MYJ组合激发上海本地对流的效果更明显，但整个雨带来看Thompson方案更有优势；暖区雷暴型中WSM6?MYJ组合优势明显.总体上，Thompson?YSU组合能够模拟出准静止锋雨带型暴雨中丰富的液水含量和冰相粒子，以及较强的整层抬升作用；WSM6?MYJ组合则在副高边缘强对流型和暖区雷暴型这类型暴雨中刻画了较明显的强对流结构，使得地面降水更为强盛.
γ?中尺度涡旋对弓状回波地表灾害性大风具有重要影响.针对2017年4月21日发生在华南地区的一次弓状回波过程，利用广州业务多普勒天气雷达观测对该过程中的γ?中尺度涡旋进行分析.本次过程共识别到20个γ?中尺度涡旋，按照相对弓状回波顶点的位置，将其分为三类（北侧、南侧和中部），不同类别在数量上无明显差异.北侧的中涡旋主要出现在弓状回波发展阶段，平均方位切变强度为3.42×10-3 s-1，中部中涡旋伴有明显的局地化弓状回波结构出现，平均方位切变强度与北侧相当.南侧中涡旋的平均方位切变强度最弱，但是在弓状回波南侧径向速度的辐合区形成了本次过程生命史最长的中涡旋.进一步利用ERA5再分析资料对中涡旋的生成环境特征进行分析，结果表明，北侧中涡旋的环境具有较强的垂直风切变，但对流有效位能较弱，南侧则刚好相反.
利用浙江省地理地貌数据、地质灾害隐患点数据和三源融合降水数据，同时选取暴雨衍生灾害的孕灾影响因子——海拔高度、地形起伏情况、江河水网密度、地形陡峭程度、地质条件，用GIS技术和专家打分等方法，结合孕灾环境和致灾因子，建立以县区行政单位为单元的暴雨衍生灾害触发敏感性排序评价方法，提供暴雨衍生灾害易发排序.对浙江省2020年梅汛期两次成灾的暴雨过程进行检验，发现此评价方法提供的未来24 h县区暴雨衍生灾害易发排序跟实际发生的衍生灾害种类较符合.此方法能快速、有效提供以行政单位（县区）为单元的衍生灾害易发性排序，可为暴雨衍生灾害防御的决策部署提供参考.
深度强化学习结合了深度学习的特征提取能力和强化学习的决策能力，近年来在众多领域得到了广泛应用，但现有的针对深度强化学习的研究通常假定系统状态完全可观测，而在实际应用中，由于受到感知能力的限制，智能体往往不能完全确定所处状态，即所处环境为局部可观测环境.同时，现有的无模型强化学习算法往往仅依赖以往历史数据来确定决策策略，不能利用可辅助智能体决策的未来有关信息.以局部可观测问题为应用背景，通过利用对比预测编码（Contrastive Prediction Code，CPC）对未来信息的预测能力实现局部可观测环境下未来信息辅助的无模型决策学习，提出的算法既保留了无模型强化学习算法端对端的训练、性能优势，又能充分利用预测的信息来辅助智能体的决策.在不同的局部可观测环境任务上对提出的算法进行了验证和对比，实验结果验证了该算法的有效性.
自训练算法是一种经典的半监督学习算法.针对自训练算法在训练时很难有效地发现高置信度无标记样本、训练过程中样本容易被错误标记等问题，提出了结合密度峰值和改进自然邻居的自训练算法.该算法利用密度峰值聚类算法的密度信息和由自然邻居算法得到的自然邻居集来计算样本的离群指数，结合表示全局特征的全局密度和表示局部特征的离群指数设定样本的权重并剔除离群点.在自训练算法逐步扩充有标记样本集的过程中，利用加权的自然邻居噪声过滤器找出误标记样本，并通过计算样本的不确定性找出高不确定性的样本，由主动学习给出准确标记.提出的算法不仅降低了离群点对算法性能的影响，而且有效解决了错误标记的问题，处理了不易标记的边界样本.实验表明，该算法在UCI基准数据集和噪声数据集上均取得了理想的效果.
在多视图多标签学习中，常使用子空间学习解决各视图间存在的异构性问题，而子空间提取一般通过降维的方法实现，但其映射到标签空间是一个从低维到高维的过程，易出现维度跨越问题.基于此，提出一种基于共享子空间的潜在语义学习方法，即预测过程变成从低维空间到低维空间的等维映射.首先，在学习多视图多标签数据的共享子空间的基础上，从标签空间中提取标签的潜在语义和系数矩阵；其次，共享子空间和原始标签空间分别约束潜在语义空间；最后，将共享子空间、标签潜在语义矩阵放入MLRKELM分类器进行学习.提出的算法在多个基准多视图多标签数据集上与多个先进算法进行了对比实验，结果验证了该算法的有效性.
变密度高维数据局部间隙密度聚类（Local Gap Density for Clustering High Dimensional Data with Varying Densities，LGD）算法是密度聚类中的一种改进方法，该算法在分配时选取代表点，并以链的形式进行分配，所以会形成“链式错误”.针对上述问题，提出一种加权最近邻分配的局部间隙密度聚类（Weighted Nearest Neighbor Distribution of Local Gap Density Clustering，WKNN?LGD）算法，采用类似半监督学习的方法，利用得到的聚类信息，把未分配的点分配给最可能的簇.该算法充分考虑数据间的结构关联性，并在传播的过程中不断更新数据的状态，利用更充分的信息提高分配正确率.WKNN?LGD算法主要有三个步骤：首先，计算局部间隙密度，并根据阈值区分核心点和边界点；然后，删除交叉边，并根据最大顶点基数形成簇骨干；最后，利用加权K近邻分配方法，将剩余点分配到形成的簇骨干中，形成最终簇.在人工数据集和真实数据集上，和目前主流的聚类算法进行比较验证，实验结果表明，WKNN?LGD算法在性能和鲁棒性方面表现优越，并可以处理流形和非线性等复杂数据.
基于言语想象的脑机接口（Brain?Computer Interface，BCI）在一定程度上可以帮助言语障碍患者恢复语言沟通能力，也是目前较新颖的一种范式，凭借其对被试友好、自由度高等优点逐渐受到关注，但将不同言语想象范式之间的神经机制差异和分类效果进行对比的研究却鲜有涉及.重点从言语想象实验范式的神经机制及分类准确率这两个方面进行实验分析.实验招募12名健康被试，分别进行两种范式的言语想象任务，分析被试言语想象期间EEG数据的时域、频域、空域特征，并对两种范式下的数据样本进行分类识别.实验结果表明，执行言语想象任务时屏幕呈现黑屏时言语想象与空闲状态的平均分类准确率为80.6%，执行两种不同言语想象任务时为74.2%，该结果对言语想象BCI系统的范式设计、异步系统开发及推广应用都有积极的作用.
虚假评论识别对于用户生成内容的知识获取和利用至关重要，然而，缺少真实可靠的虚假评论数据集使基于机器学习的虚假评论识别具有极大的难度.针对此，考虑采用有标记的黄金数据集以及无标记的亚马逊评论数据集辅助研究跨域虚假评论识别方法.首先，考虑数据集的分布异构特性，提出KMM （Kotlin Multiplatform Mobile）迁移学习策略来有效地获取具有虚假评论的文本共性特征，实现评论文本的跨域迁移；然后，在目标域集合中利用协同半监督机制，基于迁移数据和目标域自身少量标记评论来实现对无标记评论的虚假性识别.迁移学习与协同半监督共生融合，即利用不断更新的目标域标记评论样本，动态多批次实现跨域评论文本的迁移，并完善协同半监督机制，以逐步提高目标域对虚假评论文本的识别精度.在典型亚马逊服装评论数据集和Yelp酒店评论数据集上的实验，证明了提出方法的有效性.
针对传统K均值聚类（K?Means Clustering，KMC）算法在对电影信息数据聚类的过程中，初始聚类中心选取随机性较大、聚类结果不稳定且算法容易陷入局部最优、影响迭代精度等不足，提出一种基于随机跳跃式翻滚觅食蝠鲼优化的K均值联合迭代聚类算法（MRRJRFO?KMC），实现对电影信息数据的聚类.首先，提出一种均值最大最小距离积法来初始化聚类中心，改善聚类中心选取的随机性，避免随机初始化对聚类结果造成的不稳定性.其次，在迭代的过程中加入蝠鲼觅食优化算法，并对蝠鲼觅食优化算法中螺旋觅食和翻滚觅食进行改进，提出一种随机跳跃式翻滚觅食蝠鲼优化的策略，解决了蝠鲼觅食优化算法易陷入局部最优的问题.将随机跳跃式翻滚觅食蝠鲼优化算法加入KMC算法，对KMC算法迭代过程中的聚类中心进行优化，提高了聚类精度.在Iris，Aggregation，Ecoli和Seeds国际标准数据集上对MRRJRFO?KMC算法、MRFO?KMC算法、KMC算法、K?Means++算法、模糊C均值（Fuzzy C?Means，FCM）聚类算法进行比较测试，实验结果表明，MRRJRFO?KMC算法和其他算法相比，准确性和收敛速度都有所提升.在电影信息数据处理过程中，该算法能够根据所给的信息进行有效的聚类，应用价值明显.
文本匹配是自然语言处理领域的核心任务之一，在智能问答和信息检索系统中有广泛应用.近年来，基于预训练模型的文本匹配方法取得了巨大的成功.现存的方法主要使用多层自注意力Transformer网络得到基于上下文的全局向量表示，并通过全连接层进行匹配概率预测，但这种应用方式对于预训练模型输出的句向量特征有很强的依赖，而且忽略了词向量序列之间的空间特征信息，存在一定的局限性.从BERT（Bidirectional Encoder Representation from Transformers）自身结构出发，提出一种基于空间卷积融合（Spatial Convolution Fusion，SCF）的文本匹配方法，在预训练模型的基础上引入卷积网络模块，很好地结合了BERT全局特征向量及其余词向量序列空间特征信息，可以显著提升中文文本匹配效果.具体地，把BERT最后一层Transformer的多头注意力输出看作图像特征输入卷积网络，捕捉新的匹配模式，之后融合卷积输出和原始全局向量用于匹配概率预测.在两个开源数据集和我们的生产数据集上的实验结果证明，提出的模型在中文文本匹配任务上优于一系列预训练基线方法.此外，该模型在未引入外部知识的情况下，和引入外部知识的方法相比，仍有很强的竞争力，更加符合实际生产需求.
金融市场走势预测是金融学、计算机科学、统计学、心理学等领域的融合问题，具有鲜明的学科交叉特征，也是研究的重点和难点，对金融市场走势预测的理论和关键技术研究为这些学科提供了新的理论和方法，具有重要的理论意义和实际的应用价值.提出一种基于投资组合的金融市场趋势分析方法MDDE （Markowitz Deep Deterministic Policy Gradient Experience），通过使用Markowitz投资组合理论，以2019年2月至2019年8月的各样本历史数据为参考，确定模拟股市中的投资组合比例，结合DDPG （Deep Deterministic Policy Gradient）与自定义经验盒，分析股价走势，判断模拟股盘中的买卖点，并计算收益率.使用苹果（AAPL.us）、波音（BA.us）、强生（JNJ.us）、可口可乐（KO.us）、默克（MRK.us）、辉瑞（PFE.us）、宝洁（PG.us）、威瑞森（VZ.us）、雪佛龙（CVX.us）、埃克森美孚（XOM.us）、旅行者集团（TRV.us）、3M公司（MMM.us）共12只股票2011年1月至2020年8月的股票数据作为样本进行实验，实验结果表明，在相同时间段的模拟买卖中，和传统的基线方法与其他的强化学习模型相比，MDDE可以获得更好的收益.
针对特定目标的情感分析是文本情感细粒度理解任务的重要内容.已有研究大多通过循环神经网络和注意力机制来建模文本序列信息和全局依赖，并利用文本依赖解析树作为辅助知识，但这些方法没有充分利用目标词与文本词之间的依赖关系，也忽略了训练语料库中的词共现关系，而词共现信息往往意味着一种语法搭配.为了解决上述问题，提出一种目标依赖的多头自注意力网络模型.该模型首先设计内联和外联两种不同的注意力机制用于建模文本词和目标词的隐藏状态和语义交互；其次，该模型构建了语料库级别和句子级别的词共现图，并通过图卷积网络将词共现信息融合进文本的特征表示学习并用于下游分类任务.在五个标准数据集上进行了对比实验，实验结果表明，提出的模型在方面级情感分析任务中的性能优于所有对比模型.
采用有限元仿真的方法建立三维铝板模型，对板中不同类型损伤的分类与定位问题进行了研究.使用ABAQUS在板中设置了微裂纹和圆孔两种类型损伤，利用来自不同类型损伤区域响应信号传播速度的差异提出了一种适用于不同类型损伤的改进全聚焦成像算法，并以此为基础提出了实现板中损伤分类与定位的方法.此方法使用脉冲反转法从响应信号中提取与微裂纹相关的二次谐波信号，同时利用滤波获得响应信号中的基波信号，然后结合提出的改进全聚焦成像算法分别利用二次谐波信号和基波信号对损伤进行成像.仿真结果表明，利用改进的全聚焦成像算法对脉冲反转提取到的二次谐波成像时可先实现对板中微裂纹损伤的选择成像，然后结合滤波后基波信号的使用可实现对圆孔的定位.相较于传统的全聚焦成像算法，此提出的方法不仅可以给出更准确的损伤位置预测，同时也能实现对不同损伤类型的区分.
以内蒙古黄河段为研究对象，构建了黄河内蒙古段一维水动力水质耦合模型.在此基础上分析了河套灌区农业退水对下游河段水质的影响，根据农作物种类和种植面积考虑实际农作物需水过程，拟定了不同的引退水调度方案.选取了河套灌区农业退水对黄河内蒙古段干流水质影响较大的污染物氯化物为指标，对比分析了不同调度方案下氯化物浓度的变化情况.根据计算结果分析，在充分考虑农作物需水过程的基础上，按需引水，从源头上控制退水量；同时充分发挥乌梁素海的调蓄作用，使乌毛计闸以~30 m3·s-1的流量下泄，从而有效削弱灌区农业退水的影响，降低下游氯化物浓度的峰值和平均值.模型现已嵌入至黄河内蒙古段水量水质联合调度系统中，可为现有的黄河内蒙古段水量水质联合调度提供决策支持.
三稳态是基因调控网络最重要的动力学行为之一，在胚胎发育和肿瘤生成等细胞信号转导过程中起着重要作用.前人的研究表明，两个正反馈环的耦合结构（正正耦合）能够实现三稳态，一个正反馈环和一个负反馈环的耦合结构（正负耦合）在无噪声的条件下能实现三稳态.但正负耦合在真实生物环境中实现三稳态的可行性仍不很清楚.考虑到细胞中固有的分子数目涨落和生化反应的随机性，分别构建了正正耦合和正负耦合两种结构的随机性模型，开展随机模拟，探究它们在噪声条件下的三稳态鲁棒性.结果表明，正正耦合系统的中间态在各种噪声条件下都能够稳定地存在，高态和低态在高强度噪声下具有不对称的稳定性；它的四种亚型也呈现不同水平的抗噪声鲁棒性.相比之下，正负耦合系统的中间态在高强度噪声下变得不稳定，使得三稳态最终退化成双稳态.这解释了生命体偏好通过正正耦合结构来实现三稳态的原因.实验结果进一步加深了人们对三稳态实现机制的了解，并为人工合成三稳态系统提供了新的理论依据.
