（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。

本发明公开了一种面向关系数据库扩展的自适应影像金字塔切片方法，本发明针对空间数据管理系 统发展现状，综合考虑局域网网络带宽和服务器端数据库存储块大小，并结合局域网客户端硬件情况， 提出了自适应影像切片模型，根据自适应影像切片模型自适应的选择影像切片尺寸。本发明可在多种不 同的数据库、网络和客户端条件下实现影像数据智能化高效存储与访问，为高效的影像数据管理提供了 可行的思路和方法，有助于在 C/S 架构的网络环境下高效存取和管理基于数据库技术的遥感影像数据。 

本发明公开了一种滤波器组多载波系统的数据传输方法，属于滤波器组多载波通信领域，利用与导频相邻的多个辅助导频符号抵消导频受到的虚部干扰并且通过编码可以发送额外数据。解决了滤波器组多载波系统中导频符号会受到虚部干扰的技术问题。本发明包括计算导频受到的虚部干扰步骤、计算编码矩阵步骤、设计导频周围的辅助导频符号步骤、发送及接收数据步骤、信道估计及均衡步骤、数据恢复步骤。本发明能够在保证良好信道估计性能的情况下，显著降低用于抵消虚部干扰的能量。

本发明公开了一种用于网络虚拟手术的网络数据传输方法及系统，包括：获得网络虚拟手术的工作在线特征，将工作在线特征输入至预训练后的反向传播神经网络获得四个监测输出特征；根据四个监测输出特征计算获得数据压缩率、预测补偿窗口大小、冗余重传次数以及本地插值平滑因子；按照数据压缩率对网络虚拟手术的工作数据压缩后执行数据传输；在网络虚拟手术的数据传输过程中，基于预测补偿窗口大小的卡尔曼预测器补偿延迟，根据冗余重传次数触发冗余重传对抗丢包，将本地插值平滑因子代入插值滤波器平滑网络抖动；将反向传播神经网络与虚拟手术力反馈系统相结合，实现了对网络化虚拟手术中延迟、抖动和丢包问题的自适应调节。

本文以吉林省和河北省部分肉牛养殖户为例,对影响农户纵向协作形式选择的影响因素进行了实证分析.研究表明,交易成本是养殖户肉牛销售渠道选择行为的主要影响因素.价格有保证程度,市场能否及时销售的风险程度对有一定饲养规模的农户(年出栏10头以上)选择销售渠道具有不同程度的正面影响;运输成本及风险程度,销售中的损失具有负影响;而农户饲养规模(在达到一定程度后)对销售形式选择的影响并不显著.这在一定程度上表明交易成本较农户自身特征和农户生产经营特征对农户纵向协作形式选择的影响更显著.

2020年3月8日，安徽师范大学在bioRxiv上上传了一篇题为Genome-widedata inferring the evolution and population demography of the novel pneumonia coronavirus (SARS-CoV-2) 的研究分析，作者使用10个新测序的SARS-CoV-2基因组，并结合GISAID数据库中的136个基因组，通过不同的分析方法（如EBSP、错配和中性检测等）研究前三个月数据的遗传变异和统计。 结果显示80个单倍型共有183个突变位点，包括27个简约性信息位点和156个单一位点。对遗传多样性的滑动窗口分析表明，SARS-CoV-2基因组丰度的变化有一定范围，这可以解释目前这种病毒的广泛和高适应性。遗传学分析不支持穿山甲是中间宿主。在最初的单倍型（H14）中，一个患者样本居住在华南海鲜市场附近（约2公里），这表明患者有无意识接触该市场史的可能性很高。然而，基于这个线索，也无法准确断定这个市场是否是SARS-CoV-2的起源中心。此外，从这个市场收集的16个基因组，包含10个单倍型，表明市场在短期内出现循环感染，这可能导致武汉和其他地区爆发SARS-CoV-2。EBSP结果显示，第一个估计的扩展日期从2019年12月7日开始，这表明SARS-CoV-2的传染可能在11月中下旬开始。

强度和韧性的“倒置关系”是材料研究领域长期存在的难题。大量的实验表明，随着金属材料内部晶粒尺寸的降低，在强度获得提升的同时，韧性将大打折扣。目前，广泛采用的高强材料韧化策略有：（1）改变组分，通过引入和调整材料的多种主要元素，同时激活多种塑性变形机制，高熵合金材料就是采用这种思路；（2）改变微结构，在材料内部引入一种或多种梯度分布的微结构，避免由于特征长度突变带来的性能突变，有效克服金属材料强度和韧性的失配问题，这种材料被称为梯度纳米结构材料。 图1 梯度结构金属材料的类型（摘自：李毅，梯度结构金属材料研究进展，中国材料进展，2016, 35: 658-665）人工制备的梯度纳米金属结构主要包括以下几种：梯度晶粒，梯度位错，梯度孪晶，梯度固溶物，梯度相，以及包含两种以上的梯度混合结构。在已经发展成熟的金属材料内部引入梯度纳米结构，可以进一步提高其强韧性匹配能力。例如，通过表面研磨处理（SMAT）在孪晶诱发塑性（TWIP）钢表面引入大量的塑性变形，使其表面晶粒细化，随着深度的增加，晶粒细化的程度逐渐降低，同时塑性变形也会导致位错演化和孪晶的产生，因此在TWIP钢内部形成了包含梯度晶粒，梯度位错和梯度孪晶的梯度混合结构。这种梯度纳米结构TWIP钢的强度可以提升50%，断裂应变仅从60%下降到52%，具有更高的强韧性匹配能力。目前，关于梯度纳米结构TWIP钢的研究集中于实验，反映物理机制的本构模型研究还鲜见报道。西南交通大学力学与工程学院张旭教授与德国马普钢铁所、中国钢铁研究总院等机构开展合作，指导博士生陆晓翀发展出考虑位错滑移和变形孪晶等物理机制的微结构尺寸相关晶体塑性本构模型。依托DAMASK平台将该模型移植有限元，并对梯度纳米结构TWIP钢的单轴拉伸变形行为展开模拟，揭示了其微结构演化与宏观性能之间的关系，量化了不同梯度结构对材料强韧性的贡献。相关研究工作已在金属材料与固体力学交叉领域顶级期刊《International Journal of Plasticity》上在线发表，论文题目为Crystal plasticity finite element analysis of gradient nanostructured TWIP steel。 论文链接： https://doi.org/10.1016/j.ijplas.2020.102703作者首先使用不同晶粒尺寸Fe-15Mn-2Al-2Si-0.7C (wt.%) TWIP钢的单拉实验数据验证该模型的合理性，结果表明该模型对不同尺寸下的应力应变响应和应变强化行为都可以较好地描述，特别是细晶TWIP钢硬化率曲线中的up-turn效应。通过对内变量演化的分析及对比性模拟，作者发现这种up-turn效应源自于细晶中显著的背应力。 图2 对比不同晶粒尺寸TWIP钢的单拉实验和模拟结果由于梯度纳米结构TWIP钢的微结构十分复杂，晶粒数目众多，通过采用三维均匀化方法，建立了宏观试样尺寸的有限元模型。通过对每层单元赋予不同的晶粒尺寸，初始位错密度和孪晶体积分数，离散地描述材料内部微结构的梯度分布，并通过梯度网格划分方法进一步减少单元数目。对于材料表层微结构变化剧烈的区域，采用密度较高的网格，以保证更加精确地描述微结构的梯度变化。 图3三维均匀化方法示意图作者利用发展的晶体塑性模型，对均匀和梯度纳米结构的Fe-10Mn-0.5C-3Ni (wt.%) TWIP钢的单拉变形行为进行模拟。结果表明，在合理描述均匀结构TWIP钢应力-应变响应的基础上，通过引入微结构的梯度分布，无需修改任何参数就可以较好地描述梯度纳米结构TWIP钢的单拉力学行为。通过对比变形云图，作者发现均匀和梯度纳米结构TWIP钢的表面都会变的粗糙不平，但梯度纳米结构的表面粗糙度更加明显，产生的应变局域化形成了两个凹陷区，且凹陷区在垂直于平面方向也会发生收缩。随着深度的增加，收缩程度逐渐降低。通过对比性模拟，作者发现表面凹陷区的出现就是梯度纳米结构TWIP钢韧性略微下降的原因。而应变局域化的产生与表面纳米层晶粒的应变强化能力有关，提高表面纳米晶的硬化能力，就可以抑制表面凹陷区的出现和韧性的下降。此外，作者通过分析不同层位错密度的演化，进一步证实了上述观点。作者还通过对比性模拟量化了不同梯度结构对材料强韧性的贡献。结果表明：强度的提升源于梯度位错结构，梯度晶粒和梯度孪晶结构有助于保持材料的应变强化能力。 图4 均匀结构和梯度纳米结构TWIP钢的模拟结果对比分析。

本发明公开了一种数控机床实验模态分析方法，包括 1)利用仿真软件生成随机值序列，并选择采样率以获得感兴趣的频带范围；2)加工凸台试件，使得试件表面生成的断续切削宽度符合上述随机值序列，从而得到对数控机床产生结构随机冲击的激励；3)在数控机床的各部件上布置传感器，以获取机床结构振动响应信号；4)切削凸台试件，完成结构模态激励；5)选定振动响应幅值较大的测点作为基准点，按基于多参考最小二乘复频域法(LSCF)辨识得到机床结构模态参数。本发明可以在无需外加激励条件下，通过加工特定试件完成对数控机床激振，完成模态测试，大大降低模态实验的激振成本和减小激振所造成的损失。

本发明提供了一种模态频率对质量的灵敏度分析方法，构造结构导纳矩阵并获得前ｍ阶模态频率，从结构第一个节点开始添加质量摄动项，将加速度导纳信息代入矩阵修正公式形式获得摄动后的加速度导纳，提取结构的频率信息，获得结构模态频率对质量的灵敏度，按照节点顺序改变质量摄动点位置获得对应得灵敏度，从而获得整个结构模态频率对质量的灵敏度。本发明方法首先通过有限元计算获得结构的加速度导纳，当结构质量发生摄动时，利用矩阵变换公式无需有限元二次计算，只需要初始的加速度导纳信息进行数值计算即可获得摄动后的加速度导纳，简化计算效率，更加方便，实现了基于加速度导纳对质量的灵敏度快速计算方法，具有实际工程意义。