近年来大跨度建筑结构不断涌现，结构温度效应导致的结构工程问题日益突出，尤其是室外结构或玻璃、膜屋面下建筑结构的太阳辐射非均匀温度效应更为复杂。由于对太阳辐射非均匀温度效应机理缺乏深入研究，导致质量问题甚至工程坍塌等安全事故，造成了严重的经济损失和社会不良影响。因此，项目组在国家和省部级项目的支持下，对太阳辐射作用下大跨度建筑结构非均匀温度效应机理与分析方法开展研究。

近十年来，大型地下工程尺度达数百米、体量增至上万平方米；建设条件和使用环 境的特殊性给这类地下工程的施做带来极大的挑战。针对地下工程结构现浇混凝土施工 的特征，项目研究从混凝土材料与构件早期性能测试、地下工程混凝土结构早期性能设 计方法、以及施工控制技术等方面展开。 项目研究内容涵括混凝土材料科学与技术、结构设计方法、施工技术与组织等方面 的技术难题。理论方面研究了混凝土材料微观结构形成的物理化学变化与内部温度场、 湿度场的复杂作用过程，并考虑结构宏观层次荷载产生的应力场，建立了多场耦合作用 下复杂结构早期物理力学性能演化机理模型；在早期性能试验测试技术研究中，首次建 立了混凝土主动约束早期变形性能试验方法和操作程序，自行研发了试验装置与自动测 试仪器；融合地下工程混凝土结构早期变形、抗裂能力等提出了地下结构早期性能设计 方法，突破了承载能力极限状态设计的思想；通过仿真分析指导工程实践，结合现场远 程监控技术，实施混凝土改性、构件抗裂设计、养护技术等控制早期性能演化的技术措 施。 研究成果已成功应用于超高层建筑、地下综合体、隧道工程等数十项重大工程，并 为日本地铁 13 号线混凝土早期变形性能分析和香港金门公司地下工程早期变形控制所 采纳，取得了良好的效果。 研究成果的应用不仅可提高地下工程质量，保障其预期服役性能；还可促进信息技 术在传统土木行业的应用；同时，混凝土结构早期性能设计方法的思想可应用于其他结 构工程，对于保障基础设施可持续发展有重要意义。

项目着眼于质量管理学与运筹学等理论和应用发展的新角度，从任务阶段、阵列式结构、数据不确定性、综合保障和全寿命周期成本等视角，综合研究大科学装置可靠性设计和工程管理的优化策略与方法，获得软件著作权“科学装置建设项目可靠性知识管理系统V1.0”，形成了规范的项目质量与可靠性数据管理体系和有效的分析方法及工具，建立了切实有效的神光激光装置急用的可靠性分析知识库系统，填补了国内空白。本项目总体研究水平达到国内先进水平，省内领先水平，研究成果是一项科学工程与软科学研究相结合的优秀成果，具有重要的理论和应用价值

该项目为2015年四川省科技进步一等奖获奖项目，围绕自然灾害监控预警、生态环境监测的国家重大需求，提出了基于北斗系统实时监测的系列关键技术，并研发了相关应用系统及产品。总体技术达到国际先进，部分技术国际领先。成果已获授权专利27项，发表论文30篇。并已在四川、西藏、云南、广东等八省区的五十余家单位推广应用。

李宇亮教授研究认为，近年来，配位聚合物（CPPs）因其灵活的性质可调性，成为设计和制备无机锌基材料的优质来源。

本成果2009年获四川省科技进步一等奖（参加）。

（专利号：ZL 201410326059.X） 简介：本发明公开了一种应用于固体燃料燃烧机理研究的可视装置，属于燃烧实验加热设备领域。本发明中内管与外管之间形成的环形空腔为加热腔，在外管的外周设置有耐火隔热层，耐火隔热层上设置有窥视窗；样品推送装置安装于炉体的第一密封法兰，该样品推送装置用于将固体燃料送入炉体的内部；进排气系统安装于炉体的第一密封法兰和第二密封法兰上，该进排气系统用于调整炉体内部的燃烧气氛及压力；数据采集系统分别与进排气系

本成果针对我国农村幅员广大、信息基础设施建设薄弱、难以推广电子交易的现状，积极响应国家“三农”战略，研制适合农村应用环境的电子交易平台、交易终端和专用芯片，形成了服务三农的整套电子交易解决方案，为农村金融业务提供了创新电子交易产品，成为中国农业银行等金融机构服务“三农”的新型支付渠道。 成果基于多学科交叉和创新集成的技术路线，首创了基于瘦客户端型B-C/S架构的低成本、易维护金融交易平台和交易终端；通过专用芯片降低了终端成本，提高了终端可靠性。项目申请发明专利6项，已授权16项，其创新点解决了电子交易终端应用于我国农村复杂环境下的成本、维护、安全、可靠性等诸多关键技术问题，技术水平达到国际先进，国内领先。该成果荣获2011年江苏省科技进步一等奖。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。