针对在电子产品研制、使用和维护过程中面临的电磁干扰问题，本成果提供了一套高性价比的电磁兼容预测试系统，并配套有电磁兼容诊断系统，形成测试、诊断和抑制的一体化解决方案，能够帮助研制人员摆脱传统的研制、试制、电磁兼容测试、发现问题后再进行整改的反复过程，在设计和研制阶段就能够开展有效的电磁兼容性设计。

项目负责人：唐杰，清华大学计算机系WeBank讲席教授、大模型研究中心主任，国家级人才，ACM/AAAI/IEEE Fellow。研究兴趣包括人工智能、知识图谱、数据挖掘、社交网络、大语言模型等。曾获ACM SIGKDD Test-of-Time Award（十年最佳论文）、IEEE ICDM研究贡献奖、国家科技进步二等奖。 运营团队：2019年，智谱AI成立，迅速形成以清华大学计算机系98级张鹏为CEO、高文院士弟子刘德兵为董事长、清华创新领军博士王绍兰等为核心的运营团队。 清华大学计算机系知识工程实验室李涓子、唐杰、许斌等人建立了完全自主知识产权的科技情报挖掘与智能服务平台，申请专利40余项。2019年，通过科技成果转化，北京智谱华章科技股份有限公司（以下简称“智谱AI”）成立，致力于打造新一代认知智能大模型，与学校合作研发了双语千亿级超大规模预训练模型GLM-130B，并基于此千亿基座模型打造了对话模型ChatGLM，具有双语、高精度、快速推理、可复现、跨平台等核心优势，在此基础上开源单卡版模型ChatGLM-6B，全球下载量已超过1000万次。 2024年1月，新一代基座大模型GLM-4正式推出，整体性能相比上一代大幅提升，比肩世界先进水平。它支持更长上下文，具备更强多模态能力，推理速度更快，支持更高并发，大大降低推理成本。同时，GLM-4的智能体能力得到大幅提升，可根据用户意图，自动理解、规划指令以完成复杂任务。GLMs个性化智能体定制功能亦同时上线，用户用简单提示词指令即能创建属于自己的GLM智能体，由此任何人都能实现大模型的便捷开发。

北京时代新维测控设备有限公司创立于2007年，是一家长期专注于水质、油气分析仪器研发、生产、销售与服务为一体的国家高新技术企业。时代新维以“成就客户、诚信正直、团队合作、实现自我"为核心价值观，全力打造先进技术、优质产品和专业服务。坚持“用高品质产品为用户创造价值"为使命，进行自主创新和人才培养，设定“为有创造力的员工，提供一个有幸福感的企业平台"愿景，逐步成长为国内先进的水质、油气分析仪器制造商。 公司产品：TP306硅酸根分析仪,TP307磷酸根分析仪,TP107在线磷酸根分析仪,TP308联氨分析仪,TP108联氨监测仪,TP130钠离子监测仪,TP330钠离子分析仪,TP350/TP150/TP251/TP151/TP152溶解氧分析仪,TP305铜含量分析仪,TP304铁含量分析仪,TP340/TP140/TP656酸碱浓度计,TP2118/TP3118/TP180浊度分析仪,TP309实验室浊度检测仪,TP2115浊度/色度分析仪,TP2111/TP3111/TP3211COD分析仪,TP1111COD监测仪,TP1112氨氮监测仪,TP2112TP3112氨氮分析仪,TP1113总磷监测仪,TP3113总磷分析仪,TP2113总磷便携式分析仪,TP1114总氮监测仪,TP3114/TP2114总氮分析仪,TP1120重金属监测仪,TP1117/2117/3117多参数监测仪,TP3119BOD分析仪,TP120/TP121/TP220电导率分析仪,TP111/TP110PH分析仪,TP170余氯分析仪等 生产基地设立于河北保定国家高xin技术产业开发区威控产业园，现有办公及生产车间占地面积5000平方米，建筑面积4778平方米，现代化标准厂房及达到先进水平的生产设备和完善的相关检测仪器设备，保证了提供的产品外观精美、做工精细、质量可靠，确保交付的产品充分满足客户需求。按照ISO9001:2015质量管理体系认证标准、ISO14001:2015环境管理体系认证标准、OHSAS18001：2017职业健康安全管理体系认证标准，建立行之有效的质量保证。并获得了国家实用新型zhuan利（ZL 2019 2 1030188.9、ZL 2019 2 1030411.X等）、外观设计zhuan利ZL 2020 3 0172006.3、ZL 2017 3 0049109.9）、及计算机软件著作权（2019SR0202761等33个登记）等体系认证。 目前公司产品有在线水质分析仪器、实验室水质分析仪器、实验室油品分析仪器、气体分析仪器等多种产品及仪表托管维护优化方案提供，可向电力、化工、钢铁、科研院所、教育、交通运输等领域提供仪器及分析成套解决方案。 公司营销体系分布全国各地，高效解决客户各种需求，提供优质产品及服务，在行业中树立了“优质服务、诚信待人"的良好企业形象和市场口碑。  十年专注，创造专业产品；十年用心，打造贴心服务；十年信用，缔造信赖品牌。北京时代新维将牢记责任，注重环保，创新生产过程，为推动分析仪器行业发展贡献更多力量。

在轧钢生产过程中，钢材的温度水平和温度分布是影响产品的质量和产量以及生产过程消耗的重要因素，而钢材的温度与加热炉的加热过程和轧线生产情况直接相关。因此研究钢材在加热炉内的加热过程和轧制过程中的温度变化，准确控制钢材的温度，对整个轧钢生产过程的优化具有重要意义。 所谓加热炉数学模型，实际上是加热炉热过程的数学描述，它描述加热炉炉内发生的热过程的基本规律和热状态，确定炉内热过程参数间的定量关系。在线控制数学模型的作用在于根据可测参量（如炉温、燃料量、产量等）计算出不可测的参量（如金属温度及其分布），并依此计算来确定优化的操作制度（炉温制度或供热制度）。 在保证产量和质量的前提下，根据加热炉数学模型，以降低燃耗、减少氧化烧损为目标，通过离线优化计算，可以得到适应产量变化、钢材尺寸和材质等变化的最优炉温制度和钢材升温曲线，为在线控制提供依据。 在加热炉数学模型和离线优化计算的基础上，建立加热炉在线优化控制系统，包括物料跟踪模块、温度跟踪模块、最佳炉温动态设定模块、反馈控制模块、燃烧控制模块、待轧及故障处理模块以及网络通讯模块和数据库管理系统等，控制系统的总体结构如图所示。 该项目已成功应用于宝山钢铁股份有限公司钢管分公司环形加热炉和荒管再加热炉的计算机控制中，并获“宝钢重大科技进步成果三等奖”和“冶金科学技术三等奖”。应用范围：该项目可以应用于加热炉的计算机控制中，特别适用于冶金企业的连续式加热炉计算机控制中。

技术成熟度：原型验证 原理：模型将浆锚连接节点破坏视为两个阶段，第一阶段为粘结破坏，即砂浆与钢筋和钢筋断裂前（包括断裂时）时段，第二阶段为滑移破坏，即砂浆与钢筋和钢筋断裂后时段。第一阶段依靠梁单元模拟，第二阶段依靠弹簧单元模拟，这样准确的反映了浆锚连接发生时的强度破坏及之后的滑移脱离现象。 创新点：提出了建模工艺，给出了适用于模型的弹簧单元、梁单元本构关系。 应用场景：浆锚节点超限分析，浆锚节点抗震性能分析。 应用案例：约束浆锚钢筋极限搭接连接剪力墙结构抗震性能分析，装配法加固剪力墙施工模拟过程分析。 成果获奖：吉林省土木建筑学会科技进步一等奖。 成果评价：建模简单、计算快速、经过多篇论文验证传力与实际情况偏差小于10%。

厄尔尼诺现象，是赤道中、东太平洋海表温度持续异常升温的周期性气候现象，平均每2-5年发生一次，对全球气候具有重大影响。厄尔尼诺现象会造成全球不同地区的异常温度变化，以及干旱或强降雨等现象。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大。 2019年12月24日，由北京师范大学系统科学学院陈晓松教授参与指导的一篇关于厄尔尼诺预测的文章已在线发表在美国科学院院刊PNAS上，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍” （即无法在厄尔尼诺发生的那一年的春季或更早给出准确预测），将对厄尔尼诺现象的发生，特别是强度的预测提前一年。 该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域（Nino 3.4）近海平面空气或海表温度的复杂度（包括温度随时间变化的无序性以及不同地点温度变化的同步性或相干性）。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内（1月1日-12月31日）Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。基于这一发现，作者们提出了一套基于每年Nino 3.4 区域温度变化复杂度的大小（由该区域 System Sample Entropy 量化）来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。 对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。 目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，而这对于提前预防厄尔尼诺带来的一系列严重影响是非常局限的。这一新的预测方法，将对厄尔尼诺的预测时间提前到了每年一月。这对于提前采取行动，控制和降低这一现象所带来的一系列全球范围内的消极影响，将意义重大！ 此工作由德国波茨坦气候影响研究所 （PIK）樊京芳博士作为通讯作者，PIK 的Jürgen Kurths教授，Hans Joachim Schellnhuber教授以及北京师范大学陈晓松教授等参与共同完成。陈晓松教授领导的研究小组多年来一直从事统计物理和复杂系统及相关课题的研究，特别是近年来专注于地球复杂系统的动力学演化及预测。

2020年2月12日，湖南大学联合苏州系统医学研究所、中国国家流感中心和中山大学等单位，成功开发基于分子标记物的流感病毒表型预测平台FluPhenotype，并在国际生物信息学专业权威期刊《Bioinformatics》发表题为“FluPhenotype-a one-stop platform for early warnings of the influenza A virus"的文章进行相关介绍。该文章的第一作者为湖南大学生物学院硕士研究生卢聪毓和博士研究生蔡泽娜，通讯作者为湖南大学生物学院副教授彭友松与苏州系统医学研究所蒋太交教授。 研究人员通过整合流感病毒核苷酸和氨基酸水平的分子标记物，以及基于分子标记物的抗原和宿主等预测模型，开发了快速预测流感病毒的抗原、宿主、致病性、耐药性等多个表型的预测平台FluPhenotype。

厄尔尼诺现象，是赤道中、东太平洋海表温度持续异常升温的周期性气候现象，平均每2-5年发生一次，对全球气候具有重大影响。厄尔尼诺现象会造成全球不同地区的异常温度变化，以及干旱或强降雨等现象。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大。 2019年12月24日，由北京师范大学系统科学学院陈晓松教授参与指导的一篇关于厄尔尼诺预测的文章已在线发表在美国科学院院刊PNAS上，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍” （即无法在厄尔尼诺发生的那一年的春季或更早给出准确预测），将对厄尔尼诺现象的发生，特别是强度的预测提前一年。 该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域（Nino 3.4）近海平面空气或海表温度的复杂度（包括温度随时间变化的无序性以及不同地点温度变化的同步性或相干性）。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内（1月1日-12月31日）Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。基于这一发现，作者们提出了一套基于每年Nino 3.4 区域温度变化复杂度的大小（由该区域 System Sample Entropy 量化）来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。 对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。 目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，而这对于提前预防厄尔尼诺带来的一系列严重影响是非常局限的。这一新的预测方法，将对厄尔尼诺的预测时间提前到了每年一月。这对于提前采取行动，控制和降低这一现象所带来的一系列全球范围内的消极影响，将意义重大！ 此工作由德国波茨坦气候影响研究所 （PIK）樊京芳博士作为通讯作者，PIK 的Jürgen Kurths教授，Hans Joachim Schellnhuber教授以及北京师范大学陈晓松教授等参与共同完成。陈晓松教授领导的研究小组多年来一直从事统计物理和复杂系统及相关课题的研究，特别是近年来专注于地球复杂系统的动力学演化及预测。

成果描述：本发明提供了一种轨道区域交通噪声预测方法，包括：将测试系统划分为多个测试子系统并建立其对应的子振动方程；根据多个子振动方程之间的协调关系建立总振动方程；根据振动方程及测试参数计算待测区域的声源强；根据噪声地图绘制单元及声源强，绘制待测区域对应的噪声地图，以便根据噪声地图对城市轨道区域交通噪声进行预测，其是基于耦合系统(车辆系统、轨道系统、桥梁-桩基系统和环境土体系统)的振动响应计算声源强，使得计算结果准确合理，且适用于各种车辆和高架轨道结构，并且本方法中将待测区域的交通噪声绘制成噪声地图，通过该方式使我国城市轨道交通的噪声管理与控制、噪声环境影响评价、公众参与以及方案决策变得直观且方便。市场前景分析：轨道交通基础设施建设领域。与同类成果相比的优势分析：技术先进，性价比较高。