针对超高细粒尾矿坝存在的松散泥质软弱夹层、初期坝裂缝等结构性安全隐患，构建基于多源信息融合的尾矿坝结构隐患电阻-面波综合法超前探测技术体系，提出反映坝体典型结构隐患分布范围、规模及埋深等的概观评价预测模型。

本发明提供一种具有多层纳米结构的柔性铜基材料，该材料包括柔性基体，所述柔性基体具有多层结构层，所述多层结构层包括：铜基金属层构成的第一结构层；位于铜基金属层两侧的第二结构层，所述第二结构层为铜多孔层；以及位于铜多孔层上的第三结构层，所述第三结构层为氧化物层。本发明通过控制基体材料，结合脱合金溶液和时间的控制，调控材料的结构，获得不同的纳米结构层，并保留部分原始基体层，从而在具备优异的柔韧性同时，多层纳米结构层提供优异的催化性能。

本发明属于空气净化领域，具体公开了一种具有梯度浸润性孔道结构的纳米纤维膜及其制备方法，向聚丙烯腈(PAN)纺丝溶液中掺杂疏水性二氧化钛(F‑TiO<subgt;2</subgt;)纳米颗粒，采用静电纺丝技术制备了疏水性复合纳米纤维膜，F‑TiO<subgt;2</subgt;纳米颗粒可在紫外光下发生响应产生活性自由基催化分解表面接枝的全氟链段，实现浸润性沿膜厚方向上的逐渐变化，构筑具有梯度浸润性孔道结构的纳米纤维膜。

历史建筑结构检测与加固和建筑节能改造技术

本发明公开了一种在SOI硅片上制备微机械悬空结构的方法。对悬空结构及其固定结构采用不同的槽宽设计，其中，固定结构的槽宽明显大于悬空结构，宽槽底部经刻蚀首先到达或更加接近SiO2层，再通过各向同性干法刻蚀使窄槽底部相互连通并与窄槽下方的Si层分离，将窄槽间的梁释放，形成具有平整底面的悬空结构，同时去除固定结构与悬空结构连接区底部的Si以及固定结构与其它结构之间的区域底部的Si，使得固定结构与窄槽下方的Si层及其它结构隔离，从而使不同的固定结构间相互绝缘。本发明的方法简单有效，能广泛应用于MEMS悬空结构的加工。

XM-408C骨骼肌、心肌、平滑肌结构比较模型   XM-408C骨骼肌、心肌、平滑肌结构比较模型显示骨骼肌、心肌、平滑肌结构比较。 尺寸：放大，50×30×4cm 材质：PVC材料

XM-TB1高级臀部肌肉注射与解剖结构模型   XM-TB1高级臀部肌肉注射与解剖结构模型用于臀大肌、臀中肌、臀小肌和股外侧肌肌肉注射训练，学习臀部注射相关解剖结构，进行对比注射练习。   一、功能特点： ■ 模型采用高分子材料制成，肤质仿真度高。 ■ 模型模拟了一成年人下半身结构，上至腰部，下至膝上，为成人仿真臀部，骨性标志明显，解剖结构精确，便于操作定位。 ■ 双侧对比，一侧用于展示，一侧用于操作，左臀部的肌肉可取下，显示内部解剖结构。 ■ 左侧展示了臀部肌肉和神经的走行，解剖结构包括臀大肌、臀中肌、臀小肌、坐骨神经及周边血管等结构。 ■ 可进行臀大肌、臀中肌、臀小肌和股外侧肌肌肉注射训练。 ■ 肌内注射可注入、排出液体。 ■ 可反复进行练习。   二、标准配置： ■ 臀部肌内注射模型：1台 ■ 训练用注射器：1支 ■ 说明书：1册 ■ 保修卡合格证：1张

D2D 异构网络技术（即终端直通技术），不需要通过基站或核心网进行数据中转和处理，只需在移动终端之间建立通信链路即可直接传输数据，为突破上述技术瓶颈提供了一种新型的网络架构。目前，D2D 技术已被IMT-2020（5G）推进组确定为第5代移动通信系统的关键技术之一。然而，D2D 通信无线资源分配方面的研究，必须考虑能量效率和能量使用的优化。由于移动终端的电池容量有限，一旦忽视数据传输中对能量效率的优化，将使得数据传输由于能量枯竭而中断，重要信息无法及时传达，严重影响服务质量和用户体验。针对4G 智能手机的用户调查结果表明，只有不到25%的用户对手机续航时间表示满意，手机续航时间已经成为影响用户满意度和品牌忠诚度的关键因素之一。 　　课题组深入研究了频谱效率和能量效率之间的内在关联，其研究结果表明，在考虑实际电路功率损耗的情况下，频谱效率和能量效率不再是简单的单调递减关系，而是随着频谱效率的增加，能量效率呈现先单调递增后单调递减的特性。通过上述分析可以看出，如果一味追求高频谱效率和高吞吐量，将会带来移动终端能量效率的大幅度下降。因此，课题组针对D2D异构网络频谱资源复用的复杂场景，将针对能效最优的NP难联合资源分配问题转换为用户偏好下的随信道状态和干扰水平而动态变化的一对一匹配问题，并通过采用稳定匹配理论、非合作博弈理论、非线性优化理论来解决能效优化问题。研究结果表明，在保障QoS情况下，相比传统的高谱效资源分配方法，该方案可以将移动终端的功率消耗降低200%以上。，本项目的核心研究方向正是将节能减排战略方针落实到移动通信的基础研究领域中，与国家中长期科技发展方向和国际通信产业长期发展趋势相一致，将在技术、环境和经济等多个方面具有重要的研究意义和实用价值。 　　 课题组负责人周振宇自参加工作起即投入到异构网络资源分配、干扰协调、移动性管理、自组织组网等方面的研究工作中，作为项目负责人，先后主持了多项国家级、省部级科研项目，包括国家自然科学基金青年科学基金项目、北京市自然科学基金青年科学基金项目、北京市优秀人才计划项目等，积累了深厚的理论基础和丰富的研究经验。以 第 一 作 者 和 通 信 作 者 在 IEEE Transactions on Communications 、IEEE Transactions on Vehicular Technology、IEEE Transactions on Intelligent Transportation Systems、IEEE Transactions on Green Communications and Networking、IEEE Journal on Selected Areas in Communications、IEEE Transactions on Industrial Informatics等通信领域主流期刊发表论文30 余篇，在IEEE ICC、IEEE Globecom 等通信领域旗舰会议发表文章30 余篇，其中2 篇论文入选ESI 高被引论文。 　　其研究工作已被 Prof. Zhu Han（IEEE Fellow）、Prof. Weihua Zhuang（加拿大工程院院士、IEEE Fellow）、Prof. Sherman Shen（加拿大工程院院士、IEEE Fellow）、Prof. Vincent Poor（美国科学院院士、加拿大科学院院士、英国皇家科学院院士、IEEE Fellow）、Prof. Andreas Molisch（奥地利科学院院士、IEEE Fellow）、易芝玲教授（中国移动研究院首席科学家）以及JSAC、IEEE Transactions on Wireless Communications、IEEE Communications Magazine 等通信领域顶级期刊引用和正面评价。荣获IET Communications 最佳期刊论文奖（the IET Premium Award in 2017，每年在全球范围内仅选拔1 篇）、IEEE 通信协会绿色通信与计算专委会最佳论文奖（IEEE ComSoc Green Communications and Computing Technical Committee 2017 Best Paper Award，在IEEE Globecom 2017 会议上颁奖） 　　目前担任 IEEE Access、Transactions on Emerging Telecommunications Technologies、IEEE Communications Magazine 等国际学术期刊的编辑及客座编辑，担任IEEE ISADS’15 智能电网通信与网络技术专题研讨会联合主席，担任IEEE Globecom、IEEE ICC、IEEE WCNC、IEEE VTC、IEEE PIRMC、IEEE CCNC、IEEE APCC 等国际学术会议的技术委员会委员。在国际标准化方面，担任IEEE 异构网络授权/非授权频谱融合标委会工作组骨干成员（IEEE Standards Association, P1932.1 Working Group, “Licensed/Unlicensed Spectrum Interoperability in Wireless Mobile Networks”）。应邀在IEEE 车辆技术协会旗舰会议IEEE VTC’18 上作Tutorial 报告（报告题目：Internet of Vehicles: When SDN, Edge Computing and Big Data Meet Intelligent Transport Systems）。2016 年入选北京市委组织部“北京市优秀人才计划”，2017 年入选IEEE 高级会员（IEEE Senior Member）。 　　该研究由中国国家自然科学基金委项目61601180和61601181，中央高校基础研究基金资助项目2014MS08和2016MS17，日本学术振兴会JSPS KAKENHI 26730056， JP15K15976和JP16K00117以及JSPS A3 Foresight等项目资助。

高校科技成果尽在科转云

本发明公开了一种基于卷积神经网络的给水管网多点漏损定位方法，包括以下步骤：对供水管网压力数据进行采集，将采集的供水数据分为训练样本和测试样本；将各个样本归一化，归一化后的训练样本输入到卷积神经网络模型中进行训练，得到卷积神经网络模型，归一化后的测试样本对卷积神经网络模型进行测试，保存训练好的卷积神经网络模型；实时数据归一化后输入到训练好的卷积神经网络模型中，通过训练好的卷积神经网络模型来得到预测结果；将预测结果对比标签索引，判断漏损。本发明还公开一种基于卷积神经网络的给水管网多点漏损定位装置。本发明