基于温度调制技术的混合气体浓度检测方法，涉及半导体气体传感领域。解决了目前对混合气体的浓度预测，难以进行更精确分析的问题。本技术通过温度调制技术，在空间域的尺度下扩充的气敏响应数据的特征，并且采用LSTM神经网络模型处理时间序列数据，充分挖掘了序列数据所包含的特征信息，二者结合显著提高了混合气体浓度的识别精度。本发明主要用于故障时变压器油中释放的H2和CO气体的浓度检测。

 本技术涉及计算机辅助设计技术领域，提供一种基于高海拔地区的通风参数理论计算方法、系统和设备。该方案包括:收集并分析高海拔地区的气候数据，并进行通风机运行的环境判断；建立风阻变化量模拟模型模拟高原气候对风阻参数及风压参数的影响；构建通风机相似物理模型，修正海拔高度变化对通风机的风压性能影响系数，同步评估高原环境下通风机的风机功率性能影响系数，提出高海拔特长隧道施工通风系统的设计建议。上述技术方案以气候数据为分析起点，通过构建风阻变化量模拟模型、通风机相似物理模型，综合、定量的分析得到最终的通风参数，缓解了现在技术中存在的通风参数计算难以应对复杂隧道环境的问题，提升了通风参数理论计算的准确性。

 本技术涉及软件工程技术领域，公开了一种基于对偶图神经网络的代码注释生成方法和系统，方法包括:获取源代码以及作为源代码的自然语言注释，并对源代码进行预处理，根据预处理之后的源代码和自然语言注释构建训练数据；构建代码处理模型，使用训练数据训练代码处理模型，获得训练好的代码处理模型，代码处理模型包括对偶图模块、编码器、聚合器和解码器，对偶图模块根据预处理之后的源代码解析获取抽象语法树，并根据抽象语法树构建语法依赖图和语义依赖图；编码器根据所述语法依赖图获得第一编码表示、根据语义依赖图获得第二编码表示；聚合器根据第一编码表示和第二编码表示获得聚合图表示；解码器根据第一编码表示、第二编码表示和聚合图表示生成自然语言注释；将待注释的代码输入训练好的代码处理模型，获得自然语言注释。本发明能够更有效编码代码结构，提高注释生成的准确性，并提高代码处理模型的泛化能力。

 本文涉及一种基于多源数据的城市公共空间品质智能评价方法及系统，所述方法包括获取空间品质查询主体在空间评价界面上设定的待评价城市公共区域和当前评价精确等级，并根据所述待评价城市公共区域获取预先存储的交通评价系数和社会活动评价系数；获取所述待评价城市公共区域对应的待评价区域建筑模型和对应的基础模型数据，生成更新后区域建筑模型和更新后基础模型数据；提取道路交通数据，提取道路使用数据和社会活跃数据；生成城市空间品质评价分。本技术实现了满足所述空间品质查询主体的需求、满足所述待评价城市公共区域内所述城市空间使用主体的关注维度的基础上，实现对城市空间品质评分的生成，实现智能化、综合化智能评价。

 本技术公开了一种基于MBSE的液压系统建模方法和装置，属于液压系统的技术领域，包括收集航空发动机液压系统及其利益相关方的需求，并基于MBSE模型将所述需求转化为需求表和需求图；根据航空发动机液压系统及其利益相关方的需求，对液压系统的功能进行细化分解；将液压系统细化分解的功能分配至各个组件，构建得到液压系统架构模型。本发明并采用MBSE方法，通过创建和分析系统的详细模型，可以在实际制造和测试之前精确预测系统的性能，如此的预测能力使工程师能够识别和解决潜在的设计问题，从而显著提高最终产品的可靠性，可有效解决现有液压系统研制过程中存在系统的前期需求定义和后期设计管控困难，以及系统之间验证追溯难度较大问题。

 本技术公开一种森林冠层高度估算方法和装置、系统、存储介质，包括:步骤S1、获取目标区域的GEDI波形数据；步骤S2、对GEDI波形数据依次进行去噪处理、归一化处理和高斯拟合处理；步骤S3、根据预处理后的GEDI波形数据，针对坡度较大区域，通过比较最后两个波峰的振幅，确定潜在地面回波中心位置，并计算波形峰值对应高程的均值作为地面高程；步骤S4、通过森林冠层顶部高程减去利用潜在地面回波中心位置的拟合波形对应的展宽幅值，作为校正后森林冠层顶部高程；步骤S5、通过计算校正后的冠层顶部高程与地面高程的差值，得森林冠层高度。采用本发明的技术方案，精确获取地形坡度较大区域森林冠层高度。

 本技术公开了基于动态多图融合时空深度学习的轨道客流短期预测方法，该方法首先包括对历史客流特征数据进行卷积，形成输入数据；然后构建融合图卷积模块，融合图卷积模块包括多重预定义图卷积和动态图卷积，在融合图卷积模块中引入因果时间以形成时空学习器；接着利用时空学习器对输入数据进行处理；最后时空学习器的输出通过跳转连接层进行连接，跳转连接层将时空学习器的输出引入输出层，经输出层得到预测结果。本发明使用了预定义图卷积和动态图卷积的组合作为邻接矩阵，能有效的学习客流的复杂空间特征，并引入因果时间多头注意力机制，可进行多层时空特征提取，从而提高了模型对时空特征的提取能力，为短期客流预测提供更精准的特征表示。

 本技术公开了基于调用图与多层次对比学习的函数级缺陷定位方法，包括构建包含类节点及其内部函数节点的局部调用图和覆盖所有函数的全局调用图；利用Light‑GCN对这两种调用图进行图嵌入学习，生成函数的局部和全局嵌入向量；同时，采用预训练代码模型提取函数代码的语义嵌入向量，并使用预训练语言模型获取缺陷报告的语义嵌入向量；为了优化模型性能，设计了包含局部对比损失、全局对比损失及语义对比损失的多层次对比损失函数，通过最小化该损失函数，有效优化了缺陷报告与函数嵌入之间的匹配关系，从而增强了整体的定位能力，并显著提升了模型的缺陷定位准确性。

 本技术公开一种基于N/N‑1潮流内嵌图卷积神经网络的运行方式潮流耦合关系表征方法，包括以下步骤:1)提出基于N/N‑1潮流内嵌的图卷积前向传播策略，以N/N‑1潮流物理模型推导设计图卷积模块前向传播表达式；2)构建基于多层图卷积和卷积模块协同的神经网络架构；3)训练得到运行方式潮流耦合关系模型，表征电力系统N/N‑1状态下的潮流耦合关系。本发明所构建的运行方式潮流耦合关系模型能高精度表征N/N‑1状态下的潮流耦合关系，以便于后续分析电力系统中的故障诊断、稳定性评估和优化控制等关键问题。

 本技术提供了一种基于人工智能对轴承故障的分类方法、装置、设备、及存储介质，通过获取由传感器采集到的轴承转动信号，并将所述轴承转动信号进行预处理后进行连续小波变换，以生成二维时频图；接着，调用预训练的鉴别器对所述二维时频图进行滑动特征提取，以生成高度特征和宽度特征，并通过注意力机制根据所述高度特征和所述宽度特征识别出关键特征；再接着，将所述关键特征进行转为一维的特征向量，并将所述一维的特征向量通过多个卷积层和全连接层对所述关键特征进行分类，并输出对应的故障类别，其中，所述故障类别包括内圈故障、外圈故障、以及滚动体故障。解决了现有时域或频域分析中难以捕捉复杂信号特征的问题。