作为工程装备的关键结构材料，高强钢的疲劳性能直接影响着工程装备的服役安全。然而，随着强度的提升，高强钢对内部缺陷愈发敏感，使疲劳开裂机制由基体主导转变为缺陷主导，导致其固有的高强度潜力难以充分发挥。本文系统综述了缺陷诱导高强钢疲劳开裂领域的重要研究进展，重点梳理了该领域从经验模型向物理判据、从单一尺寸维度向多因素统一准则的演进历程。研究建立了缺陷临界尺寸判据，突破了传统的“零缺陷”理念。通过引入缺陷形状和类型的量化因子，修正并发展了Murakami经典模型，构建了融合缺陷尺寸、形状与类型协同作用的疲劳开裂统一准则；提出了内禀的缺陷风险指数，实现了对不同缺陷诱导疲劳开裂风险的精准量化。在此基础上，凝练形成“协同调控强韧性与缺陷”的抗疲劳设计策略，为高强钢在工程应用中经济高效地实现疲劳性能优化提供了坚实的理论基础与前瞻指引。
随着水产养殖规模的快速扩张，近岸生态系统的承载压力日益凸显,导致滨海湿地退化、水体富营养化加剧，直接威胁海岸带生物多样性。为系统监测盐城市水产养殖池时空动态演变规律，本文基于Google Earth Engine(GEE)云平台，协同Landsat、Sentinel等多源遥感时序数据，构建光谱特征、植被指数、红边指数、水体指数和雷达特征，应用面向对象和随机森林相结合的方法，完成水产养殖池提取。结果表明：分类总体精度(OA)均在0.9以上，雷达特征的相对重要性最高。2015-2018年期间面积大幅减少，主要集中于射阳县与大丰区，且缩减区域多位于禁养区内部；2018-2021年面积呈现小幅回升趋势，增长主要发生在限养区与养殖区，养殖重心向北部偏移；至2024年，养殖池面积为725.09 km2，空间分布高度集聚于东部沿海地带，内陆零星分布。研究成果可为海岸带可持续发展提供科学决策依据。
研究了压缩感知框架下不平衡时序数据的过采样问题，提出了具有对抗网络的过采样模型Ad-VRNN，用于生成少数类时序数据。具体而言，该模型以所有样本训练推理网络，以少数类样本及生成样本训练对抗网络中的判别器，以此来提取少数类特征；训练完成后，使用编码器生成新样本加入训练数据，达到数据集平衡。实验中，通过核密度估计，对比了不同过采样方法所生成新样本与原始数据的分布特征差异；在分类任务中将Ad-VRNN与5种经典方法（SMOTE、ADASYN、ROS、RUS、CC）进行了对比。实验结果表明，相较于现有方法，Ad-VRNN在AUC、Macro-Precision和Macro-Recall指标上均取得更优表现，并在少数类时序数据的生成多样性方面有所提升。
农村人居环境改善是实施乡村振兴战略的关键环节。针对现有研究视角单一、系统耦合分析不足的局限，本研究将复杂网络理论引入人居环境研究领域，构建了基于网络拓扑特征的农村人居环境-绿色低碳系统协同度测算模型。通过建立双系统复杂网络模型，研究选取子系统网络拓扑指标（包括度中心势、聚类系数等）作为哈肯协同理论中的序参量，量化系统间协同水平。研究结果表明：两系统网络间存在显著的结构耦合特征；子系统间形成多层级连接架构，协同度指数为0.8391(P<0.05)，呈现高度协同状态。本研究提出的拓扑序参量选择方法突破了传统协同度测算的指标局限，所建模型可为农村人居环境整治与低碳发展的政策协同提供量化分析工具，为推进农村可持续发展提供理论依据和决策支持。
基于无人机获取的互花米草冠层高光谱影像和实测土壤有机碳(SOC)含量数据，使用数学变换和小波变换对高光谱进行变换处理，对不同尺度的小波基函数进行优选，使用竞争性自适应重加权算法(CARS)对不同变换处理后的特征光谱予以筛选，极端梯度提升(XGBoost)算法来构建土壤有机碳含量的高光谱预测模型。结果表明，小波变换最优分解尺度为coif5(L3),db4(L2),gaus4(L2),Haar(L2),mexh(L1),morl(L3),sym8(L3)。相比于数学变换，小波变换后的光谱效果预测性能更佳。其中，gaus4小波基函数构建的SOC预测模型表现出了最高的精度，测试集R2为0.479,RMSE为5.451,MAE为4.230，泛化能力相对较强。
数字化技术的持续演进正影响着金属增材制造的发展方向。围绕数字化驱动的金属增材制造，从建模仿真、过程监测、数据分析到数字孪生等方面综述了相关研究进展。多尺度模型的引入为理解熔池行为与组织演化提供了新的视角，传感与监测手段的改进使过程信息获取更加及时与准确。数据驱动方法在工艺调控、缺陷识别及性能预测中展现出较强适应性，而数字孪生通过虚实结合与动态反馈，为实现制造过程的智能管理提供了可能。
本研究基于网络药理学方法，系统探究南蛇藤果黄酮类成分及其代谢产物在抗血栓中的作用机制。通过Pub Chem、Swiss Target Prediction及SEA Search Server等平台预测92个黄酮类成分及代谢产物的潜在靶点501个，与血栓相关疾病靶点1 761个，二者取交集获得149个靶点；通过PPI网络和Cytoscape 3.10.0软件，筛选出13个核心靶点，预测出72个潜在抗血栓活性成分与核心靶点相关；基因本体（Gene Ontology, GO）富集分析和京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes, KEGG）富集分析表明，南蛇藤果黄酮类成分及其代谢产物可通过多通路发挥抗血栓作用。通过Cytoscape 3.10.0软件分析，将PPI中筛选出的5个核心活性成分与Degree值排名前5位的核心靶点对接，分子对接结果显示M15(3-O-甲基山柰酚)，M29(芹菜素)，M20(7-O-甲基芹菜素)，M14(7-O-甲基山柰酚)，M38(山柰酚开环还原)等有效成分的亲和力良好，说明南蛇藤果黄酮类成分的代谢产物具有潜在的抗血栓作用。
铸态双相不锈钢因其高强高韧及优异耐点蚀特性，已广泛应用于海洋平台、石化管道及核电等苛刻环境。然而，传统以目标性能为导向的试错法成本高、周期长，难以满足材料快速设计的需求。本研究通过整合文献数据，收集铸态双相不锈钢的冲击韧性相关数据，构建涵盖“成分—工艺—组织—性能”的多尺度特征空间，提出“机器学习—SHAP—最优子集”建模框架。采用八种主流机器学习算法构建预测模型，十折交叉验证结果表明，XGBoost算法表现最优，其决定系数R2=0.767。结合SHAP分析与最优子集选择的解释性方法，将特征降维至6个关键指标，分别为Mn、N、铁素体含量、抗拉强度、时效温度及时效时间。通过逐级递进引入并量化多尺度特征的边际增益，模型R2提升至0.875。该研究不仅为双相不锈钢冲击韧性的低成本快速预测与优化提供了数据驱动支撑，也为其他钢种的相关研究奠定了基础。
随着钢铁企业对生产效率和钢产品洁净度的要求越来越高，连铸中间包已由简单的钢液承载容器演变为具备多功能的冶金反应容器。河南某钢厂40 t 230 mm×1 650 mm宽厚板二机二流连铸中间包容量小，导致生产效率低、夹杂物上浮不充分，最终引起产品在加工过程中产生开裂缺陷。中间包扩容是以最低成本满足高产能、高拉速生产的最经济有效方法。本文采用数值模拟方法分析了不同扩容高度对中间包内钢液的流场、温度场、停留时间和夹杂物去除率的影响规律。结果表明，随着中间包扩容高度增加，冲击区流场变化较小，注流区由于钢液流动变慢，死区变多，且自由液面流速变慢；中间包进出口温差变大，包内整体温度梯度增大，对整体钢液的温度均匀性影响较大；钢液停留时间和夹杂物上浮时间延长。当中间包高度增加200 mm后，钢液流场对称性好，流动迹线稳定，液面最大流速为0.21 m/s，湍动能在0.000 5～0.008 5 m2/s2内，液面平稳；全混区占比71%，死区占比14.1%；钢液停留时间达688.5 s；温度场稳定且温度均匀性较好，最大温差16.8 K;10μm、50μm和100μm夹杂物的去除率分别达到最大值85.00%、88.89%和95.83%，为最佳扩容方案。本文的研究结果为钢铁企业优化中间包扩容方案和开发高效连铸生产工艺提供了理论与技术支撑。
在天然产物中，三萜类化合物常以糖苷形式存在，统称为三萜皂苷，具有显著的药理活性和应用价值。葫芦科植物含有多种具有活性的三萜皂苷成分，研究其生物合成对理解葫芦科植物三萜皂苷的遗传机理以及开展后续研究具有重要意义。本研究通过公共数据库中5种葫芦科植物的基因组数据，在全基因组水平上对葫芦科代表性植物三萜皂苷生物合成的3个关键家族进行了鉴定、比较、基因分布分析和系统发育分析，并且对关键家族UGT进行了motif分析。在5个葫芦科和1个外类群植物中鉴定到1 939个基因，涉及氧化角鲨烯环化酶（Oxidosqualene cyclase, OSC）、细胞色素P450氧化酶（Cytochrome P450, CYP）和UDP-糖基转移酶（UDP-glycosyltransferases, UGT）三个关键家族。基因分布分析显示，这些基因不均匀地分布在各物种的染色体上，并且形成了大量的基因簇，表明串联重复事件对葫芦科植物三萜皂苷生物合成有重要贡献。系统发育分析进一步揭示，OSC和UGT基因家族以多样化的形式存在于葫芦科物种中，有助于三萜皂苷结构的多样性。此外，分析了葫芦科中参与三萜皂苷生物合成最后阶段糖基化修饰的UGT家族的motif，发现大多数基因均含有PSPG结构域。本研究通过对葫芦科植物中三萜皂苷3个关键基因家族的分析，挖掘了三萜皂苷合成相关的关键基因，深化了对葫芦科植物中三萜皂苷形成的遗传基础的理解，为后续功能验证与应用研究奠定了基础。