本技术公开了一种双工种自适应角色切换的煤矿装备群运行架构方法，集控工人和现场工人两工种协同交互。集控工人直接负责云端的任务级任务，下发总体任务命令，做到全局引导煤矿装备和充分预测装备运动，集控工人也间接负责边缘端和终端的任务。现场工人直接负责边缘端的行为级任务，下发群组任务命令，做到实时处理关键工况和即时控制成组动作，现场工人也直接负责终端的动作级任务，下发单独任务命令，做到设备运动充分完成和每个元件反应灵敏；同时现场工人也间接负责云端的任务。云端和边缘端的协作依靠资源调节模块和时空推演模块。云端，边缘端和终端高效协作，构成煤矿装备群高效运行架构。

 本技术涉及时间序列数据预测技术领域，公开了一种基于多层噪声剥离的时间序列数据预测方法，通过将原始时间序列数据进行归一化处理，使用移动平均分离趋势项和季节项，通过小波阈值化处理剥离两项中的噪声部分，通过线性映射得到各项的预测值进行累加，最后进行反归一化得到最终的时间序列数据预测值。本发明提供的基于多层噪声剥离的时间序列数据预测方法，通过准确剥离时间序列数据中噪声成分，实现对时间序列数据的准确预测。

 本技术公开一种多模态风险内容识别方法和装置、系统、存储介质，包括:获取多种模态数据；将多种模态数据的风险内容通过各模态转换模型对齐到文本模态，形成统一文本摘要形式，同时进行基于相似案例检索增强推理。采用本发明的技术方案，能够全面精准识别潜在风险，并对其进行层次化分类。

 本技术提供一种基于LSTM‑SWAT耦合模型的洪水径流量预报方法，包括:构建SWAT分布式水文模型，并分析SWAT分布式水文模型率定及参数敏感性；引入BiLSTM深度学习模型，并耦合构建的SWAT分布式水文模型与BiLSTM深度学习模型，基于SWAT分布式水文模型的物理机制运算，在空间与时间上完成对输入气象数据的扩展；将SWAT分布式水文模型输出的多特征数据作为BiLSTM深度学习模型的输入数据，对径流进行预报。本发明通过对水文要素的拆解，突破深度学习模型可解释性差造成的输入特征参数筛选问题，进一步提升了径流预报模型效果，同时探究了多维特征参数对预报性能的影响，可为洪水期间河口环境的研究提供新的解决方案。

 本技术公开了一种滑坡易发性评价方法，其包括以下步骤:将所有评价因子原始数值导出；对随机森林模型进行训练；用训练后的随机森林模型替换Adaboost模型的基础学习器，得到优化后的Adaboost模型；对优化后的Adaboost模型进行训练，得到训练后的滑坡易发性评价模型；将滑坡灾害研究区域进行栅格划分，并将栅格点对应的所有评价因子原始数值输入训练后的滑坡易发性评价模型，通过训练后的滑坡易发性评价模型获取对应栅格点处的滑坡发生概率，进而完成对滑坡灾害研究区域的滑坡易发性评价。本发明可以准确、快速地对滑坡灾害研究区域进行滑坡易发性评价，并给出具体的评价结果，方便快速发现与应对滑坡灾害。

 本技术公开了一种基于虚拟现实的物体对象交互方法、装置、设备、介质及产品。该方法包括:确定虚拟现实空间环境下的当前物体的物体信息，以及确定观看当前物体的用户视线高度；根据物体信息和用户视线高度，生成物体移动可交互点位；以及，根据物体信息和所述用户视线高度，生成物体缩放可交互点位；展示物体移动可交互点位和物体缩放可交互点位，以供用户基于物体移动可交互点位进行自身位置移动，以及基于物体缩放可交互点位进行物体尺寸缩放。本发明实施例技术方案降低了基于虚拟现实的用户与物体对象之间的交互难度，增强了用户实操过程中的交互体验感。

 本技术提供了一种管道检测设备及管道承受能力的预测方法，其中管道检测设备包括:设备壳体，其用于装配在被测管道的内部；行进装置，其设置在所述设备壳体的外部，用于驱动所述管道检测设备在被测管道的内部移动；检测装置，其设置在所述设备壳体上，用于检测所述被测管道的腐蚀数据；数据处理装置，其与检测装置连接，且配置成：获取所述腐蚀数据，所述被测管道的管道类型、环境数据和爆炸数据；采用SOM‑BP神经网络模型，至少根据所述腐蚀数据，预测出设定类型的炸药在预设位置起爆的情况下，能够对所述被测管道造成损伤的最小炸药量。本发明所提供的技术方案，能够能够对被测管道造成损伤的最小炸药量，以达到提高被测管道的安全性的目的。

 本技术属于航天航空技术领域，涉及一种空间可展天线系统动力学建模方法，包括如下步骤:利用有限元仿真软件建立空间可展天线有限元模型；修正线性子结构和非线性铰链；修正完成后，导出刚度、质量矩阵；对线性子结构进行第一次坐标变换，完成线性子结构的降阶；再进行第二次坐标变换，融合对接各线性子结构得到整体结构运动学方程；连接修正后的线性子结构和非线性铰链，并分析动力学响应，通过连接界面处恢复力与相对位移的数据，构建输入‑输出映射代理模型，将整体结构运动学方程与代理模型进行融合，得到融合动力学模型；本发明能快速预测动力学响应，节省计算资源，提高分析效率。

 本技术为一种基于深度学习的弹丸轨迹及发射点递归预测方法。包括如下步骤:采用4阶龙格库塔算法在不同采样条件下对修正质点弹道方程进行数值仿真，获取数据；将数据整理划分为训练集和测试集；搭建正向弹丸轨迹递归预测算法模型和数据集逆向输入的弹丸发射点递归预测模型；将训练集分别输入正向弹丸轨迹预测算法模型和数据集逆向输入的弹丸发射点预测模型进行训练；进行弹丸的轨迹及发射点递归预测。本发明首次采用一个网络结构训练两个预测模型，通过调整输入数据格式，可实现对弹丸的发射点进行预测；有效提高了反导拦截以及对敌方根据地的打击能力。

 本技术涉及一种基于国产化平台的NetCDF海洋数据解析存储方法及系统。该方法根据NetCDF文件的多维度、多变量数据特征，设计了一套适配达梦数据库的存储结构，包括表结构设计、表关联关系及查询分析存储过程。基于该存储设计方案，数据解析按照通用元数据、格网信息以及格点数据三个层次结构自定义解析。采用变量切片方法对三维、四维数据进行高效提取。进一步将海洋数据解析和存储方法应用于国产化平台，系统集成了从数据接入、解析、存储到查询分析的全流程解决方案，确保了海洋环境数据的高效管理和利用。有效填补了国产化平台下多源NetCDF文件数据处理和存储的一体化技术空白，进一步推动了国家信息系统的国产化进程。