本技术提供了一种以用户体验质量为优化目标的任务资源调度算法，属于资源调度技术领域，该以用户体验质量为优化目标的任务资源调度算法以改进的差分进化算法为核心，通过调度信息采集模块获取当前节点的任务信息、硬件性能信息和系统资源信息，生成初始任务资源分配方案。在优化过程中，启发式调度单元结合KAN模型预测任务执行结果，对候选解进行评估，以用户体验质量作为适应度函数，动态调整资源分配方案。最终输出的最优解将资源分配至任务执行控制模块，以提升任务的执行效率和用户体验质量。本发明通过双策略变异机制和任务执行预测模型，能够快速收敛至最优资源分配方案，确保在有限计算资源下最大化用户体验。

 本技术公开了一种考虑降雨影响的海崖安全稳定性预测方法，涉及海洋地质灾害预测领域，通过将基于物理概念的海崖模型与土力学和水力学相结合对海崖的安全稳定性进行分析，进而得到海崖预警方法，降雨对于海崖的作用通常是雨水大量的下渗导致土的含水率增加，土的抗剪强度降低，海崖土体容重增大，海崖的下滑力大于抗滑力，因此海崖发生滑塌剪切破坏，本发明运用改进的Green‑Ampt模型和库伦抗剪强度理论，考虑降雨对海崖土体容重和抗剪强度的影响，建立海崖安全稳定性系数预测模型，进行降雨条件下海崖安全稳定性系数的预测。

 本技术公开了一种融合光纤应变监测和裂缝扩展模拟的压裂裂缝动态反演方法，属于油气田开采技术领域，该方法包括建立基于状态变量的状态控制方程，并根据建立的状态控制方程，预测下一时间步的缝宽分布；根据裂缝扩展模型的系统误差的协方差矩阵，计算所述状态控制方程的下一时间步预测误差的协方差矩阵；建立分布式光纤应变的观测方程，计算下一时间步状态变量对应的光纤应变；根据监测到的光纤应变数据、计算出的下一时间步状态变量对应的光纤应变，建立对缝宽分布的状态更新方程；对裂缝单元状态进行更新，并在更新完后再次进入到预测下一时间步的缝宽分布，直至达到设定的结束时刻，如此通过融合物理机制和观测应变数据。

 本技术涉及水利工程与结构健康监测技术领域，特别是涉及基于光纤传感的大坝监测异常预警方法及系统，其中方法包括:采集待监测大坝不同位置区域的应力应变数据，确定大坝坝体内部的应力分布；采集待监测大坝内侧水面的温度，确定水对坝体应力的影响；采集待监测大坝上方车辆通行时，车辆对坝体产生的实际应力；对试验模型施加模拟地震振动，得到模拟地震振动应力；对试验模型施加车辆载荷，得到车辆载荷模拟应力；构建大坝的综合特征向量；将大坝的综合特征向量，输入到训练后的大坝风险预测模型中，得到待监测大坝的异常风险评分，异常风险评分越高，表示大坝健康度越低。本发明精确评估大坝的健康状态，及时发现潜在的结构隐患。

 本技术涉及人工智能、对比学习和语义通信技术领域，提出一种基于改进对比学习的语义通信方法、系统及终端。本方法基于经训练的自编码器模型完成，包括:配置不同长度的若干条文本，将不同长度的若干条文本依次输入语义通信编码器，获得语义编码序列；语义编码序列经信道传输成为模糊语义编码序列，将模糊语义编码序列输入语义通信解码器进行语义解码；构建对比学习正样本对和负样本对；基于正样本对和负样本对，采用改进对比学习损失函数训练自编码器模型，当连续预设次数的训练中损失值未出现下降时，训练完成；将训练完成的自编码器模型部署至信道，进行语义通信。本发明能够保证对比学习的对齐性和均匀性，使语义通信具有更好抗噪声鲁棒性。

 本技术公开了基于稀疏注意力和物理嵌入的SWMM仿真模型逼近方法，属于仿真建模技术领域，通过稀疏注意力机制有效处理高维时序输入，并嵌入物理约束以确保模型逼近的物理一致性，确保输出结果符合流量守恒与污染物守恒定律，精准逼近SWMM行为；本发明方法中将SWMM的复杂仿真行为替代为高效的深度学习预测模型，显著提升计算效率并确保预测结果的可信性，适用于区域排水优化的实时仿真场景，为区域水文管理提供实时仿真支持。

 本技术提供用于评估驱动因子对植被固碳变化的贡献率的方法及系统，涉及数据处理领域，该方法包括:根据待评估区域在待评估时间段的植被净初级生产力数据，计算待评估区域在待评估时间段的植被固碳数据；获取待评估区域在待评估时间段的驱动因子数据，根据待评估区域在待评估时间段的驱动因子数据，计算多个驱动因子的变化趋势；根据待评估区域在待评估时间段的植被固碳数据和驱动因子数据，计算多个驱动因子与植被固碳之间的相关性；基于多个驱动因子的变化趋势和多个驱动因子与植被固碳之间的相关性，计算多个驱动因子对待评估区域在待评估时间段的植被固碳变化的贡献率，具有评估不同的驱动因子对植被固碳变化的贡献率的优点。

 本技术公开了一种基于图可解释性的快速自动时序ECO方法及系统，本发明基于图可解释性的快速自动时序ECO方法包括从电路的设计文件、工艺库、时序报告中提取拓扑特征及电气特征，搭建基于图神经网络的路径延时预测器；针对给定的关键路径基于路径延时预测器正向传播预测延时；基于图可解释性的方法获得关键路径上各节点、边、特征的重要性；根据重要性自动选取合适的ECO动作进行迭代。本发明旨在解决现有电子设计自动化（EDA）流程中对于复杂集成电路路径时序分析和优化时所存在的路径延时预测的精确性不足、缺乏解释性分析工具以及ECO流程效率低下的问题。

 本技术涉及生态水文技术领域，具体公开了基于地下水水位阈值调控的灌溉优化方法，方法包括数据采集与预处理、作物生长模型构建、特征分析、地下水水位预测、灌溉需求预测、灌溉策略优化和持续优化。本方案提取出地下水水位数据的长期趋势、周期性成分和随机成分，整合多源特征提供更为精细、清晰、稳定的特征集；采用平稳性差分处理提升模型对非平稳时间序列的适应性，结合AquaCrop模型和地下水水位预测模型，模拟不同水位对作物生长的影响，提供动态灌溉方案；以作物产量和水分利用效率为核心，通过设置产量和水消耗的权重系数，平衡灌溉效率和产量之间的关系，通过模型参数的动态调整和迭代改进，确保模型结果的稳健性和可靠性。

 本技术涉及一种基于零知识证明与区块链技术结合的梯度聚合联邦学习方法，属于分布式机器学习领域。通过结合零知识证明（zk‑SNARK）和可扩展区块链技术，突破了传统方法在数据隐私保护和模型验证方面的局限。该方法利用零知识证明来验证全局模型的正确性，确保聚合过程的透明性和数据隐私，同时引入中国剩余定理对证明进行压缩，减轻区块链节点的存储负担。通过区块链记录加密模型更新的哈希值，并依托区块链共识节点进行验证，进一步提升了数据完整性和系统透明度。此外，方法中引入的动态客户端选择机制，基于训练表现评分优化参与者，提升了训练效率和模型质量。整体上，本发明提供了一种安全、高效且透明的分布式学习解决方案。