本技术公开了一种基于分割法的斜拉桥受力与变形优化计算方法及系统，方法包括构建主梁系统模型和桥塔系统模型；将拉索简化为弹性支座，计算弹性支座的弹性支承刚度；选定表征支座内力和变形的两个独立初参数；根据弹性支座附近受力和弹性支承刚度推算末端支座的受力和变形；根据末端支座的受力和变形数据以及末端支座的边界条件，建立关于两个独立初参数的二元一次联立方程组，求解两个独立初参数并代入相邻两个支座的内力和变形计算公式，获得各支座处的内力和变形；根据各支座处的内力和变形计算桥塔内力；本发明通过分割主梁系统和桥塔系统的计算过程，并考虑各系统之间的刚度传递关系，实现对多塔斜拉桥的高效计算和准确变形分析。

 本文涉及脑电波信号处理技术领域，公开一种基于EEG多分支图卷积的跨被试情绪识别方法、装置及系统和存储介质，其中方法包括:获取EEG数据；对EEG数据进行滤波得到第一信号；对第一信号进行五个频段的滤波得到第二信号；在第二信号中，以设定时间的时间窗口提取微分熵特征；基于微分熵特征，通过多分支图卷积网络提取到各频段的图特征；将各频段的图特征输入至图特征融合模块中进行融合，得到情绪特征；将情绪特征输入多层感知机，得到情绪的预测概率，并且在训练阶段使用域适应技术拉近源域和目标域之间的特征分布。本申请可有效减少跨域数据分布差异对模型性能的影响，提高情绪状态识别的准确性和鲁棒性。

 本技术公开了一种基于LASSO对数回归的古径流重构方法，基于树木年轮的古径流重构方法。针对径流重构的长度和精确度问题，本发明创建前向分层嵌套法和具有树轮信息优选能力的LASSO对数回归非线性重建模型。首先依据树轮年表起始年份划分重构嵌套层，充分利用时间跨度较长的树轮信息，然后利用LASSO对数回归非线性模型，在确定各嵌套层全局最优树轮主成分子集的基础上重建古径流，提高重构精度。

 本技术属于作物病虫害防治技术领域，具体涉及一种融合计算机视觉与语言模型的农业病虫害防治方法，基于视觉模型和优化后的语言模型，将二者一体化集成后，能够结合动态场景信息，实时识别多种作物病害并在作物病害防治领域给出更专业更详细的建议，具备良好的病害识别能力和防治建议生成能力，进而显著提高农业生产中病害防治的效率，减少人工成本，并有助于提高作物的产量和质量。

 本技术公开离线强化学习技术领域的基于相关性的离线强化学习维度缺失动作数据填补方法，具体步骤为:通过智能体与环境交互后，获取到数据集，对数据集进行分析，识别存在缺失的维度、构建并训练模型、加载包含维度缺失动作数据的数据集，读取其中的动作数据，将其转换为PyTorch张量，然后加载已预训练完毕的模型，对数据集中的缺失值进行插补，得到插补后的数据集以及将得到的数据集用于训练离线强化学习智能体，本发明有助于提高离线强化学习模型在处理不完整数据时的准确性和鲁棒性，从而增强模型在实际应用中的表现。

 本技术公开了基于点云三维重建的建筑设计与分析方法，属于建筑物建模技术领域。本发明通过获取房屋外部点云数据，结合房屋CAD设计图纸（CAD图像），利用采集的数据集进行训练室内场景推测网络；使用对抗生成网络（GANs）来推测并生成室内场景的多视角图，再通过这些图像生成室内点云，最后融合室内外点云，实现在不知道房屋内部场景布局的情况下，推测设计出房屋内部布局，并建立房屋模型，不仅保护了房主的隐私，还提高了设计效率和准确性。

 本技术属于船舶性能智能预报技术领域，公开了一种基于物理信息神经网络的船舶阻力预报方法及系统。该方法对船舶在静水中的直航运动进行数值模拟，获取直航运动时流域的压力场与速度场、船舶阻力信息；构建形成总数据集，建立训练集、测试集和验证集；建立融合物理知识的PINN神经网络模型；得到基于物理信息的神经网络模型；生成随机森林模型以及进行训练；利用随机森林模型对基于物理信息的神经网络模型进行双向验证，形成船舶阻力预报的网络模型。本发明有效增加了预报结果在物理层面的可靠性，加快了神经网络模型的训练效率，从而提高了预报效率。

 本技术提供一种流程工业生产系统能效评价与智能诊断方法，包括:根据工业生产中的设备特性、工序匹配及整体生产流程，确定能效评价指标，建立能量平衡方程，计算各设备、生产工序和系统的热效率、㶲效率及能耗；构建工业生产流程数据库，并进行数据预处理；基于工业生产流程数据库，采用灰色关联度分析方法定量评估各参数对热效率、㶲效率及能耗的影响，将影响力较大的参数作为关键参数；通过构建多元回归模型分析关键参数与热效率、㶲效率及能耗之间的线性关系；将关键参数进行层级划分，基于相似性分析K‑Means聚类筛选基准工况，确定并对比最佳工况与实际工况，实施智能诊断，以能耗为核心评估目标，确定最优生产方式，开展辅助决策。

本技术涉及数据监测技术领域，具体涉及一种基于传感器的粮醅混合工艺生产数据监测系统。该系统包括处理器和存储器，处理器执行存储器存储的计算机程序以实现如下步骤:根据特征子序列集合中的各个特征子序列的初始阶数值，得到特征子序列对应的预测温度数据序列，根据预测温度数据序列得到特征子序列的初始阶数值对应的误差系数；根据当前目标子序列的初始阶数值和特征子序列的初始阶数值对应的误差系数，得到当前目标子序列的目标阶数值；根据ARIMA模型、目标阶数值和当前目标子序列，得到未来时刻下的预测温度数据，根据预测温度数据得到当前监测时刻下反应室内的温度监测结果。且本发明能够使得所获取的反应室内的温度监测结果较可靠。

本技术属于异常网络流量检测技术领域，具体提供一种基于多模态数据融合的异常网络流量检测方法，包括获取网络流量不同类型的数据集，包括图像数据集、文本数据集和音频数据集；数据集的预处理，包括数据清洗、数据增强、数据转换；对不同的数据集进行编码；利用编码的结果得到损失函数；利用损失函数训练模型，通过模型检测异常网络流量。本发明利用多模态数据特征通过图分布实现语义相似的对齐，引入跨模态对比学习，使用一致性信息来学习语义特征，从而提高异常网络流量检测的准确性和效率，为网络安全管理提供有力的技术支持。