摘要：本发明公开了用于烟气二氧化碳捕集的吸收塔，涉及烟气净化技术领域，解决了煤烟中的水分在经过温度较低的管网时会在管网表面凝结成水珠，水珠中的挥发性物质快速挥发后，其残留物质会吸附在管网上，又由于管网本身的多孔结构，所以不仅会影响管网对煤烟的降温效果，还会导致管网在对煤烟进行初步降温时被水珠挥发后的残留物堵塞的问题，包括吸收塔本体，吸收塔本体的外侧固定安装有与其相互连通的对接管，对接管远离吸收塔本体的一侧安装有烟管；本发明通过安装风冷机构，鼓风机将温度较低的气体送入烟管内与煤烟换热，对煤烟的降温效果较好，能够有效对煤烟进行预冷，不会影响吸收塔内的煤烟流量。

摘要：本发明公开了一种一氧化碳脱除装置及方法，涉及碳氧化物分离领域，解决了现有的一氧化碳脱除装置使用时催化剂的催化效率相对较低，且难以利用反应的高温同步对催化剂进行还原处理的问题，包括罐体、脱除机构、还原机构、切换机构、进气管和排气管，脱除机构包括切换柱和储存罐，还原机构包括螺旋管，本发明通过储存罐内的催化剂对流经的废气中的一氧化碳进行脱除，利用催化反应中产生的高温对螺旋管内的还原气体进行加热，再将高温的还原气体输出到相对应的储存罐内进行还原处理，通过切换机构对储存罐内的催化剂进行搅拌，提升催化反应以及还原过程的效率，同时能够对切换柱内储存罐的位置进行切换。

摘要：本发明提供一种基于软件开发过程的软件度量方法、系统及电子设备，所述系统包括：数据采集模块，用于获取软件各维度的数据，作为基本度量元；预处理模块，用于将选取的部分基本度量元转换成派生度量元；软件度量模块，用于根据预设的软件度量模型对输入的所述基本度量元和所述派生度量元进行处理，获取软件质量指数、用户活性指数、团队活性指数及健康状态感知指数等。本发明从用户活性、团队活性、软件质量等维度对开源项目进行了全面、准确的刻画，生成了基于软件开发过程的软件度量模型，使用该软件度量模型，可以快速计算出开源项目的用户活性指数、团队活性指数、软件质量指数及健康状态感知指数等，帮助软件团队客观了解软件状况，及时发现问题。

摘要：本发明提供一种数据显示方法、终端设备及存储介质。该方法包括：获取当前视窗下地图的比例尺和终端显示设备的屏幕分辨率，根据地图的比例尺和屏幕分辩率确定视窗对应的经纬度范围；监听到地图中第一区域内的预定鼠标事件后，若第一区域的默认展示点不在所述视窗中，则获取鼠标事件触发位置作为数据展示点。通过该方案解决传统地图缩放时，统计数据显示不完整的问题，保障数据的显示完整性，提高用户使用体验。

摘要：本发明公开了一种能源需求量预测方法/系统、存储介质及设备，利用已有数据配置至少两种维度不同的时序输入数据，将原始时序数据切分为多个较短序列，并将时序输入数据分别输入不同的子卷积神经网络提取特征，不同子卷积网络的输出以双路甚至多路的形式并列输入长短期记忆时序神经网络，能够对原始时序数据以不同的粗细粒度进行分割，既能够细粒度的挖掘原始时序数据中的短期局部依赖特征，又能够粗粒度地获取数据的时序变化规律挖掘长期依赖特征，使得原始数据信息尽可能的被保留，能够使得能源需求量的预测结果更准确。

摘要：本发明公开了一种用于能源总需求量的预测方法/系统、存储介质及设备，利用相关系数最大化的最大化矩阵按关联程度排列用户能源使用量数据，并利用该最大化矩阵训练神经网络提取各用户能源使用量序列内部与之间的关联性等特征，能够使得构建的预测模型能更精准的预测各用户的能源总需求量。

摘要：本发明公开了一种部分域适应的故障诊断方法及装置、存储介质和终端，其中方法包括基于实训特征提取器对待检测数据进行特征提取，以获取待检测数据的多尺度特征图数据；将待检测数据的多尺度特征图数据分别输入到实训故障分类器组中的每个故障分类器中，以获取每个故障分类器输出的故障概率结果；求取所有故障概率结果中所有故障类型的概率平均值，并基于所有故障类型的概率平均值确定待检测数据的故障诊断结果。本发明方法通过对待训练数据组源域数据子集合中的待训练数据进行加权，以实现部分域空间对齐的效果；并通过多个故障分类器及故障分类器中故障胶囊层的引入，加强故障诊断的泛化性，从而提升待检测数据机械故障诊断的准确率。

摘要：本发明提供一种故障诊断模型训练方法、故障诊断方法、设备及计算机存储介质，其中，所述故障诊断模型训练方法包括：构建包括故障样本数据和故障实测数据的各训练集，基于各所述训练集，对预设的故障诊断模型进行模型训练，以获得训练后的故障诊断模型；其中，所述故障诊断模型包括特征提取子模型、故障分类子模型和域判别子模型通过；基于对该故障诊断模型不断地训练优化，使所述特征提取子模型达到提取域不变特征的目的；在实现故障诊断同时，降低因故障实测数据与故障样本数据之间的分布特征差异，所造成的对于模型性能的影响，从而提高了模型的准确性和的实际应用效果，并拓展了模型的适用范围。

摘要：本发明提供一种基于经验新鲜度提升深度强化学习收敛速度的方法及系统，包括：构建DQN网络模型并设置环境超参数，初始化当前价值网络和目标价值网络的网络参数，初始化经验回放区并设置回放计数数组和生命周期指针；基于动作选择策略进行经验积累，计算经验的时序差分误差和新鲜度优先级，并根据生命周期指针更新所述经验回放区；根据经验的采样概率从所述经验回放区中进行采样并更新所述回放计数数组，利用采样到的经验组训练当前价值网络并更新其网络内部参数，以得到最优动作。本申请一方面通过引入新鲜度折扣因子来提高新经验的优先级，另一方面通过引入生命周期指针提高经验回放区的置换效率，从而提升深度强化学习算法的收敛速度。

摘要：本发明提供一种仿真环境建模方法、系统、存储介质、电子设备，所述方法包括以下步骤：基于物理模型构建仿真环境模型；构建仿真环境模型的动作空间、状态空间；构建所述仿真环境模型的奖励函数；基于所述动作空间、所述状态空间和所述奖励函数训练所述仿真环境模型，并在训练所述仿真环境模型的过程中基于机理设计动作约束；构建所述仿真环境模型的安全性规范机制。本发明的仿真环境建模方法、系统、存储介质、电子设备能够基于深度强化学习的方式实现仿真环境建模，有效保证了系统的安全有效运行。