物体检测算法研究现状论文
论文原文：
YOLO（you only look once）是继RCNN、faster-RCNN之后，又一里程碑式的目标检测算法。yolo在保持不错的准确度的情况下，解决了当时基于深度学习的检测中的痛点---速度问题。下图是各目标检测系统的检测性能对比：
如果说faster-RCNN是真正实现了完全基于深度学习的端到端的检测，那么yolo则是更进一步，将 目标区域预测 与 目标类别判断 整合到单个神经网络模型中。各检测算法结构见下图：
每个网格要预测B个bounding box，每个bounding box除了要回归自身的位置之外，还要附带预测一个confidence值。这个confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息，其值是这样计算的：
其中如果有object落在一个grid cell里，第一项取1，否则取0。第二项是预测的bounding box和实际的groundtruth之间的IoU值。
每个bounding box要预测(x, y, w, h)和confidence共5个值，每个网格还要预测一个类别信息，记为C类。即SxS个网格，每个网格除了要预测B个bounding box外，还要预测C个categories。输出就是S x S x (5*B+C)的一个tensor。（注意：class信息是针对每个网格的，即一个网格只预测一组类别而不管里面有多少个bounding box，而confidence信息是针对每个bounding box的。）
举例说明: 在PASCAL VOC中，图像输入为448x448，取S=7，B=2，一共有20个类别(C=20)。则输出就是7x7x30的一个tensor。整个网络结构如下图所示：
在test的时候，每个网格预测的class信息和bounding box预测的confidence信息相乘，就得到每个bounding box的class-specific confidence score:
等式左边第一项就是每个网格预测的类别信息，第二三项就是每个bounding box预测的confidence。这个乘积即encode了预测的box属于某一类的概率，也有该box准确度的信息。
得到每个box的class-specific confidence score以后，设置阈值，滤掉得分低的boxes，对保留的boxes进行NMS（非极大值抑制non-maximum suppresssion）处理，就得到最终的检测结果。
1、每个grid因为预测两个bounding box有30维（30=2*5+20），这30维中，8维是回归box的坐标，2维是box的confidence，还有20维是类别。其中坐标的x,y用bounding box相对grid的offset归一化到0-1之间，w,h除以图像的width和height也归一化到0-1之间。
2、对不同大小的box预测中，相比于大box预测偏一点，小box预测偏一点肯定更不能被忍受的。而sum-square error loss中对同样的偏移loss是一样。为了缓和这个问题，作者用了一个比较取巧的办法，就是将box的width和height取平方根代替原本的height和width。这个参考下面的图很容易理解，小box的横轴值较小，发生偏移时，反应到y轴上相比大box要大。其实就是让算法对小box预测的偏移更加敏感。
3、一个网格预测多个box，希望的是每个box predictor专门负责预测某个object。具体做法就是看当前预测的box与ground truth box中哪个IoU大，就负责哪个。这种做法称作box predictor的specialization。
4、损失函数公式见下图：
在实现中，最主要的就是怎么设计损失函数，坐标（x,y,w,h），confidence，classification 让这个三个方面得到很好的平衡。简单的全部采用sum-squared error loss来做这件事会有以下不足：
解决方法：
只有当某个网格中有object的时候才对classification error进行惩罚。只有当某个box predictor对某个ground truth box负责的时候，才会对box的coordinate error进行惩罚，而对哪个ground truth box负责就看其预测值和ground truth box的IoU是不是在那个cell的所有box中最大。
作者采用ImageNet 1000-class 数据集来预训练卷积层。预训练阶段，采用网络中的前20卷积层，外加average-pooling层和全连接层。模型训练了一周，获得了top-5 accuracy为（ImageNet2012 validation set），与GoogleNet模型准确率相当。
然后，将模型转换为检测模型。作者向预训练模型中加入了4个卷积层和两层全连接层，提高了模型输入分辨率（224×224->448×448）。顶层预测类别概率和bounding box协调值。bounding box的宽和高通过输入图像宽和高归一化到0-1区间。顶层采用linear activation，其它层使用 leaky rectified linear。
作者采用sum-squared error为目标函数来优化，增加bounding box loss权重，减少置信度权重，实验中，设定为\lambda _{coord} =5 and\lambda _{noobj}= 。
作者在PASCAL VOC2007和PASCAL VOC2012数据集上进行了训练和测试。训练135轮，batch size为64，动量为，学习速率延迟为。Learning schedule为：第一轮，学习速率从缓慢增加到（因为如果初始为高学习速率，会导致模型发散）；保持速率到75轮；然后在后30轮中，下降到；最后30轮，学习速率为。
作者还采用了dropout和 data augmentation来预防过拟合。dropout值为；data augmentation包括：random scaling，translation，adjust exposure和saturation。
YOLO模型相对于之前的物体检测方法有多个优点：
1、 YOLO检测物体非常快
因为没有复杂的检测流程，只需要将图像输入到神经网络就可以得到检测结果，YOLO可以非常快的完成物体检测任务。标准版本的YOLO在Titan X 的 GPU 上能达到45 FPS。更快的Fast YOLO检测速度可以达到155 FPS。而且，YOLO的mAP是之前其他实时物体检测系统的两倍以上。
2、 YOLO可以很好的避免背景错误，产生false positives
不像其他物体检测系统使用了滑窗或region proposal，分类器只能得到图像的局部信息。YOLO在训练和测试时都能够看到一整张图像的信息，因此YOLO在检测物体时能很好的利用上下文信息，从而不容易在背景上预测出错误的物体信息。和Fast-R-CNN相比，YOLO的背景错误不到Fast-R-CNN的一半。
3、 YOLO可以学到物体的泛化特征
当YOLO在自然图像上做训练，在艺术作品上做测试时，YOLO表现的性能比DPM、R-CNN等之前的物体检测系统要好很多。因为YOLO可以学习到高度泛化的特征，从而迁移到其他领域。
尽管YOLO有这些优点，它也有一些缺点：
1、YOLO的物体检测精度低于其他state-of-the-art的物体检测系统。
2、YOLO容易产生物体的定位错误。
3、YOLO对小物体的检测效果不好（尤其是密集的小物体，因为一个栅格只能预测2个物体）。
论文名称：Rich feature hierarchies for accurate object detection and semantic segmentation 提出时间：2014年 论文地址： 针对问题： 从Alexnet提出后，作者等人思考如何利用卷积网络来完成检测任务，即输入一张图，实现图上目标的定位（目标在哪）和分类（目标是什么）两个目标，并最终完成了RCNN网络模型。 创新点： RCNN提出时，检测网络的执行思路还是脱胎于分类网络。也就是深度学习部分仅完成输入图像块的分类工作。那么对检测任务来说如何完成目标的定位呢，作者采用的是Selective Search候选区域提取算法，来获得当前输入图上可能包含目标的不同图像块，再将图像块裁剪到固定的尺寸输入CNN网络来进行当前图像块类别的判断。 参考博客： 。 论文题目：OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks 提出时间：2014年 论文地址： 针对问题： 该论文讨论了，CNN提取到的特征能够同时用于定位和分类两个任务。也就是在CNN提取到特征以后，在网络后端组织两组卷积或全连接层，一组用于实现定位，输出当前图像上目标的最小外接矩形框坐标，一组用于分类，输出当前图像上目标的类别信息。也是以此为起点，检测网络出现基础主干网络(backbone)+分类头或回归头（定位头）的网络设计模式雏形。 创新点： 在这篇论文中还有两个比较有意思的点，一是作者认为全连接层其实质实现的操作和1x1的卷积是类似的，而且用1x1的卷积核还可以避免FC对输入特征尺寸的限制，那用1x1卷积来替换FC层，是否可行呢？作者在测试时通过将全连接层替换为1x1卷积核证明是可行的；二是提出了offset max-pooling，也就是对池化层输入特征不能整除的情况，通过进行滑动池化并将不同的池化层传递给后续网络层来提高效果。另外作者在论文里提到他的用法是先基于主干网络+分类头训练，然后切换分类头为回归头，再训练回归头的参数，最终完成整个网络的训练。图像的输入作者采用的是直接在输入图上利用卷积核划窗。然后在指定的每个网络层上回归目标的尺度和空间位置。 参考博客： 论文题目：Scalable Object Detection using Deep Neural Networks 提出时间：2014年 论文地址： 针对问题： 既然CNN网络提取的特征可以直接用于检测任务（定位+分类），作者就尝试将目标框（可能包含目标的最小外包矩形框）提取任务放到CNN中进行。也就是直接通过网络完成输入图像上目标的定位工作。 创新点： 本文作者通过将物体检测问题定义为输出多个bounding box的回归问题. 同时每个bounding box会输出关于是否包含目标物体的置信度, 使得模型更加紧凑和高效。先通过聚类获得图像中可能有目标的位置聚类中心，（800个anchor box）然后学习预测不考虑目标类别的二分类网络，背景or前景。用到了多尺度下的检测。 参考博客： 论文题目：DeepBox: Learning Objectness with Convolutional Networks 提出时间：2015年ICCV 论文地址： 主要针对的问题： 本文完成的工作与第三篇类似，都是对目标框提取算法的优化方案，区别是本文首先采用自底而上的方案来提取图像上的疑似目标框，然后再利用CNN网络提取特征对目标框进行是否为前景区域的排序；而第三篇为直接利用CNN网络来回归图像上可能的目标位置。创新点： 本文作者想通过CNN学习输入图像的特征，从而实现对输入网络目标框是否为真实目标的情况进行计算，量化每个输入框的包含目标的可能性值。 参考博客： 论文题目：AttentionNet: AggregatingWeak Directions for Accurate Object Detection 提出时间：2015年ICCV 论文地址： 主要针对的问题： 对检测网络的实现方案进行思考，之前的执行策略是，先确定输入图像中可能包含目标位置的矩形框，再对每个矩形框进行分类和回归从而确定目标的准确位置，参考RCNN。那么能否直接利用回归的思路从图像的四个角点，逐渐得到目标的最小外接矩形框和类别呢？ 创新点： 通过从图像的四个角点，逐步迭代的方式，每次计算一个缩小的方向，并缩小指定的距离来使得逐渐逼近目标。作者还提出了针对多目标情况的处理方式。 参考博客： 论文题目：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 提出时间：2014年 论文地址： 针对问题： 如RCNN会将输入的目标图像块处理到同一尺寸再输入进CNN网络，在处理过程中就造成了图像块信息的损失。在实际的场景中，输入网络的目标尺寸很难统一，而网络最后的全连接层又要求输入的特征信息为统一维度的向量。作者就尝试进行不同尺寸CNN网络提取到的特征维度进行统一。创新点： 作者提出的SPPnet中，通过使用特征金字塔池化来使得最后的卷积层输出结果可以统一到全连接层需要的尺寸，在训练的时候，池化的操作还是通过滑动窗口完成的，池化的核宽高及步长通过当前层的特征图的宽高计算得到。原论文中的特征金字塔池化操作图示如下。 参考博客 ： 论文题目：Object detection via a multi-region & semantic segmentation-aware CNN model 提出时间：2015年 论文地址： 针对问题： 既然第三篇论文multibox算法提出了可以用CNN来实现输入图像中待检测目标的定位，本文作者就尝试增加一些训练时的方法技巧来提高CNN网络最终的定位精度。创新点： 作者通过对输入网络的region进行一定的处理（通过数据增强，使得网络利用目标周围的上下文信息得到更精准的目标框）来增加网络对目标回归框的精度。具体的处理方式包括：扩大输入目标的标签包围框、取输入目标的标签中包围框的一部分等并对不同区域分别回归位置，使得网络对目标的边界更加敏感。这种操作丰富了输入目标的多样性，从而提高了回归框的精度。 参考博客 ： 论文题目：Fast-RCNN 提出时间：2015年 论文地址： 针对问题： RCNN中的CNN每输入一个图像块就要执行一次前向计算，这显然是非常耗时的，那么如何优化这部分呢？ 创新点： 作者参考了SPPNet（第六篇论文），在网络中实现了ROIpooling来使得输入的图像块不用裁剪到统一尺寸，从而避免了输入的信息丢失。其次是将整张图输入网络得到特征图，再将原图上用Selective Search算法得到的目标框映射到特征图上，避免了特征的重复提取。 参考博客 ： 论文题目：DeepProposal: Hunting Objects by Cascading Deep Convolutional Layers 提出时间：2015年 论文地址： 主要针对的问题： 本文的作者观察到CNN可以提取到很棒的对输入图像进行表征的论文，作者尝试通过实验来对CNN网络不同层所产生的特征的作用和情况进行讨论和解析。 创新点： 作者在不同的激活层上以滑动窗口的方式生成了假设，并表明最终的卷积层可以以较高的查全率找到感兴趣的对象，但是由于特征图的粗糙性，定位性很差。相反，网络的第一层可以更好地定位感兴趣的对象，但召回率降低。 论文题目：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 提出时间：2015年NIPS 论文地址： 主要针对的问题： 由multibox（第三篇）和DeepBox（第四篇）等论文，我们知道，用CNN可以生成目标待检测框，并判定当前框为目标的概率，那能否将该模型整合到目标检测的模型中，从而实现真正输入端为图像，输出为最终检测结果的，全部依赖CNN完成的检测系统呢？ 创新点： 将当前输入图目标框提取整合到了检测网络中，依赖一个小的目标框提取网络RPN来替代Selective Search算法，从而实现真正的端到端检测算法。 参考博客 ：
新冠抗体检测研究现状论文
一项来自冰岛的新研究表明，对新冠的免疫力可能不如最初想像的那么短暂。研究发现，在30,000名接受新冠抗体检测的冰岛居民中，这些抗体在人的系统中维持了至少四个月。
在新型冠状病毒检测呈阳性的人中，有487人接受了多种抗体检测。在诊断出患者后的头两个月，可以发现抗体显著上升。《新英格兰医学期刊》（NEJM）上发表的研究，在接下来的两个月中，抗体将保持稳定。
哈佛大学和美国国立卫生研究院的科学家指出，尽管冰岛的研究在很大程度上是同质的人群，但这项研究提供了希望，表明对这种不可预测的病毒，人体免疫可能不会转瞬即逝，可能与大多数其他病毒感染引起的相似。
冠状病毒抗体的早期研究表明，免疫力的存在时期十分短暂，从而使人们容易受到再次感染。但是，冰岛的这项研究提供了希望：未来，能够触发强烈免疫反应的疫苗，将比目前看到的自然免疫还要长久。
有趣的是，冰岛研究人员还发现，女性、不抽烟者和年龄较大的患者，以及那些感染较严重的人，其抗体更高。
北京清华大学医学院、万科公共卫生与健康学院教授张林琦点评，是什么原因导致这些新结果与早期报导结果的不同，是下一步研究的重点和难点。
可以推测，原因是多方面的：也许是感染的病毒株不同，也许是感染群体的免疫反应不同，也许是人群基因多样性不同，还可能是评估的方法和敏感度不同等等。
张林琦表示，无论如何，我们需要认识到，在新冠抗体研究方面，整个领域仍然处于早期阶段，离全面客观认识抗体反应的全貌还有不小的距离。例如，我们对于感染者抗体反应和疾病状态的相关性还没有明确的研究结果。而该讯息不仅可以提高我们对抗体反应在保护性方面的认识（例如多少滴度的抗体能够起到保护作用），而且对我们评估初次和二次感染的可能性，乃至评估疫苗设计和效果，都能起到极其重要的作用。
全球首富马斯克成了一篇新冠抗体研究论文的作者，论文还发在了《自然通讯》杂志上。 据悉，这篇关于新冠疫情的研究论文是马斯克与自己公司的研究团队共同完成，为了完成这项研究，他不惜豁出四千多名员工参与新冠研究。消息一出便引发外界的质疑和关注，大家纷纷猜测他这样做的原因。马斯克做出这样的决定是出于啥考虑？下面来具体分析一下：
一、马斯克此举的原因很大程度上是为了更好的认识新冠病毒。有一种可能性，那就是康复者的特定抗体水平没有达到保护阈值。要验证这一想法，就需要跟踪新冠患者和他们之后再次接触病毒后的状况。来自麻省理工学院和哈佛大学等机构的研究人员，对4300人进行了为期数月的跟踪，发现了有300人感染了新冠。研究人员选取了感染者中120人的数据，更深入地研究他们的感染情况和随后的抗体水平。其中有73人（61%）未产生任何感染症状，有症状和无症状的患者体内都有高度特异性的新冠病毒抗体，这些患者产生的抗体滴度在1ng/ml至11μg/ml之间。在产生抗体的患者中，有48名接受了至少一项额外的随访测试，其中有44名（％）保持血清抗体阳性，而4名康复者失去了抗体反应。而且在多个时间点上观察到的曲线表明，抗体滴度均匀衰变的证据有限。
二、回到最初的问题，马斯克一个世界首富，怎么就成了新冠论文作者了呢？其实，这篇文章不仅有马斯克，还有SpaceX公司的医疗主管Anil Menon。而贡献最大的，是没有登上姓名的来自SpaceX的4300名员工。原来，马斯克最大的“贡献”是为研究提供了4300名“打工人”，当然他们都是自愿的，论文也是符合医学伦理的。lter博士表示，马斯克对这项研究颇有兴趣，她还向SpaceX高管介绍了抗体和疫苗的工作原理。去年4月SpaceX与哈佛大学传染病专家Eric Nilles取得了联系。为了监测员工新冠病毒的感染率，SpaceX公司和麻省理工、哈佛的研究人员合作，对4300多名员工每个月进行一次抗体检测。SpaceX的医疗主管Anil Menon为此制定了一个测试程序：招募来自不同州的员工，让他们从4月开始每月进行血液检查。
三、马斯克之所以研究新冠，更是为了自己公司员工的生命健康安全。而在去年5月，SpaceX在佛罗里达州成功用龙飞船将两名宇航员送入空间站，真是让人捏了一把冷汗。至于当时佛罗里达州员工的状况，研究人员没有透露。不过反对归反对，政策还是要遵守的，马斯克还是对SpaceX和特斯拉下达了停工令。最终，在4300名经过多次测试的SpaceX员工中，有300名感染了新冠。而马斯克自己去年11月也在新冠测试中呈阳性。
如果说接种疫苗之后就不需要做。但是如果没有接种过疫苗的，建议去做一做。接种疫苗后绝大多数人都能产生抗体，从目前疫苗临床研究结果也可以看到，接种以后97%以上都能产生中和抗体，这是在临床试验条件下用标准的中和抗体检测的。但是所有的疫苗都不可能是百分之百产生抗体，因为这主要跟个体差异有关。对于群体接种，其实我们并不推荐，也没有必要对每一个接种者常规开展抗体检测。如果因为各种各样的原因做了抗体的测试，还要看采用的是什么方法来检测的，因为现在市售的试剂、检测机构提供的各种检测方法的敏感性、准确性差异非常大。现在最通用的评价疫苗保护效果主要还是要靠中和抗体检测，而具有这样检测条件的实验室是非常有限的，主要是需要在生物安全P3级实验室里面检测。中国疾病预防控制中心副主任、研究员冯子健表示：我的主要建议是，其实没有必要做接种后的检测，世界卫生组织给出的建议实际上也是如此。当然，对有一些特殊的高暴露职业人群，因特殊的防护需要，可能会对其接种后是否产生有效抗体进行检测，但是只是极少数人群有这样的需要。
扩展资料接种新冠病毒疫苗后可能出现的不良反应常见的不良反应主要包括以下几方面：接种部位局部疼痛、红晕或者硬块，全身乏力、发热、头痛，另外还有一些人有咳嗽、食欲不振、呕吐、腹泻等常见的不良反应。接种对象完成接种后，应在现场留观30分钟方可离开。回家后如出现不良反应相关症状，应及时报告接种单位工作人员，必要时及时就医。
回答这个问题之前，我们先来说说什么叫做新冠抗体检查。
新冠病毒抗体检测是检测新冠病毒进入人体后，会产生的一种保护性的免疫球蛋白。
目前，多地开展新冠抗体检测，每次收费35元。很多人对这种检测持有怀疑态度，并且担心，会不会像查核酸一样被迫检测？
其实，抗体检测不属于强制行为，如果有人想了解一下体内的抗体水平，可以进行自费检测。但对于部分人群，专家建议进行检测更好。
新冠感染之后，体内会产生针对新冠病毒的特异性抗体，这种抗体水平的高低，对于预防新冠的再次感染起到重要的作用。比如咱们春节前大范围的感染，大家都获得了这种抗体，因此，春节期间，很少再有感染的情况。这种抗体的获得属于被动免疫icon，也就是不情愿地被感染产生了抗体。
另外，接种新冠疫苗同样是为了产生抗体，来预防新冠的感染。这种抗体的产生属于主动免疫。也就是在没有感染的情况下，先注射疫苗，让体内产生对抗新冠感染的能力。
新冠抗体在体内的存留时间较短，根据目前研究资料显示，无论是新冠感染还是接种疫苗获得的抗体，在体内存留的时间只有3-6个月左右。随着时间的延长，抗体水平衰减明显。也就是说，咱们检测出来的抗体水平各不相同，如果感染或者接种疫苗较早，体内存在的抗体就会较低，就更容易发生感染。
还有一点需要注意，这种抗体具有针对性，通俗地讲就是“一个萝卜一个坑”，针对原始毒株的抗体对现在的奥密克戎效果就很差，现在体内的抗体也很难对抗未来可能出现的变异毒株，对奥密克戎XBB和等效果也很有限。因为，新的突变毒株具有超强的免疫逃逸性。
因此，得出结论，即使检查现有的抗体水平再高，对于预防未来变异毒株的感染，很难收到应有的效果。检测意义并不是很大。
何况，现在检测的抗体滴度，并不代表将来一定存在，随着时间的延长，这种衰减会越来越快。
如果非要检测，建议以下人群可以检测：
短视频算法研究现状论文
百度，夸克，知乎，知网等。短视频传播了物质至上的理念。截至2020年12月，中国短视频用户规模为亿，较2020年3月增长亿，占网民整体的。
影响短视频行业发展的宏观因素有很多，这些因素共同构成了短视频行业的发展环境。大致来看，对短视频行业发展环境进行分析主要应该着眼于以下几个层面。（1）文化环境：主要应该侧重于分析短视频对传统文化、大众文化、流行文化、亚文化等方面的影响，例如短视频弘扬社会正能量；同时也需认真研究当前主流文化和主流价值观对短视频内容所持的基本态度，例如低俗短视频导致人们对短视频行业形成偏见。（2）经济环境：主要考察社会的生产力、居民收入水平和人均消费水平等具体经济指标，面向特定城市或特定用户群体的短视频产品还应该具体分析其经济环境中与短视频消费相关的因素，例如美妆短视频带货与大学生群体的消费能力。（3）技术环境：分析当前及未来影像短视频行业发展的技术因素，例如短视频平台提供的视频剪辑功能在技术上解决了普通用户的制作难题，又如5G通信技术的普及将推动视频内容超高清化。课堂讨论请读者回忆互联网诞生以来，技术的发展经历了那些阶段？（4）人才环境：考察整个社会及本地区短视频人才的供给状况和收入状况，着重分析创意人才、制作人才和运营人才等群体，了解短视频人才创业的基本状况。完成了对短视频行业发展环境的调研分析之后，就能够清楚地掌握大到全球或全国、小到本地域或本领域的短视频行业宏观发展状况，能够为自身的短视频垂直领域选择和产品基本定位提供决策参考。
网络短视频用户规模持续增长，用户粘性增加
短视频时长短、内容集中、表现力强，契合了碎片化的观看习惯，深入渗透至大众日常生活。同时，短视频满足了个性化、视频化的表达意愿和分享需求，越来越多的用户群体拍摄/上传短视频。
近年来，我国短视频用户规模快速增长，由2016年的亿人增长至2020年的亿人，网民使用率也由2016年的26%增长至2020年的。
与此同时，用户使用短视频的时长也在不断增加。2020年我国短视频用户月度人均使用时长达小时，相比2018年将近翻番，短视频用户粘性持续提升。
短视频在中老年用户和低线城市进一步渗透
此外，短视频平台也在加速挖掘中老年用户和低线城市下沉市场，这两大人群用户规模不断扩大。40岁及以上用户占比由2019年的增长至2020年的，三线城市用户占比也由2019年的增长至2020年的。
注：内圈为2019年数据，外圈为2020年数据。
短视频平台收入来源更加多元化
此外，过去短视频平台的营收主要以直播互动打赏为主，但是近年来短视频平台也逐渐上线直播带货功能，目前直播带货已经成为了短视频平台的普遍功能。与此同时，越来越多的品牌方在短视频进行营销宣传，广告在短视频的营收比重不断提升。
据统计，头部平台电商导流营收占比由2019年的增长至2020年的;广告营收占比也由2019年的增长至2020年的。
注：内圈为2019年数据，外圈为2020年数据。
短视频市场规模突破1500亿元
伴随着短视频平台用户规模地不断增长，商业模式地进一步挖掘及探索，我国网络短视频市场规模近年来快速增长，2020年我国短视频市场规模已经突破1500亿元。
—— 以上数据参考前瞻产业研究院《中国短视频行业市场前景预测与投资战略规划分析报告》
短视频国内外研究现状-mv国内外研究现状短视频国内外研究现状短视频应用最早产生于2011年，出现在美国。中国在2013年先后推出了微视、秒拍美拍、抖音、快手、二更、火山小视频等短视频应用。由于短视频进入国内的时间并不长，所以笔者以“短视频”为关键词在读秀上检索时发现，国内目前并没有短视频相关的学术论著，有关短视频的书籍多是跟网红、制作、流量变现、自媒体等有关，缺乏学术价值。学术论文方面，笔者在中国知网 CSSCI（中国社会科学引文索引）数据库以“短视频”进行主题检索，截止2018年9月30日，共检索到909条结果，数据分别为：2011年：1条，2012年：1条，2013年：4条，2014年：25条，2015年：27条，2016年：95条，2017年：285条，2018年：471条。从数据结果来看，从2014年开始，相关文献越来越多，且呈逐年递增的趋势，到了2018年达到最高，这与近两年短视频应用的快速发展有着直接关系，相信随着短视频应用越来越火爆，有关短视频的研究也会更多，成为未来研究的热点。国外最早对短视频进行研究的是Gibbs和Colin，他们在文章《Short-form may be long-tail for mobile video》对短视频应用进行了介绍，并预言移动短视频应用势必成为媒体市场必争之地。（1）此外，笔者在百度学术以“short Video”进行外文主题搜索时，一共搜到171000条信息，其中多集中于光学工程、信息与通信工程、临床医学、教育学方面，有关新闻与传播方面的资料非常少。仅有的一些文章也多从短视频应用出发，进行个案研究，如Luck Chitwood的《Social video success for brands on Vine and Instagram：your 6-to-15 seconds of fame》，作者通过对Vine and Instagram这两大短视频应用进行研究从而探讨短视频应用的价值。（2）短视频国内外研究现状-mv国内外研究现状短视频国内外研究现状短视频应用最早产生于2011年，出现在美国。中国在2013年先后推出了微视、秒拍美拍、抖音、快手、二更、火山小视频等短视频应用。由于短视频进入国内的时间并不长，所以笔者以“短视频”为关键词在读秀上检索时发现，国内目前并没有短视频相关的学术论著，有关短视频的书籍多是跟网红、制作、流量变现、自媒体等有关，缺乏学术价值
论文人脸识别算法研究现状
人脸识别技术研究的困难
人脸识别技术拥有多种优势让其得到人们青睐，但其研发过程中存在的难度也是不容人们忽视的。
人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一，人脸识别的困难主要是人脸作为生物特征的特点所带来的。
首先是人类脸部存在相似性，不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。
这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。
其次是个人人脸存在易变性，人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。
在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。
通常称第一类变化为类间变化（inter-classdifference），而称第二类变化为类内变化（intra-classdifference）。
对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。
人脸识别是一个被广泛研究着的热门问题，大量的研究论文层出不穷，在一定程度上有泛滥成“灾”之嫌。
为了更好地对人脸识别研究的历史和现状进行介绍，本文将AFR的研究历史按照研究内容、技术方法等方面的特点大体划分为三个时间阶段，如表1所示。
该表格概括了人脸识别研究的发展简史及其每个历史阶段代表性的研究工作及其技术特点。
下面对三个阶段的研究进展情况作简单介绍：
第一阶段(1964年~1990年)
这一阶段人脸识别通常只是作为一个一般性的模式识别问题来研究，所采用的主要技术方案是基于人脸几何结构特征(Geometricfeature based)的方法。
这集中体现在人们对于剪影(Profile)的研究上，人们对面部剪影曲线的结构特征提取与分析方面进行了大量研究。
人工神经网络也一度曾经被研究人员用于人脸识别问题中。
较早从事AFR研究的研究人员除了布莱索(Bledsoe)外还有戈登斯泰因(Goldstein)、哈蒙(Harmon)以及金出武雄(Kanade Takeo)等。
金出武雄于1973年在京都大学完成了第一篇AFR方面的博士论文，直到现在，作为卡内基-梅隆大学(CMU)机器人研究院的一名教授，仍然是人脸识别领域的活跃人物之一。
他所在的研究组也是人脸识别领域的一支重要力量。
总体而言，这一阶段是人脸识别研究的初级阶段，非常重要的成果不是很多，也基本没有获得实际应用。
第二阶段(1991年~1997年)
这一阶段尽管时间相对短暂，但却是人脸识别研究的 *** 期，可谓硕果累累：不但诞生了若干代表性的人脸识别算法，美国军方还组织了著名的FERET人脸识别算法测试，并出现了若干商业化运作的人脸识别系统，比如最为著名的Visionics(现为Identix)的FaceIt系统。
美国麻省理工学院(MIT)媒体实验室的特克(Turk)和潘特兰德(Pentland)提出的“特征脸”方法无疑是这一时期内最负盛名的人脸识别方法。
其后的很多人脸识别技术都或多或少与特征脸有关系，现在特征脸已经与归一化的协相关量(NormalizedCorrelation)方法一道成为人脸识别的性能测试基准算法。
这一时期的另一个重要工作是麻省理工学院人工智能实验室的布鲁内里(Brunelli)和波基奥(Poggio)于1992年左右做的一个对比实验，他们对比了基于结构特征的方法与基于模板匹配的方法的识别性能，并给出了一个比较确定的结论：模板匹配的方法优于基于特征的方法。
这一导向性的结论与特征脸共同作用，基本中止了纯粹的基于结构特征的人脸识别方法研究，并在很大程度上促进了基于表观(Appearance-based)的线性子空间建模和基于统计模式识别技术的人脸识别方法的发展，使其逐渐成为主流的人脸识别技术。
贝尔胡米尔(Belhumeur)等提出的Fisherface人脸识别方法是这一时期的另一重要成果。
该方法首先采用主成分分析(Principalponent Analysis，PCA，亦即特征脸)对图像表观特征进行降维。
在此基础上，采用线性判别分析(LinearDiscriminant Analysis, LDA)的方法变换降维后的主成分以期获得“尽量大的类间散度和尽量小的类内散度”。
该方法目前仍然是主流的人脸识别方法之一，产生了很多不同的变种，比如零空间法、子空间判别模型、增强判别模型、直接的LDA判别方法以及近期的一些基于核学习的改进策略。
麻省理工学院的马哈丹(Moghaddam)则在特征脸的基础上，提出了基于双子空间进行贝叶斯概率估计的人脸识别方法。
该方法通过“作差法”，将两幅人脸图像对的相似度计算问题转换为一个两类(类内差和类间差)分类问题，类内差和类间差数据都要首先通过主成分分析(PCA)技术进行降维，计算两个类别的类条件概率密度，最后通过贝叶斯决策(最大似然或者最大后验概率)的方法来进行人脸识别。
人脸识别中的另一种重要方法——弹性图匹配技术(Elastic GraphMatching，EGM) 也是在这一阶段提出的。
其基本思想是用一个属性图来描述人脸：属性图的顶点代表面部关键特征点，其属性为相应特征点处的多分辨率、多方向局部特征——Gabor变换[12]特征，称为Jet;边的属性则为不同特征点之间的几何关系。
对任意输入人脸图像，弹性图匹配通过一种优化搜索策略来定位预先定义的若干面部关键特征点，同时提取它们的Jet特征，得到输入图像的属性图。
最后通过计算其与已知人脸属性图的相似度来完成识别过程。
该方法的优点是既保留了面部的全局结构特征，也对人脸的关键局部特征进行了建模。
近来还出现了一些对该方法的扩展。
局部特征分析技术是由洛克菲勒大学(RockefellerUniversity)的艾提克(Atick)等人提出的。
LFA在本质上是一种基于统计的低维对象描述方法，与只能提取全局特征而且不能保留局部拓扑结构的PCA相比，LFA在全局PCA描述的基础上提取的特征是局部的，并能够同时保留全局拓扑信息，从而具有更佳的描述和判别能力。
LFA技术已商业化为著名的FaceIt系统，因此后期没有发表新的学术进展。
由美国国防部反毒品技术发展计划办公室资助的FERET项目无疑是该阶段内的一个至关重要的事件。
FERET项目的目标是要开发能够为安全、情报和执法部门使用的AFR技术。
该项目包括三部分内容：资助若干项人脸识别研究、创建FERET人脸图像数据库、组织FERET人脸识别性能评测。
该项目分别于1994年，1995年和1996年组织了3次人脸识别评测，几种最知名的人脸识别算法都参加了测试，极大地促进了这些算法的改进和实用化。
该测试的另一个重要贡献是给出了人脸识别的进一步发展方向：光照、姿态等非理想采集条件下的人脸识别问题逐渐成为热点的研究方向。
柔性模型(Flexible Models)——包括主动形状模型(ASM)和主动表观模型(AAM)是这一时期内在人脸建模方面的一个重要贡献。
ASM/AAM将人脸描述为2D形状和纹理两个分离的部分，分别用统计的方法进行建模(PCA)，然后再进一步通过PCA将二者融合起来对人脸进行统计建模。
柔性模型具有良好的人脸合成能力，可以采用基于合成的图像分析技术来对人脸图像进行特征提取与建模。
柔性模型目前已被广泛用于人脸特征对准(FaceAlignment)和识别中，并出现了很多的改进模型。
总体而言，这一阶段的人脸识别技术发展非常迅速，所提出的算法在较理想图像采集条件、对象配合、中小规模正面人脸数据库上达到了非常好的性能，也因此出现了若干知名的人脸识别商业公司。
从技术方案上看， 2D人脸图像线性子空间判别分析、统计表观模型、统计模式识别方法是这一阶段内的主流技术。
第三阶段(1998年~现在)
FERET’96人脸识别算法评估表明：主流的人脸识别技术对光照、姿态等由于非理想采集条件或者对象不配合造成的变化鲁棒性比较差。
因此，光照、姿态问题逐渐成为研究热点。
与此同时，人脸识别的商业系统进一步发展。
为此，美国军方在FERET测试的基础上分别于2000年和2002年组织了两次商业系统评测。
基奥盖蒂斯(Gehiades)等人提出的基于光照锥 (Illumination Cones) 模型的多姿态、多光照条件人脸识别方法是这一时期的重要成果之一，他们证明了一个重要结论：同一人脸在同一视角、不同光照条件下的所有图像在图像空间中形成一个凸锥——即光照锥。
为了能够从少量未知光照条件的人脸图像中计算光照锥，他们还对传统的光度立体视觉方法进行了扩展，能够在朗博模型、凸表面和远点光源假设条件下，根据未知光照条件的7幅同一视点图像恢复物体的3D形状和表面点的表面反射系数(传统光度立体视觉能够根据给定的3幅已知光照条件的图像恢复物体表面的法向量方向)，从而可以容易地合成该视角下任意光照条件的图像，完成光照锥的计算。
识别则通过计算输入图像到每个光照锥的距离来完成。
以支持向量机为代表的统计学习理论也在这一时期内被应用到了人脸识别与确认中来。
支持向量机是一个两类分类器，而人脸识别则是一个多类问题。
通常有三种策略解决这个问题，即：类内差/类间差法、一对多法(one-to-rest)和一对一法(one-to-one)。
布兰兹(Blanz)和维特(Vetter)等提出的基于3D变形(3D Morphable Model)模型的多姿态、多光照条件人脸图像分析与识别方法是这一阶段内一项开创性的工作。
该方法在本质上属于基于合成的分析技术，其主要贡献在于它在3D形状和纹理统计变形模型(类似于2D时候的AAM)的基础上，同时还采用图形学模拟的方法对图像采集过程的透视投影和光照模型参数进行建模，从而可以使得人脸形状和纹理等人脸内部属性与摄像机配置、光照情况等外部参数完全分开，更加有利于人脸图像的分析与识别。
Blanz的实验表明，该方法在CMU-PIE(多姿态、光照和表情)人脸库和FERET多姿态人脸库上都达到了相当高的识别率，证明了该方法的有效性。
2001年的国际计算机视觉大会(ICCV)上，康柏研究院的研究员维奥拉(Viola)和琼斯(Jones)展示了他们的一个基于简单矩形特征和AdaBoost的实时人脸检测系统，在CIF格式上检测准正面人脸的速度达到了每秒15帧以上。
该方法的主要贡献包括：1)用可以快速计算的简单矩形特征作为人脸图像特征;2)基于AdaBoost将大量弱分类器进行组合形成强分类器的学习方法;3)采用了级联(Cascade)技术提高检测速度。
目前，基于这种人脸/非人脸学习的策略已经能够实现准实时的多姿态人脸检测与跟踪。
这为后端的人脸识别提供了良好的基础。
沙苏哈(Shashua)等于2001年提出了一种基于商图像[13]的人脸图像识别与绘制技术。
该技术是一种基于特定对象类图像集合学习的绘制技术，能够根据训练集合中的少量不同光照的图像，合成任意输入人脸图像在各种光照条件下的合成图像。
基于此，沙苏哈等还给出了对各种光照条件不变的人脸签名(Signature)图像的定义，可以用于光照不变的人脸识别，实验表明了其有效性。
巴斯里(Basri)和雅各布(Jacobs)则利用球面谐波(Spherical Harmonics)表示光照、用卷积过程描述朗博反射的方法解析地证明了一个重要的结论：由任意远点光源获得的所有朗博反射函数的集合形成一个线性子空间。
这意味着一个凸的朗博表面物体在各种光照条件下的图像集合可以用一个低维的线性子空间来近似。
这不仅与先前的光照统计建模方法的经验实验结果相吻合，更进一步从理论上促进了线性子空间对象识别方法的发展。
而且，这使得用凸优化方法来强制光照函数非负成为可能，为光照问题的解决提供了重要思路。
FERET项目之后，涌现了若干人脸识别商业系统。
美国国防部有关部门进一步组织了针对人脸识别商业系统的评测FRVT，至今已经举办了两次：FRVT2000和FRVT2002。
这两次测试一方面对知名的人脸识别系统进行了性能比较，例如FRVT2002测试就表明Cognitec, Identix和Eyematic三个商业产品遥遥领先于其他系统，而它们之间的差别不大。
另一方面则全面总结了人脸识别技术发展的现状：较理想条件下(正面签证照)，针对37437人121,589 幅图像的人脸识别(Identification)最高首选识别率为73%，人脸验证(Verification)的等错误率(EER[14])大约为6%。
FRVT测试的另一个重要贡献是还进一步指出了目前的人脸识别算法亟待解决的若干问题。
例如，FRVT2002测试就表明：目前的人脸识别商业系统的性能仍然对于室内外光照变化、姿态、时间跨度等变化条件非常敏感，大规模人脸库上的有效识别问题也很严重，这些问题都仍然需要进一步的努力。
总体而言，目前非理想成像条件下(尤其是光照和姿态)、对象不配合、大规模人脸数据库上的人脸识别问题逐渐成为研究的热点问题。
而非线性建模方法、统计学习理论、基于Boosting[15]的学习技术、基于3D模型的人脸建模与识别方法等逐渐成为备受重视的技术发展趋势。
总而言之， 人脸识别是一项既有科学研究价值，又有广泛应用前景的研究课题。
国际上大量研究人员几十年的研究取得了丰硕的研究成果，自动人脸识别技术已经在某些限定条件下得到了成功应用。
这些成果更加深了我们对于自动人脸识别这个问题的理解，尤其是对其挑战性的认识。
尽管在海量人脸数据比对速度甚至精度方面，现有的自动人脸识别系统可能已经超过了人类，但对于复杂变化条件下的一般人脸识别问题，自动人脸识别系统的鲁棒性和准确度还远不及人类。
这种差距产生的本质原因现在还不得而知，毕竟我们对于人类自身的视觉系统的认识还十分肤浅。
但从模式识别和计算机视觉等学科的角度判断，这既可能意味着我们尚未找到对面部信息进行合理采样的有效传感器(考虑单目摄像机与人类双眼系统的差别)，更可能意味着我们采用了不合适的人脸建模方法(人脸的内部表示问题)，还有可能意味着我们并没有认识到自动人脸识别技术所能够达到的极限精度。
但无论如何，赋予计算设备与人类似的人脸识别能力是众多该领域研究人员的梦想。
相信随着研究的继续深入，我们的认识应该能够更加准确地逼近这些问题的正确答案。
数值计算方法研究现状论文
这里是一个很好的计算机，他可以给你导出什么论文都可以给你导出来，导读计算好的
基于创新人才培养模式的数值计算教学研究与实践 论文 关键词： 数值计算 问题教学 实验教学 论文摘要： 从推动教改研究和我校培养创新人才模式出发,数值计算教学尝试以“问题教学”为主线,以理论与Matlab实验教学相结合,通过动手实践来掌握数值计算方法解决实际问题的基本过程、思考方式和规律,做到学以致用。 随着计算机的发展及其在科学技术领域的应用、推广与深化,科学计算已成为理论推演和实验证明之外的第三种科学论证手段,而作为其基础与核心内容的数值计算 (或称计算方法)已被广泛应用于科学技术和国民经济的各个领域。 数值计算科学以“高等数学”“线性代数”和“微分方程”等课程的基本内容为基础,以“程序语言设计”为手段,以计算机为解题工具,介绍求解工程和科学实验中常见的数学问题的数值方法和理论。因此数值计算属于应用学科,不是纯数学,理论上的完美并不代表实用。其每个算法除了理论上要正确可行外,还要通过数值试验证明是行之有效的,学生学了每个算法后都应该以解决实际问题为目的,通过编程或借助成熟的数学软件完成数值计算的训练,不仅要学会“怎样算”而且必须做到“真会算”,即不仅要知道问题的解是存在的,还必须求出具体的结果,尽管在很大程度上只是近似解。 目前,数值计算课程的教学中一般存在以下两个方面的问题:①重理论,轻实践。数值计算传统的教学模式注重讲授原理和数学理论,过分强调为后续课程奠定基础这一作用,而学生因基础课程的薄弱,或对算法物理背景的不甚了解,往往感到过于抽象、枯燥和难以掌握,学习兴趣不高,自然无法深入理解课堂理论内容,更不能自觉地运用于实际中。另外本课程的考核方式通常仅以笔试方式进行,对于引导学生动手实践不利。这也是学生不重视实验,不注重所学知识的编程实现的原因之一。②学时少,内容多。数值分析课程涉及大量推导过程繁琐的复杂公式,算法分析,程序及计算框图等,但我校计算机信息专业授课计划仅为48学时,教师往往不得不采取“满堂灌”的形式授课,每节课都在讲新内容,每节课也都在用新内容,而学生则经常处于被动学习的地位,负担较重,容易产生思维上的疲劳和情绪上的抵触,学习的积极性、创造性、主动性和灵活性得不到充分发挥,难以提高探索和获取知识的能力。其结果是学生学完本课程后,除了应付考试大多不知道数值分析还有什么用以及如何用。 如何引导学生从枯燥的数学推理过程中走出来,并基于数学建模的思想和方法,以数值计算为工具,解决实际问题,做到学以致用,这是基于我校创新人才培养模式下不断思索且急需解决的问题。 1. 教学应从问题出发,注重工程应用思想 数值计算是实际问题的数值模拟方法的设计分析和软件实现的理论基础,解决具体的实际问题,需要采用数学建模的思想和方法教学,即从生产实践所要解决的实际问题出发,通过归纳、分析、提炼等手段建立数学模型,从而提出相应的数学问题;然后从理论上研究解决问题的基本思想和方法;分析方法的优缺点及所能解决问题的类型,进而给出解决实际问题的数学方法;最后让学生亲自动手编程做实验,用所学的知识来解决简单的实际问题,通过这种“问题教学”法,学生运用数值分析知识解决实际问题,做到学以致用。采取这一方式不仅可激发学生学习数值分析的兴趣和欲望,而且有利于教师将理论知识实践能力和解决实际问题的心得体会通过授课与指导实验这两个环节传授给学生。更重要的是这样的教学过程能够体现数值方法的价值和意义,使得我们的教学不再是无源之水,无本之木。 2. 加强数值试验教学,强化计算能力培养 传统的学习方法是从课本理论到实践。这种验证的思路使学生产生 “盲信” 课本的思维模式,而实验设计是一个主动的创造过程,实验设计和实施中遇到的种种困难,靠学生自己通过文献检索、查阅资料去寻找解决的方法。数值试验是检验旧算法,建立新算法并研制相应软件的重要途径,算法及数值软件的正确性﹑可靠性和有效性,必须通过数值试验来检验。同时,数值试验更是探索新的物理现象的主要手段。为使学生掌握各种数值计算方法,积累计算经验,提高应用数值计算方法和计算机解决实际问题的兴趣和能力,必须加强数值试验课程的教学。通过选择算法、编写程序、上机调试、分析数值结果、写出试验报告和开展课堂讨论等数值试验教学各环节的综合训练,不仅可使学生较好地掌握常用的工程计算方法和技巧,而且提高他们的.程序设计能力和上机操作能力,从而培养学生的创新和工程实践精神。 3. 计算机多媒体教学与传统教学相结合 数值计算的教学方式应与传统的理论教学不同,应采用多媒体教学与板书有机结合,尤其要利用多媒体技术动态地演示近似计算序列的推进过程,使学生直观地理解计算方法的收敛性与收敛速度问题,将抽象的数学知识直观地呈现在学生们面前,极大地提高学生的学习兴趣。 4. 改革考试方法 考试是评估教学质量和学习水平的重要环节,对促进学生更好地掌握所学知识、强化他们的数学思维能力有极其重要的作用。数值计算课程的考试通常为笔试,但这不利于引导学生动手编程实算法。为培养学生理论联系实际的意识,增强他们应用所学知识解决解决实际问题的能力和上机实践的能力,应该将考试方法改革。不仅重视笔试成绩,更要强调上机实践的重要性,即学生本课程的最终成绩应由笔试和上机实验两部分按比例计算。 总之,从推动教改研究和我校培养创新人才模式出发,数值分析课程的学习我们尝试以“问题教学”为主线,以理论与实验相结合,以学生动手为主,在教师指导下运用学到的数值方法和计算机技术,选择合适的数学软件(如MATLAB),分析解决一些实际问题。从而优化课堂教学与实验教学,使枯燥难懂的理论知识易于接受,能真正实现教与学的良性互动。更为如何开拓学生思维和培养具有创新能力与素质的技术性人才的课程建设和教学研究进行可行性的探索。 参考文献: [1]孙亮.数值分析方法课程的特点与思想[J].工程数学,2002,1:84-86 [2]令峰.关于数值分析课程教学的思考[J].肇庆学院学报,2004,5:76-79 [3]周凤麟.数值分析教学初探[J].华东交通大学学报,2007,S1:47-48 [4]周乾智. 数值计算方法实验教学改革初探[J].科技信息,2007,36:342-344论文相关查阅： 毕业论文范文 、 计算机毕业论文 、 毕业论文格式 、 行政管理论文 、 毕业论文 ;
黄土路基温度场数值分析掌王铁行刘明振鲁洁(西安建筑科技大学土木工程学院陕西西安710Q55)摘要基于黄土高原的气候特征及现有文献，提出了模拟黄土高原气候因素的地表温度场数值计算方法，并模拟气温、辐射量、湿度等边界条件，经过对黄土高原边界因素的分析研究，确定了适于黄土高原的模型参数。对西安和延安两地地表温度的计算结果与实测结果的对比分析表明了文内方法的合理性，分析了黄土路基温度场随气候的动态变化。探讨了温度梯度对非饱和黄土路基稳定性的影响，表明外界条件的昼夜变化对路基路面温度的影响不超过30 cm。关键词黄土温度气候路基数值分析1引言路基直接受到诸如辐射、蒸发、湿度、风速等气候因素及路基地表形态的影响，其土体温度场是变化的。温度变化引起水分迁移使含水量变化.^引，并引起土体冻融相变使水份向冻融界面运移。温度变化导致工程土体湿度场变化，进一步导致强度场变化¨卜p1，常常导致一系列病害的发生。路基工程横向热差异问题及其导致的病害问题，即工程中的阴阳坡问题，主要与路基阴、阳坡面受到的辐射等气候因素的差异有关。这方面研究成果目前较少。本文模拟黄土高原气候变化过程及路基地表形态，就黄土路基温度场的数值计算方法及温度场的变化过程进行探讨。2黄土路基温度场数值模型及参数取值辐射、蒸发、湿度、风速等因素随时间变化。黄土路基温度场属非稳态相变温度场，其基本方程为([K]+訾)四={P|t+岩四一山(1)式中[K]为温度刚度矩阵；[Ⅳ]为非稳态变温矩阵；{r}为温度值的列向量；△f为时间步长；{P}为合成列阵，下标f为时间。{P}是综合考虑相变、辐射、对流、蒸发的列阵。辐射列阵包括太阳辐射列阵、大地辐射列阵和大气辐射列阵。各个列阵参见有关文献∞1。参考有关文献¨卜归1，取黄土地表大地辐射黑度为0．68，取黄土地表对太阳辐射的吸收率为O．78，沥青路面对太阳辐射的吸收率为0．90。大气辐射黑度z：与大地对大气辐射的吸收率口’的取值比较复杂，其值与气温、云量、湿度、粉尘含量等因素有关，气温和湿度不仅可以反映空气中水蒸气的多少，也可以反映云量水平高低。本文选取气温和湿度作为气候的特征指标确定Z：与卢：经过分析，并考虑到计算中z：与卢7的乘积作为一整体，得到z：卢’确定关系式Z2卢’=，+0．006t+0．004Sd (2)式中Z为气温，’(℃)；s。为相对湿度，(％)；厂拳国家自然科学基金项目(50308024)。王铁行，男，教授。为综合考虑其他因素影响的区域性系数，西安取值0．20，延安取值0．25。西安和延安地区每月平均气温及相对湿度见表l。表1气温和相对湿度表’ 以东西走向路基为例，路基边坡坡率1：1．5，依据文献[10]方法计算得到路基南坡面和北坡面的坡面系数如表2所示。表2南坡面和北坡面的坡面系数表万方数据·2· 全国中文核心期刊路基工程2008年第3期(总第138期)3计算结果及分析采用前文方法，模拟当地气候条件对西安和延安地表温度进行计算，计算及实测得到平均地表温度随时间变化，计算与实测结果较为一致。以西安地区东西走向路堤为例对路基温度场进行计算分析。路基边坡坡率1：1．5，宽度10 m，高度4m，沥青路面。计算得到不同月份路基日平均温度分布如图1、图2所示。{越磺温度，℃ 温度，℃O 10 20 30 0 10 20 3024鑫6聪810122逞4嫠6810122{4越璐68lO12温度，℃0 10 20 302乓4蓑68lO122逞4嫠681012温度，℃0 lO 20 30图1路基阴坡面温度随深度分布图温度，℃O 10 20 30温度，℃0 10 20 30{魁聪{越赚温度，℃温度，℃O lO 20图2路基阳坡面温度随深度分布图图l为路基阴坡面平均温度随深度分布；图2为路基阳坡面平均温度随深度分布。图中显示不论在阴坡面还是阳坡面下，温度沿深度分布均随季节变化。计算表明，冬季浅层土体平均温度较低，3 m深度范围沿深度存在明显的增温梯度。因非饱和土体水分具有从高温区域向低温区域迁移的特点，在温度梯度作用下，冬季土体水分不断向地表迁移。当地表土体冻结时，源源不断地迁移水分逐渐冻结，在冻结层发生冻胀，甚至出现高含冰冻土。冻结层春季融化后因强度急剧降低，可造成溜方等病害，或形成疏松层，易于遭受雨水冲刷。夏季浅层土体平均温度较高，3 m深度范围沿深度存在明显的负温梯度，负温梯度具有抑制蒸发势导致土体水分向地表迁移蒸发。比较图1和图2看出，阴坡面和阳坡面的温度分布在夏季差别小，冬季差别大。夏至差别最小，冬至差别最大。阳坡面和阴坡面在冬季出现较大温差，易于导致阴阳坡面出现不同冻结状态。图中显示出西安地区阳坡面一年四季不冻结，而阴坡面在冬季冻结。在黄土高原北部寒冷地区则出现冻结深度差异等问题。图3给出了路面下深度2 m和4 m处路基横向温度分布。图中显示出，7月份路基温度呈吸热型，越靠近坡面，温度越高，温度梯度越大。而1月份路基温度呈放热型，越靠近坡面，温度越低，温度梯度越大。路基中部区域温度横向变化较小，但随着深度增加，7月份2 m深度处的温度高于4 m深度处。1月份2 m深度处的温度却小于4 m深度处。ZU＼ J6 ／、、、．—．，．一——，———．．．／12嚣s赠4距中心距离，cm(a)7月(深度2m)p删＼ 越16 ／＼ 望!至。／84一10—8—6—4—2 0 2 4 6 8 10距中心距离，cm(b)7月(深度4m)距中心距离／c“ 距中心距离，cm(c)1月(深度2m) (d)1月(深度4m)图3路基横向热分布图黄土路基温度场随气候的动态变化，特别是温度梯度的存在，对考虑温度影响确定非饱和土路基渗透系数、确定非饱和土水势、进行非饱和土路基水分场计算是有价值的。上述对路基日平均温度进行了计算分析。为了进一步探讨昼夜路基温度差异，将每日分为两个时间段进行计算。计算得到路基路面白天平均温度分布和路基路面晚上平均温度分布。表面因直接承受昼夜外界条件变化，白天和晚上温度差别较大。这一差别随季节是变化的，7月份差别最大，超过30℃，1月份最小，约为7℃。但在深度30 cm处，白天平均温度和晚上平均温度几乎是相同的，其差别可忽略不计。因此，外界条件的昼夜变化对路面温度的影响不超过30 cm。当深度超过30 cm时，可不考虑外界条件昼夜变化影响。当深度小于30 cm时，宜考虑昼夜比较万方数据郑健龙等：膨胀土路基温度现场观测分析与研究·3·膨胀土路基温度现场观测分析与研究木郑健龙缪伟(长沙理工大学公路工程学院湖南长沙410076)摘要为了研究自然气候条件下膨胀土路基内部土体温度变化规律，在某膨胀土路堤内部进行了一年多的现场跟踪观测，分析了不同位置土体温度随时间的变化规律，发现了不同深度温度变化滞后性和温度场分布季节差异性，并对其特点和形成原因进行描述和解释。根据温度变幅标志，推测出了当地膨胀土气候剧烈影响深度，可作为相关工程处治的参考依据。关键词膨胀土温度现场观测气候影响深度1前言膨胀土是一种粘粒成分主要由亲水性矿物(蒙脱石、伊利石)组成的高液限粘土，其主要特征表现为吸水显著膨胀软化，失水急剧干缩开裂。大量研究表明，气候干湿循环作用是引起膨胀土路基浅层破坏的根本原因，因此，土水关系成为膨胀土研究的重点和热点，而对温度这一同样受气候直接影响的指标则没有引起足够的重视。从热力学理论和非饱和土理论来看，温度对非饱和土的性质影响很大。首先，非饱和土的吸力一般定义为土中水的自由能状态，温度升高，土体水分势能增加，吸力降低，抗剪强度降低.。其次，土体中湿度场和温度场是耦合作用、相互影响的。也就是说土壤水分的运动不仅仅是因含水量的分布不均衡引起的，温度梯度的存在也是驱使水分迁移的原因。由此可见，研究膨胀土路基中的温度在不同气候条件下的变化规律，具有极其重要的理论意义和工程实际意义。曩交通部西部交通建设科技项目(2002 318000)。郑健龙，男，教授，博士，博士生导师。2观测方案的设计和实施在已进行的非饱和土温度变化规律研究中，杨果林等通过膨胀土路基模型试验，得到了在积水、日照、阴天和降雨4种模拟气候条件下，膨胀土路基中温度的变化规律旧-。刘炳成等在多种条件下，对非饱和多孔土壤中温度和湿度分布的动态特性进行了室内试验研究，分析了温度效应对水分运移的影响”J。为了真实、准确地了解膨胀土路基在自然气候条件下，其内部土体温度变化规律，本次研究采取了现场跟踪观测。观测地点设在南(宁)友(谊关)路宁明段Al(2+412断面，位于项目组“土工格栅加筋包边处治方案”试验路段内，格栅包边宽度为3．O m，路堤填料采用宁明灰黑色膨胀页岩风化破碎土HJ，共埋设了温度传感器、含水量探头、土压力盒、水平位移计、剖面沉降管，垂直测斜管共6种观测元件。其中，为了保证观测的精度和稳定性，选用了长沙金码高科公司生产的JMT一36型温度传感器，其主要技术指标为：测量范围一20—110℃，精度+O．5℃，线性误差+0．3℃。温度传感器沿横向布置了7个，距边坡水平距离分别为0．4 m、0．9 m、1．5 m、2．2 m、3．O m、4．0 m和13．0 m，距路基顶面的距离均为3．5大的温度变化。土表面因其吸热性小于沥青路面，外界条件的昼夜变化引起路基温度的变化小于沥青路参考文献：面，故可认为，外界条件的昼夜变化对路基温度的影[1】王铁行，陆海红·温度影响下的非饱和黄土水分迁移问题探讨·岩土力响也不超过30 cm。Ⅲ盖二=’0，：∑翟：％蝌，．w．鼬。一～。。。。。m。4 结论(33)：483—500．温度变化可导致黄土路基出现一系列病害问题， [3]党进谦，李靖·含水量对非饱和黄土强度的影响·西北农业大学学报，特别是阴阳坡及其导致的病害问题，主要与阴、阳坡[4]磊Z芸茹茹五学研究中的若干新趋势．岩土工程学报’200l。面受到的气候因素的差异有关。本文基于黄土高原的23(1)：l-13．气候特征及现有文献，提出了模拟黄土高原气候因素[5]刘保健'支喜兰，谢永利等·公路工程中黄土湿陷性问题分析·中国公的地表温度场数值计算方法，并模拟气温、辐射量、[6]譬盏≮=：盖翟=二310 N岖N。耐。d A蒯岫。‰训湿度等边界条件，经过对黄土高原边界因素的分析研一Te。二咖。i：’Qi。ghai—ibet之。一．萎ien。i。。h抵二E，2002，45究，确定了适于黄土高原的模型参数。进一步对西安(4)：433一“3．塑垩耋要嫠筻鎏苎结量复窭型笙墨竺翌皆坌要耆翌! 罱蠢羹言：妻言莲嚣篡嚣i艾奏≥誓蓄蛊釜}土i翥，’本文方法的合理性，对东西走向坡面的计算结果揭示高兰霸：薪’：‘纂誉?葫籍桑蕃划茹茹二；度场的数值模型．重了阴阳坡面地表温度的差异性，对阴阳坡面地表温度庆大学学报，2003，26(6)：66—69．的差异性随季节的变化规律进行了探讨。外界条件的[10]王铁行·岳彩坤·模拟气候因素的黄土路基地表温度数值分析．路基昼夜变化对路基路面温度的影响不超过30 cm。工程-2008t(1)：1也收稿日期：2007一04—20万方数据