摄影家王瑞林 拉开一座城市气韵生动的风光大幕

夕阳西下，落日余晖金碧辉煌地衬托出如城市森林般高低错落的建筑轮廓．而来源于大气层的反射光不仅很好地表现出建筑的暗部层次．且与华灯初上的城市灯光冷暖交融．在光影、色彩、飘溢的彩霞与暮霭瞬息万变之际．此时刻的这座城市正徐徐闪现出它最富丽动人的容颜。摄影家王瑞林站在城市一栋高楼的楼顶上．     

与雪山野人亲密接触

在2007年6月初，印度古生物学家拉玛势贾姆教授带领考察队来到喜马拉雅山南麓，在郁郁葱葱的热带森林中安下了营帐，随后就带着考察工具和护身枪支，穿过2500余米高度的针叶林带，继续向高山攀登。6月中旬，教授和考察队员们来到6000余米高的大雪山。这里空气稀薄，寒冷彻骨，平时不用说人迹罕至，就连飞鸟也很难找到。这就是人们所说的“雪的故乡”。     

邱比斯·伍敦事件

森林上空的光芒 这件事发生在1975年11月5日，地点在美国亚利桑纳州阿帕拉契山脉中的一座国有森林中。     

苏格兰事件

在1996年9月23日,英国苏格兰的两对母子在荒僻的森林里遭遇了外星人。事件的经过如下。当晚20时左右,杰恩(化名)与来她家玩的朋友玛丽及其孩子皮特一起驾车到邻村24小时营业的便利店购物。离便利店6000米处,道路周边是几乎没人居住的乡村土路。途中,驾车的玛丽发觉路上有异常变化:前方犹如划开黑夜那样投下两束光,好像是从飘在夜空中的黑色物体上射出的。玛丽在好奇心的驱使下停了车,朝光的方向走去。杰恩只好跟在了后面。刚一靠近,耀眼的光线将附近的地面和树木照     

发光UFO的原形之谜

苏格兰的利文斯通位于爱丁堡以西20千米，那里分布着洛迪恩州西部的森林、开阔地以及起伏平缓丘陵的新城市，城市的北端有沿着森林的被称为格拉斯哥的通往爱丁堡的高速公路。在20世纪70年代，这里曾发生过一起UFO遭遇事件，现场在被砍伐的森林中的空地上。     

基于随机森林的月球表面软着陆实时最优控制

针对传统月球表面软着陆在处理入轨偏差或降落过程轨迹偏离实时性差,文章提出一种通过监督学习离线训练随机森林结构,使得着陆器在降落过程中根据其状态,通过训练的随机森林结构在线计算其控制量,从而达到实时控制的目的。文章还提出一种基于随机森林的模型对月球着陆过程轨迹重规划技术,通过动力学建模将月球着陆过程分成制动段、接近段和着陆段共3个阶段,利用离线训练好的模型根据航天器状态在线计算其控制量,并通过三段下降过程逐渐降低航天器位置速度误差。仿真结果表明,针对入轨偏离500m的情况,通过第一阶段将位置误差缩短至50m,保证了航天器状态位于第二阶段训练集内,经过接近段后再将位置误差缩小至10m范围内,速度误差降至0.01m/s量级,满足着陆误差要求,且控制量计算时间短,达到了轨迹实时重规划的目的。     

森林之歌——展阅壮阔瑰丽的生命画卷——九寨沟 万木衣我以华裳

森林是大地多彩绚丽的霓裳,四季轮回,岁月交替,无边的森林在广袤的大地上演绎着最壮阔瑰丽的生命景观—— 春天的森林,万物复苏,青葱嫩绿,充满了勃勃生机;夏天的森林,绿意盎然,舒展的枝叶表达着生命的恣肆与热烈;秋天的森林,五彩斑斓,那是令人迷醉的成熟与厚重;冬天的森林洁白一片,万籁静谧中,森林似乎在沉睡,又仿佛在安静地等待,等待下一个春天的到来,等待再次为大地奉献生命生生不息的旋律。     

一种航空发动机运行可靠性评估方法

航空发动机运行过程中,可靠性评估是航空发动机可靠性评估领域的关键问题之一,而合理的评估方法能够提高可靠性分析的效率和精度,因此本文提出一种支持评估飞机任务过程中航空发动机运行可靠性的方法。结合飞行任务特点和航空发动机工作特性,以快速存取记录器信息为分析数据,考虑当前运行环境、飞机瞬时状态、发动机当前工作状态 3 类因素对运行可靠性进行分析;将随机森林算法与分层抽样法结合对数据进行拟合、预测并计算特征重要度;以 B737-800 机型一次北京—乌鲁木齐的飞行任务为例,对方法的有效性和可行性进行验证。结果表明：本文提出的可靠性评估方法解决了航空发动机运行过程中数据量大、维度高导致的数据处理困难问题。     

基于RF-SVR的燃油计量装置性能衰退检测和剩余寿命估计方法

为了实现航空发动机燃油系统的安全状态监测和健康管理,开展了燃油系统性能衰退检测和剩余使用寿命估计方面的研究。以燃油系统燃油计量装置为例,分析了其主要的性能衰退模式,设计了基于电流-速度数据的健康指标(HIs)选取方案,并考虑环境及模型参数不确定性,进行模型不确定性仿真,基于健康数据与性能衰退数据间的马氏距离对部件性能衰退进行检测。提出了基于随机森林-支持向量回归(RF-SVR)的剩余使用寿命(RUL)估计方法,利用通过RF特征选择优化的SVR模型实现部件RUL估计。最后基于某型民用涡扇发动机机械液压模型仿真数据对该方法进行了验证,结果表明:该方法的性能衰退检测虚警率及漏报率低于2%,RUL估计误差低于3%,可为航空发动机燃油系统的预测性维护提供参考。      

基于机器学习的飞机动力装置运行可靠性

为了研究分析飞机的动力装置在执行飞行任务过程中的运行可靠性,针对运行可靠性影响因素的多维、耦合的特点,采用机器学习方法对动力装置运行可靠性的时变规律及其相关影响因素进行分析。提出了考虑动力装置的工作状态、飞机的运行外界条件、飞机的飞行状态3类因素分析动力装置实时运行状态下的时变可靠性方法;并基于飞机实际运行的快速存取记录器（QAR）数据,梳理了动力装置运行可靠性分析相关的3类因素、16个主要特征。结合飞机运行的时空关系,采用数据包络分析（DEA）方法对飞机动力装置的工作状态特性与性能裕度进行非参数分析,基于提取的QAR数据特征,采用随机森林、多变量神经网络回归算法,建立2种基于机器学习的动力装置运行可靠性分析模型。以B737-800机型为例,对一次北京至珠海的飞行任务的动力装置相关运行数据进行分析,对2种机器学习分析模型进行训练与测试研究。分析结果表明：对动力装置工作状态特性贡献度最大的特征依次为计算空速、飞行时间与飞行高度;对动力装置性能裕度贡献度最大的特征依次为动力装置工作状态特性、雷达气象与飞行时间。所采用的2种机器学习方法能较好反映动力装置运行过程的时变可靠性规律,可为动力装置的运行与特情处理提供参考。