This paper addresses the challenge of diminished accuracy in electromagnetic inverse scattering (EMIS) when both dielectric and plasma coexist within a domain of interest (DOI). It proposes the Electromagnetic Inverse Scattering Network (EIS-Net) based on deep learning. The model integrates attention mechanisms and residual structures, enabling accurate reconstruction of physical parameters of scatterers in scenarios with limited training samples or the presence of diverse types of scatterers within the region. Finally, simulation results substantiate the satisfactory performance of using EIS-Net for the inverse scattering of mixed targets.

In the realm of special equipment, significant advancements have been achieved in fault detection. Nonetheless, faults originating in the equipment manifest with diverse morphological characteristics and varying scales. Certain faults necessitate the extrapolation from global information owing to their occurrence in localized areas. Simultaneously, the intricacies of the inspection area’s background easily interfere with the intelligent detection processes. Hence, a refined YOLOv8 algorithm leveraging the Swin Transformer is proposed, tailored for detecting faults in special equipment. The Swin Transformer serves as the foundational network of the YOLOv8 framework, amplifying its capability to concentrate on comprehensive features during the feature extraction, crucial for fault analysis. A multi-head self-attention mechanism regulated by a sliding window is utilized to expand the observation window’s scope. Moreover, an asymptotic feature pyramid network is introduced to augment spatial feature extraction for smaller targets. Within this network architecture, adjacent low-level features are merged, while high-level features are gradually integrated into the fusion process. This prevents loss or degradation of feature information during transmission and interaction, enabling accurate localization of smaller targets. Drawing from wheel–rail faults of lifting equipment as an illustration, the proposed method is employed to diagnose an expanded fault dataset generated through transfer learning. Experimental findings substantiate that the proposed method in adeptly addressing numerous challenges encountered in the intelligent fault detection of special equipment. Moreover, it outperforms mainstream target detection models, achieving real-time detection capabilities.

Abstract Understanding divergent perceptions of ethnic groups to climate change in mountainous regions home to multi-ethnic cultures and the factors influencing these perceptions is crucial for policymakers to predict the trending impacts of climate change and make long-term decisions. Based on the case of Southwest China, 1216 households were interviewed by questionnaire surveys to gain insight into the perceptions of local people on the dynamic evolution characteristics of climate events in the uplands of Yunnan, China, which is an area home to rich ethnic diversity, and also to determine the factors that influence these perceptions. Results indicated that climate events have now become important events for farmers’ livelihoods, ranking only after family diseases and livestock diseases. Drought, long-term drought, and erratic rainfall are the three kinds of climatic events with the most significant increase in frequency and severity in mountainous areas. Farmers’ perceptions on whether drought, long-term drought, and erratic rainfall occurred 10 years ago as well as changes in frequency and severity are significantly influenced by characteristics of respondents, ethnic culture, geographical environment of farmer residences, farmland characteristics, and sources of livelihood. Ultimately, taking ethnic differences into consideration for long-term planning will be an important part of the local response to climate change in the future.

The clearance exists inevitably between the turbine guide vanes and the fixed wall, and the resulting tip leakage vortex leads to the increase of hydraulic loss. Based on the fluid simulation software ANSYS CFX, the hydrofoil was numerically simulated under different flow velocity conditions. The trajectory and energy dissipation of the tip leakage vortex are discussed. The results show that the jet entrainment with the main flow to form the tip leakage vortex, which is mainly divided into main leakage vortex and separation vortex. The flow evolution of tip leakage vortex can be divided into three stages. The evolution of tip leakage vortex can be divided into three stages: independent development of main leakage vortex and separation vortex, fusion stage, and dissipation of main leakage vortex. The strongest turbulent kinetic energy dissipation occurs in the clearance, which confirms that the clearance causes non-negligible energy dissipation for hydraulic machinery. The results provide guidance for tip leakage vortex control of hydraulic hydrofoil.