针对传统单幅图像去雾算法容易受到雾图先验信息制约而导致颜色失真,以及现有深度学习去雾算法受网络模型限制而存在去雾残留等问题,提出了一种基于双域分解的多尺度深度学习单幅图像去雾方法,设计了一个包含低频去雾子网和高频去雾子网的多尺度深度学习网络模型。首先采用双边滤波器对有雾图像进行分解,得到雾图的高、低频子图,然后通过设计的网络模型分别学习雾图高、低频子图与高、低频透射率之间的映射关系,再将模型学习得到的高、低频透射率进行融合,得到原始雾图对应的场景透射率图,最后根据大气散射模型实现有雾图像到无雾图像的恢复,采用雾图数据集对该模型进行训练测试。结果表明,所提方法在合成有雾图像和真实自然雾图的实验中均能取得良好的去雾效果,在主观评价和客观评价方面均优于其他对比算法。

随着工作频率的提高，通信系统面临的电磁干扰问题日益严重。其中高速连接器信号走线上的高频电流是产生电磁辐射的主要干扰源。对含有复杂元器件的通信机箱进行电磁建模与仿真长期面临结构过于复杂、仿真与测试难以匹配等困难。提出基于机箱Q值测算融合的方法建立等效仿真模型，基于区域分解对干扰源和机箱进行协同仿真，并采用有源叠加实现随机信号叠加效应的仿真分析。提出的分析方法可准确模拟真实机箱的谐振及耗散特性，简化连接器多端口激励随机叠加效应的仿真计算，实现机箱泄漏场强的准确预估。

三维多群中子扩散方程的精确、高效求解是核动力堆芯设计及燃料管理的基础。应用有限差分方法求解该方程具有简便、精确、成熟的优点; 然而,该方法的计算量和存储量均较大,极大地限制了它的计算规模和应用范围。本文基于大规模并行计算,研究三维多群中子扩散方程有限差分方法：采用中心有限差分格式离散中子扩散方程; 基于MPI并行编程模型,采用空间区域分解的方式实现大规模并行计算; 采用多群多区域耦合PGMRES算法进行并行加速。在集群服务器上开发了ParaFiDi程序,并采用IAEA3D,PHWR等多个基准题对该程序进行验证。数值结果表明,ParaFiDi程序具有较高的计算精度和计算效率。

分别用CTF和反应堆蒙卡程序RMC对BEAVRS基准题进行全堆精细建模, 由RMC统计径向及轴向功率分布并作为CTF的功率输入。利用CTF的区域分解技术, 进行BEAVRS全堆pin by pin子通道计算, 采用193个核并行计算, 耗时268 s, 得到了精细的燃料棒中心及表面温度、冷却剂温度及密度、空泡份额、包壳温度等重要参数, 验证了CTF进行全堆子通道计算的高效性及可靠性, 为实现基于RMC和CTF的核热耦合计算奠定了重要基础。

介绍了NEPTUNE软件采用的一些并行计算方法：采用“块-网格片”二层并行区域分解方法，使计算规模能够扩展到上千个处理器核。基于复杂几何特征采用自适应技术并行生成结构网格，在原有规则区域的基础上剔除无效网格，大幅降低了存储量和并行执行时间。在经典的Boris和SOR迭代方法基础上，采用红黑排序和几何约束，提出了非规则区域上的Poisson方程并行求解方法。采用这些方法后，当使用NEPTUNE软件模拟MILO器件时，可在1 024个处理器核上获得51.8%的并行效率。