微信链接：

https://mp.weixin.qq.com/s?__biz=MzkyNjI3NjI4Mg==&mid=2247494271&idx=3&sn=

5a162ebf96fc99a40b30386eecf1bc24&chksm=c23b65aaf54cecbcdbd4c13fb6db203f8

ef1cf50790841f8ce2e2ce6bdc1d02d4f048f59e1a2&token=860193436&lang=zh_CN#rd

期刊链接：

https://www.mdpi.com/journal/applsci

本期编辑荐读 Applied Sciences 编辑部精选了五篇主编推荐文章，与读者分享土木、计算机、光学和能源等领域的研究进展，希望文章能为相关领域的学者提供新的思路和参考。

01 Automatically Processing IFC Clipping Representation for BIM and GIS Integration at the Process Level

自动处理 BIM 和 GIS 集成的 IFC 裁剪表示

Junxiang Zhu et al.

https://doi.org/10.3390/app10062009

一个模型的墙体实体裁剪过程的示例。

文章亮点：

(1) 本文通过提出一种进程级方法，利用 B-Rep 实例化无界半空间的算法，成功地将 IFC 裁剪表示自动转换为 shapefile 格式。

(2) 增加边界大小对无界半空间的文件大小没有影响，但会略微增加半空间的生成时间和构件的处理时间。

(3) 不使用 ArcGIS 提供的低效率软件包，使用开源软件包可以进一步提高本研究的效率。

02 Autonomous Underwater Vehicles: Localization, Navigation, and Communication for Collaborative Missions

自主水下航行器：协作任务的定位、导航和通信

Josué González-García et al.

https://doi.org/10.3390/app10041256

自主水下航行器 (AUVs) 定位与导航技术。

文章亮点：

(1) 本文综述了针对不同水下任务的水下定位、通信和自主水下航行器导航方案，并讨论了相应的局限性和挑战。

(2) 目前协同自主水下机器人在通信、协同定位、导航、监视与干预任务中，使用的是一种混合 (声学和基于光的) 系统，文章认为这个系统是协作 AUVs 进行通信和导航的一个不错的选择。

03 Edge Couplers in Silicon Photonic Integrated Circuits: A Review

硅光子集成电路中边缘耦合器的研究进展

Xin Mu et al.

https://doi.org/10.3390/app10041538

(a)：悬臂式边缘耦合器的典型结构；(b)：悬臂截面。

文章亮点：

(1) 本文主要研究硅光子集成电路中的边缘耦合器。介绍了硅光子边缘耦合器的研究背景、工作机理和设计原理。

(2) 边缘耦合器的最新进展是根据不同的结构配置的设备，同时确定性能，制造可行性和应用。

(3) 文中还讨论了封装问题，并提出了进一步改进边缘耦合器的若干前瞻性技术。

04 Numerical Study on Hysteretic Behaviour of Horizontal-Connection and Energy-Dissipation Structures Developed for Prefabricated Shear Walls

装配式剪力墙水平连接耗能结构滞回性能的数值研究

Limeng Zhu et al.

https://doi.org/10.3390/app10041240

累积能量耗散曲线：(a) HES2/HES6/HES7；(b) HES2/HES4/HES5；(c) HES2/HES3/HES4；(d) HES1-HES7。

文章亮点：

(1) 本文提出了一种发展起来的水平连接和耗能结构 (HES)，在 ABAQUS 软件中建立了详细的有限元模型并进行了验证。

(2) 热释光层具有较高的耗能能力，在屈服于电火花区后可以重新获得承载力。优化后的 X 形钢板在 ED 区表现出更好的性能。

(3) “双步”设计是提高装配式剪力墙结构抗大、特大型地震抗震和抗塌性能的一个潜在途径。

05 Performance Evaluation of Two Machine Learning Techniques in Heating and Cooling Loads Forecasting of Residential Buildings

两种机器学习技术在住宅冷热负荷预测中的性能评价

Arash Moradzadeh et al.

https://doi.org/10.3390/app10113829

表1. 冷热负荷预测结果与其他工作进行的比较结果。

文章亮点：

(1) 本文采用多层感知器 (MLP) 和支持向量回归 (SVR) 对住宅冷热负荷进行预测。

(2) 通过使用训练数据来说明数据集中每个样本的特征。

(3) 文章中作者设计模型后，在训练阶段以某住宅建筑的技术参数为输入，以冷热负荷为输出变量，最后仿真和数值结果验证了所提方法的有效性。

Applied Sciences期刊介绍

主编：Takayoshi Kobayashi, The University of Electro-Communications, Japan

期刊主题涵盖应用物理学、应用化学、工程、环境和地球科学以及应用生物学的各个方面。截止目前被SCIE、Scopus等多种数据库收录，JCR分区在多学科工程以及应用物理领域都在Q2。

2020 Impact Factor：2.679

2020 CiteScore：3.0

Time to First Decision：16 Days

Time to Publication：37 Days