连续埋地管线沉陷情况下可靠度分析

场地的不均匀沉陷是埋地管线破坏的重要原因之一.运用均值一次二阶矩法和ANSYS中的蒙特卡罗法对埋地管线在地面沉陷位移、材料性能参数、内水压力等随机变量下的可靠度进行计算分析,得到考虑和不考虑管道内水压力时的可靠度系数和失效概率.结果表明,地面沉陷位移的变异性对沉陷区埋地管线的可靠度有着十分重要的影响,与不考虑管道内水压力作用的结果相比,考虑管道内水压力时的失效概率较大,可靠度系数较小;管道壁厚和直径的变异性对沉陷区埋地管线的可靠度也存在着不可忽视的影响.     

异化金属还原菌利用发酵制氢废液还原软锰矿

利用纯二氧化锰在微酸性条件下对异化金属还原菌进行驯化,二氧化锰的颜色由黑色逐渐变浅至白色,X射线衍射分析表明微生物可有效还原二氧化锰成为碳酸锰;以发酵制氢废液为还原底物,利用异化金属还原菌在不同酸性条件下直接浸出低品位软锰矿,通过单因素实验研究厌氧条件、pH值对锰浸出率的影响,并对制氢废液化学需氧量(COD)的去除率及浸出机理进行研究.结果表明,异化金属还原菌利用发酵制氢废液还原软锰矿,厌氧浸出优于好氧浸出,最佳pH值为3.0～3.5,浸出时间为3 d时,最大浸出率达到98%;用软锰矿对发酵制氢废液在微酸性条件下进行降解,COD质量浓度为2612 mg.L-1时最大去除率达到84%,COD去除率随软锰矿量的增加而增大.     

一类时滞递归神经网络模型的周期振动性

利用线性矩阵不等式方法,研究一类5个神经元时滞递归神经网络模型的周期振动性,得出保证系统存在周期振动性的一组充分条件,理论分析和数值仿真显示,所得结果为一类5个神经元时滞递归神经网络模型提供了新的振动性判定准则.     

室内信道中多极化MIMO系统的容量

针对室内多径信道,提出一种研究系统信道容量的方法,利用结合信道特征设计的三维多极化测量系统测量信道中多径入射信号的三维空间分布,代入天线方向图与入射信号进行空间积分计算出系统容量。利用该方法和系统对典型室内环境进行了测量,研究了真实的三极化天线组成的MIMO(multiple-input-multiple-output)系统的容量和摆放方向对多极化天线系统容量的影响。结果表明:三极化系统具有比单极化系统更优越的性能,可以利用该特性对室内环境中多极化MIMO系统的设计和布局进行优化以实现更高的系统容量。     

具无限时滞的高维中立型脉冲积分微分方程概周期解的存在性

利用线性系统指数二分性理论和不动点定理,研究了一类具无限时滞的高维中立型脉冲积分微分方程概周期解的存在性问题,获得了保证中立型系统概周期解存在性和唯一性的充分条件,推广了相关文献的主要结果.     

河南产香茶菜属6种植物的RAPD分析

从70个随机引物中筛选出10个具有较高多态性检测能力的引物,用于RA PD扩增,共扩增出85个条带,其中多态性条带59条,占68.81%.对得出的结果用SPSS12.0进行聚类分析,结果表明:河南产香茶菜不同种、同一种的栽培和野生之间存在明显的遗传分化,其中种间的差异要大于种内.从DNA分子水平上探讨了香茶菜属6种植物之间的遗传关系,为中药材冬凌草的品种鉴别提供依据.     

样品温度和空间约束两种方法相结合对激光诱导击穿光谱的影响

升高样品温度和采用空间约束能提高激光诱导击穿光谱的信号强度,两种技术的结合可以进一步提高激光诱导击穿光谱的光谱强度.本文在空气环境中研究了升高样品温度和空间约束效应两种方法相结合对激光诱导击穿光谱的影响,测量了激光诱导铝等离子体的时间分辨光谱.实验结果表明:升高样品温度能增加激光诱导击穿光谱的信号强度,高温样品能耦合更...     

圆柱形反应器鞘区离子平均动能的径向分布

针对鞘层结构,建立了鞘层模型和离子速度分布函数,导出了离子平均动能的积分表达式并得出数值积分的结果.用级数的两项拟合平均动能积分表达式的对数项,积分得到解析结果和简化结果.应用积分表达式、解析式及简化式进行计算,得出了圆柱形鞘层内不同位置(半径)处的粒子平均动能.结果表明鞘层越厚、粒子平均自由路程越小,则它们的差别越小.它们可有效地应用于散布在反应室各处粉体的刻蚀和纯化.     

基于深度学习和细观力学的颗粒材料本构关系研究

颗粒材料的本构关系对岩土工程等众多领域至关重要. 不同于传统的唯象本构理论, 本文基于机器学习模型探索了一种细观力学理论指导下的数据驱动型颗粒材料本构关系预测方法. 根据Vogit均质化假设, 建立了小应变条件下颗粒材料应力?应变解析关系, 此关系唯一地确定了一组与颗粒材料本构行为相关的细观组构变量. 这些变量与反应颗粒材料宏观性质的主应力和主应变信息通过一系列离散元三轴压缩数值试验获得. 考虑到细观组构变量为内变量, 不能直接作为本构模型的输入. 本文基于有向图方法将颗粒材料微观结构信息隐式地包含在应力?应变的预测当中, 并采用门控循环单元(GRU)循环神经网络作为基础深度学习模型描述有向图中结点之间的映射关系. 通过将有向图从目标节点沿源节点展开, 整个应力?应变预测模型可由两个神经网络分别训练并组装而成. 将训练后的深度学习模型在全新的数据集上进行测试, 结果表明该训练策略能有效捕捉到颗粒材料在常规三轴任意加卸载, 等中主应力系数b的真三轴加载, 和等平均有效应力p的真三轴加卸载等复杂多轴加载工况下的应力?应变响应关系, 模型具有良好的内插和外推预测能力. 考虑到深度学习模型捕捉颗粒材料力学响应的能力及其开放式学习的特点, 充分结合数据驱动方法和理论本构模型可能是颗粒材料本构研究的一个重要方向.      

运用属性论方法加强供应链牛鞭效应防范

提高预测的准确性是缓解供应链牛鞭效应的关键。目前预测的方法往往很难适应订购量历史数据的变动,导致预测结果的偏差。运用属性论方法,就制造商—零售商—客户三级供应链,提出了一个需求信息预测的方法,由此来提高对这种波动性的适应能力,增强预测的准确性,帮助供应链上各节点企业优化决策过程,最终防范了牛鞭效应,并且还提供了此预测方法的算法流程。