青海省玉树县上拉秀乡阿永寺铅锌矿地球化学特征

工作区位于西南三江北西段成矿区的江达-贝拉印支期铜、铅、锌、银、铁成矿带西北缘。该区带矿产勘查工作程度较低,已知矿产种类较少。发现的金属矿产有铜、铅、锌、钛铁矿、铁矿等。阿永寺铅锌矿是甘肃省地调院于2002年发现的。是该院近年来发现的一处最有找矿潜力的矿床。阿永寺铅锌矿以铅锌为主,伴生银铜镉,经初步地质普查工作铅、锌远景储量达到大型规模,伴生银、铜、镉远景储量均达小型,目前正在进行深入的研究工作。     

甘肃水洞沟金矿床地质特征及成矿条件分析

水洞金矿床位于关子镇一元家坪和舒家坝一太阳寺两条区域性韧性剪切带及天子山和磨扇沟花岗岩体的加持区,金矿化严格受近EW向断裂及其次级断裂控制,金矿化类型为构造蚀变岩型金矿。通过对其成矿地质背景、矿床特征、矿化特征的描述和控矿因素、找矿标志的总结及成矿条件的分析,认为该矿床的形成具有金源、构造及热动力“三位一体”成矿有利条件,水洞沟矿区及其外围具有较好的找矿前景。     

甘肃肃南大河峡一带肮脏沟组火山岩地质特征

发育在肃南县大河峡—水关河一带的早志留世肮脏沟组火山岩,是北祁连志留纪火山岩的重要组成部分。岩石学、地球化学研究表明,肮脏沟组火山岩为大陆型岩石共生组合和独特的岛弧钙碱性岩石地球化学特征,结合区域构造,笔者认为大河峡一带的火山岩形成于陆弧环境,其形成与先期已俯冲下插尚未完全消减掉的大洋板片后继性俯冲所引发的＂滞后＂型岩浆活动有关。     

栅格DEM的尺度与水平分辨率对流域特征提取的分析--以黄土岭流域为例

以黄土岭流域为例,对1：1万和1：5万两种尺度,应用栅格大小为5～50m6种水平分辨率的栅格DEN,进行了流域特征参数的提取和分析．研究发现,不同分辨率DEM提取的河网结构大体上是一致的,但河网的精度不同;提取的流域面积、河网密度、河道坡度、平均高程相差不大,河道长度和平均坡度参数相差较大,尤其是平均坡度参数,不同尺度DEM提取的流域参数差异明显,1：1万提取的河网精度大于1：5万,提取的流域面积,河网密度差异明显但不大,河道长度、河道坡度、平均高程和平均坡度参数相差较大,尤其是河道坡度和平均坡度。     

湍流大气中的准直激光束III.分形结构与相位不连续点饶瑞中

利用数值方法研究了不同起伏条件下准直激光束在湍流大气中的传播,分析了光斑的分形维数以及相位不连续点数目的统计特征。结果表明：随着起伏条件的增大,光斑的分形维数以及相位不连续点数目增大;光斑的分形维数与锐度（描述光斑质量的参量）有一定的关系,但相位不连续点数目与光斑质量不存在确定的关系。在本文的计算条件下,分形维数一直随起伏条件的增大而增大,没有出现类似于闪烁饱和的现象。在一定的起伏条件下,相位不连续点数目具有一定的统计分布,而不是一个确定的值,并且具有相当的发散性。     

基于模糊粗糙集的层次分类增量特征选择

随着大数据时代的到来,数据的类标签数量急剧增加,对现有的分类任务带来了严峻的挑战。为了解决这个问题,人们通常将标签组织成层次结构,使用结构中所包含的信息来对任务进行学习。考虑样本的不断增加,使用模糊粗糙集信息熵设计了一种面向层次分类的增量特征选择算法。考虑兄弟策略,将现有的λ条件熵推广到了层次分类的情形,设计了一种非增量的层次分类特征选择算法,设计了λ增量条件熵,基于此设计了增量版本的特征选择算法。在实验中,采用了包括非增量版本在内的7种不同的特征选择算法在5个层次数据集上与增量算法进行比较,实验结果验证了2种算法的有效性,并且所设计的增量算法能在不影响性能的情况下加快特征选择的进程。     

融合特征通道重要性与相似性的深度YOLO网络压缩方法

基于深度YOLO网络的目标检测方法网络结构复杂、冗余参数过多、计算量大,极大影响模型检测性能。针对此问题,从降低网络中低效通道和冗余通道的影响出发,提出了一种融合特征通道重要性与相似性的深度YOLO网络压缩方法,基于深度网络压缩中的网络剪枝思路,采用2次剪枝剪去低效及冗余特征通道。构建通道重要性计算方法,将稀疏因子作为通道效能计算指标,结合剪枝率剪去低效通道;根据通道间存在的线性关系计算其相似度,对相似度较高的通道进行替代,剪去相似度较大的通道;微调模型参数,恢复剪枝前的检测精度。仿真实验表明,同当前性能较优的深度网络压缩方案相比,提出的方法在保证目标检测精度的同时极大减小了模型尺寸、提升了检测速度,方法可行、有效。     

基于数据流的频繁集挖掘

针对数据流特殊的数据类型,提出了一种新的数据流挖掘算法.该算法引入了一个全新的优化方法,将边界集和频繁产生集结合起来.频繁产生集是频繁集的一种无损简缩表达方式.它所包含的模式数量比频繁集所包含的模式数量小若干数量级.边界集是频繁产生模式和其他模式之间的边界,通过观察边界集的变化可以生成新的频繁产生模式.实验结果表明,该算法的性能有明显的提高.     

基于mRMR-IPSO的短期负荷预测双阶段特征选择

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大相关最小冗余（max-relevance and min-redundancy,mRMR）判据对原始特征进行排序,考虑输入特征与输出特征之间相关性和输入特征间冗余性,筛选掉一些排序靠后的特征,初选出对预测效果影响显著的特征子集;采用基于改进的粒子群优化算法（improved particle swarm optimization,IPSO）的搜索策略,以LightGBM模型的预测精度为适应度函数,对初选特征子集进行精选,得到最优特征子集。算例结果表明,所提方法能在对原始特征集大幅降维的情况下提升预测精度。     

齿轮信号特征识别的谱相关密度分析

针对齿轮初期故障以调频形式表现且包络解调仅能够解调幅的现状,以一般调制信号为模型,引入解析思想,对各类型调制信号进行二阶循环平稳分析,理论推导了各自的分析结果,给出了调制信号谱相关密度分析的统一构架,证明了解析形式的谱相关密度同时提取调幅、调频特征的能力.仿真分析和齿轮故障实例验证了该分析方法对于调制特征的提取能力,表明该方法能够准确反映齿轮振动信号调制特征的变化,适用于齿轮初期故障的监测和识别.