煤矿风机房噪声分析及防治措施

噪声是煤矿井下生产中的重要危害之一,不仅会影响作业人员的身体健康,而且会威胁到生产安全。基于此,本文对煤矿风机房的噪声源进行分析,并在此基础上提出针对性较强的治理措施,探讨治理成效,以期为相关煤矿风机房噪声治理提供借鉴。     

八种最小二乘SVM型学习算法的优势比较

我们知道,支持向量机(Support Vector Machine,SVM)型学习算法的计算复杂性和稀疏性对分析和处理大数据来说是非常重要的两个因素,尤其是对高维数据.学者们针对这两个因素做了大量的研究,提出了许多改进的SVM型算法,常见的有基于最小二乘技术的SVM型算法和孪生SVM型算法.它们当中,有些算法的出发点基本相同,但是求解方法上略有不同;有些算法有明显不同的出发点,其所构建的最优化模型也不相同.选取八个较具代表性的最小二乘SVM型算法,分析和比较它们之间的优势和劣势,以期读者更加深入的理解这类算法,且在应用于实际问题中时更具有选择性.     

发动机动力舱冷却风扇噪声研究

针对小型挖掘机动力舱冷却风扇噪声较大的问题,采用计算流体动力学技术联合无限元的方法对其远场噪声进行分析并改进.基于计算流体动力学方法获得动力舱流场特性,通过流场特性分析得到气动声源;运用Lighthill声类比和无限元法,获得无限大空间的动力舱声场结果;在对原始风扇分析的基础上,重新优选一款新的低噪声风扇,进行计算分析,结果表明可降低风扇噪声1.3dB.将原机改进前后计算所得远场噪声频谱与试验结果进行对比,其变化趋势基本一致,且实测结果表明:新型风扇噪声得以改善,降低了1.7dB.     

关于健全区镇两级失业保险经办机构的研究

失业保险是我国社会保险制度以及积极就业政策的重要组成部分,确保失业人员的基本生活是各级失业保险经办机构的首要任务。加强失业保险业务经办能力建设,对构建社主义和谐社会、推动社会保险事业持续发展和维护社会稳定具有重要作用。失业保险业务经办能力建设是劳动保障工作的热点和难点问题,如何加强失业保险经办能力值得深入探讨和研究。     

CFTR第六跨膜区相关肽的二级结构和定位研究

采用圆二色光谱和荧光光谱等方法对不同pH值条件下囊性纤维化跨膜传导调节因子(CFTR)的第六跨膜区(TM6)及突变体TM6-R347P在DMPC,DMPG,SDS中的二级结构和定位进行了研究.结果表明,跨膜肽段均插入模型膜的内部并且形成α-螺旋结构;与野生肽段相比突变体α-螺旋含量较少,并且在膜中的位置相对较深,pH值依赖性减小,说明R347P突变影响α-螺旋的形成及在膜中的定位.     

苏丹Muglad盆地Moga地区Abu Gabra组二段层序及沉积微相

为了探究Muglad盆地Fula凹陷Moga地区岩性-地层圈闭的勘探潜力,利用11口钻井资料,参考地震资料,运用层序地层学、沉积学理论和方法,将Abu Gabra组二段自下而上划分为ag2-3、ag2-2、ag2-1四级层序,每个层序均以最大湖泛面为界划分为湖泊扩张体系域(ESTa2-3、ESTa2-2、ESTa2-1)和湖泊萎缩体系域(SSTa2-3、SSTa2-2、SSTa2-1)。Abu Gabra组二段发育的沉积相类型为辫状河三角洲、湖泊相和湖底扇;各四级层序体系域地层厚度分布特征均反映了东北高西南低的总体古地貌特征;古地貌控制了沉积相带的分布:ESTa2-3体系域,东部和北部发育辫状河三角洲,向西、南相变为较深湖,Moga-8井附近还发育湖底扇;SSTa2-3和ESTa2-2体系域,东北部发育辫状河三角洲,西南部发育滨浅湖砂质滩坝;SSTa2-2、ESTa2-1、SSTa2-1体系域,东北部和东南部均有辫状河三角洲发育,SSTa2-2、ESTa2-1体系域Moga-8井附近发育湖底扇,SSTa2-1体系域Moga-8井附近发育砂质滩坝。     

基于多参数稳定分布的GBAS垂直保护级计算

针对全球导航卫星系统(global navigation satellite system, GNSS)的地基增强系统(ground based augmentation system, GBAS)的完好性评估过程中, 使用误差包络理论计算保护级(protection level, PL)时, 误差模型存在的“厚尾”“不对称”“非零均值”等问题, 提出了基于稳定分布的误差包络理论。首先给出了高斯包络理论计算PL的模型; 其次推导了两参数与四参数稳定分布误差包络算法; 最后使用仿真数据和通过实验测得的数据, 对多参数稳定包络模型的算法进行评估。结果表明多参数稳定包络法在相似的计算复杂度下, 解决了高斯包络法建模时过于保守的问题, 显著提高了保护级计算的精确性。     

模糊大脑情感学习的自适应噪声抵消方法

提出一种以模糊大脑情感学习(fuzzy brain emotional learning, FBEL)模型作为自适应噪声抵消器的噪声抵消方法，应用于信号处理问题。该方法通过FBEL模拟经非线性通道传输后的噪声信号，将噪声信号从含噪信号中过滤掉，达到消噪的目的；根据自适应学习算法，利用奖励信号和梯度下降法对FBEL模型的权重及参数进行在线更新，以适应噪声的变化。选取均方根误差和计算时间2个性能指标，采用自适应噪声抵消方法在不同网络中进行仿真比较，结果表明，应用该方法可以获得更好的滤波性能。     

向量多项式优化问题的数值方法

向量多项式优化问题中的目标函数和约束条件都是由多项式描述的.先将多目标多项式函数分别通过主要目标法、线性加权和法和理想点法等转化为单目标多项式函数,再利用Lasserre松弛方法求解该多项式优化问题,从而得到原向量多项式优化问题的弱有效解或有效解.数值实验结果表明该数值方法是有效的.