基于改进K-means算法的工件表面缺陷分割算法研究

工件表面缺陷的存在影响工件产品的质量以及工件的安全使用,传统的工件表面缺陷检测由人工完成,工作量大且易受到检测人员主观因素的影响,很难保证检测的效率与精度.本文提出了一种基于改进的K-means算法的工件表面缺陷分割算法,将自适应人类学习优化算法应用到K-means聚类算法中,使自适应人类学习优化算法初始化K-means聚类算法的聚类中心,最后将改进的K-means聚类算法结合形态学进行工件表面缺陷的检测.实验表明,该算法能够较理想的分割出工件表面的缺陷,具有分割精度高、实用价值较好的特性.     

李雅普诺夫：逐梦唯美天空的俄罗斯数学家

 李雅普诺夫是圣彼得堡数学学派的中流砥柱，创立了运动稳定性理论、旋转液团平衡形状理论和微分方程定性理论，探索了概率论中心极限定理和一系列其他深刻数学力学问题，为俄罗斯跻身世界科技强国做出了卓越贡献。通过采撷李雅普诺夫的动人爱情诗篇和唯美科学奋斗目标，展示了其美丽的爱情观和追求卓越的科学精神、人生观和宇宙观。     

高盐、高浓度有机废水蒸发特性实验

 搭建废水动态蒸发实验装置，对精细化工行业常见的蒸氨废水、颜料生产废水开展蒸发分离实验研究以获得废水蒸发特性，为实际蒸发系统设计提供基础数据支持。结果表明：废水的沸点升高随浓缩倍数的增加而逐渐上升，来自不同工艺段的蒸氨废水、颜料生产废水由于浓度差别，在相同的浓缩倍数下沸点升高略有不同；在蒸发过程中，颜料生产废水蒸发冷凝液的COD随着蒸发的进行逐渐降低；不同种类废水蒸发冷凝液的TDS与pH值变化规律大致相同，受原液中易挥发物质及夹带液滴的影响较大，随着浓缩倍数的增加先减小后趋于恒定。     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

苏里格气田马家沟组膏模孔型储层特征及成因

含“膏模”孔泥粉晶云岩是鄂尔多斯盆地马家沟组上组合地层重要储集岩类型，其形成时间和成因对于该类型储层的认识具有重要意义。研究利用苏里格东区丰富的取芯资料，根据岩芯、薄片等观察手段，结合常规物性测试分析，综合研究含“膏模”孔型储层特征及其成因。结果表明，“膏模”孔主要发育于泥粉晶白云岩中，位于向上变浅序列中部，常可见未充填—半充填型与全充填型两类。储层特征方面，该类储集岩主要发育“膏模”孔充填残余孔、渗流粉砂间微孔和基岩晶间溶蚀微孔3类储集空间，物性测试显示储集性能优越，平均孔隙度可达5.34%，平均渗透率为1.02 mD。纵向沉积序列显示“膏模”孔发育受沉积旋回控制，旋回中部“膏模”孔内存在溶蚀，内为云质渗流粉砂充填，旋回顶部具有暴露特征，且可见下一次海侵泥质灌入岩溶系统内，各类特征均指示“膏模”孔形成与准同生期岩溶相关，即“膏模”孔形成于准同生期，而非传统认识的表生阶段。     

谈“十四五”生态保护与绿色发展的生态关系

 从“十四五”保护与发展的生态关系角度，探讨了生态保护与绿色发展的十大生态关系，阐述了生态保护和绿色发展中的一系列有关生态关系的生态智慧及生态技术，并对长江、黄河等流域的生态保护和修复提出了相关建议。     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

基于码头闸口数据的集卡周转时间短时预测方法

为给车辆调度优化以及集卡预约系统设计提供重要参考,利用所采集的深圳市某港口的码头闸口数据,建立一种基于数据挖掘的集卡周转时间短时预测方法.首先,通过对码头闸口数据进行分析,获取车辆到达时间分布、任务类型、作业方式等集卡作业特征以及集卡在码头内的周转时间;在此基础上,利用循环神经网络并结合训练集数据,建立集卡作业特征与其周转时间之间的映射关系.其次,为减少随机波动对周转时间预测效果的影响,利用小波分解算法对循环神经网络拟合结果的残差进行高频噪声分离,并通过自回归模型拟合过滤后的低频序列.最后,将拟合后的循环神经网络与自回归模型进行结合,建立一种支持集卡周转时间短时预测的组合模型,并利用测试集数据进行有效性验证.结果 表明,相比单一的循环神经网络,该组合模型可以大幅提升预测精度.     

一种含N低Ni经济型双相不锈钢的抗氢脆性能的研究

设计了一种新型低Ni经济型双相不锈钢，通过金相显微镜、X射线衍射仪和扫描电子显微镜对不同固溶温度处理后的试样进行表征，通过常规拉伸实验得到综合力学性能最佳的热处理温度点，并通过电化学预充氢后的慢应变速率拉伸实验探究了其氢脆敏感性能。实验表明，随着温度的升高，奥氏体体积分数明显下降，铁素体体积分数升高，氢在双相不锈钢中的扩散能力提高。在1 050 ℃下固溶处理5 min后水淬的经济型双相不锈钢（lean duplex stainless steel，LDSS）综合性能最佳，其屈服强度和抗拉强度分别为744.7 MPa和807.7 MPa，总伸长率为62%，并且该材料在不同温度都具有优异的加工硬化性能。通过对1 050 ℃热处理后的试样进行不同电流密度和时间的预充氢处理，发现其氢脆敏感性能受充氢时间影响大于充氢电流，氢原子主要在塑性变形阶段降低材料抗拉强度和伸长率，对屈服强度影响较小。     

多孔MnO@C立方体的制备及电化学性能研究

采用水热法合成了原位葡萄糖包覆的前驱物MnCO3,将其煅烧制备出多孔MnO@C微米立方复合材料.利用X射线衍射仪、热重分析仪和扫描电子显微镜对该复合材料的晶体结构和微观形貌进行表征,并探究了MnO@C的电化学性能.结果表明,与未添加葡萄糖相比,MnO@C复合材料电化学性能明显改善.在1 C的电流密度下,经过200次循环,其放电比容量仍达883.7 mAh·g-1,容量保持率达95.1％;而在8 C大电流密度下,仍具有236.3 mAh·g-1的放电比容量.葡萄糖的加入和介孔中空立方体结构的结合提高了MnO倍率性能,使其循环性能相对稳定.