关于中国古建筑抗震性能的分析

根据我国古建筑的力学性能和结构特点，通过对斗拱、梁、柱、额仿、雀替及连接，侧脚及生起等部位的结构构造进行研究，并对古建筑木结构的抗震机理和抗震性能进行分析，以期对现代建筑结构抗震研究具有借鉴意义。     

简述带式输送机的拉紧装置

本文概述了带式输送机拉紧装置的作用、布置原则及拉紧行程的确定.介绍了几种常见的拉紧装置及其适用范围.拉紧装置朝着微机监控、张紧力恒定方向发展.     

浅析建筑工程分承包管理的现状与对策

在分析我国建筑工程分承包管理现状的基础上,针对管理中存在的一些常见问题,如分包商工程质量不佳、管理人员和技术工人素质不高、分包商工期拖延,忽略项目整体系统性等问题进行了探讨和分析,对分承包商的管理工作都提出了要求,并针对相关问题提出了确定刚化、柔化目标,贯彻质量原则,采用目标管理的方式,加强专业施工的精分化和加强检查和控制过程等相应对策。     

人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报,根据南京夏季梅雨期的天气特点,用统计和动力学方法从HLAFS(高分辨率有限区域预报系统)预报产品中寻找预报因子,然后用2种方法选取输入因子分别对人工神经网络进行训练,并利用抽取的5天雨量实况作降水分级预报检验.通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现:与HLAFS数值模式的降水预报相比,人工神经网络降水预报方法的准确率提高了20%以上,而且漏报、错报明显减少;特别是与逐步回归预报相比,大到暴雨的预报准确率得到了明显提高,这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值.     

极限学习机神经网络在短期降水预报中的应用

数值预报产品释用是天气预报现代化发展方向,也是我国预报业务建设的重点之一.结合主成分分析方法从中国气象局T213资料中选取降水预报因子,利用极限学习机(Extreme Learning Machine,ELM)神经网络方法进行衢州单站逐日降水的分级预报研究.结果表明:主成分分析方法可以保留原来预报因子矩阵大部分信息并大幅降低矩阵维数,使新的预报因子之间相互正交;ELM方法不仅具有很强的历史拟合能力,独立样本所有降水预报TS评分也从T213模式预报0.3提高到0.8,特别是对大到暴雨有了较强预报能力;与相同条件下BP方法预报模型相比,ELM方法网络参数设定简单,训练速度快,历史样本的训练结果和独立样本的预报结果也都要优于BP方法.     

图形化中尺度天气动力诊断量软件的研制及应用

所研制的中尺度诊断量图形显示软件是针对天气诊断分析时不同的物理诊断量所做的图形输出软件。利用中尺度模式(MM5或WRF)的输出结果进行诊断分析时,应用此软件,可以显示输出不同时次和层次的相应诊断量图形。方便使用者从不同的角度认识天气动力过程,揭示天气过程的中尺度结构特征和物理意义。中尺度诊断量图形显示软件是进行天气分析的便捷辅助工具。     

东北冷涡的“气候效应”及其对梅雨的影响

东北冷涡是东亚中高纬地区重要的天气系统. 尽管其时间尺度为天气尺度, 但是频繁的东北冷涡活动具有显著的“气候效应”. 这种“气候效应”不仅会影响东北地区对流层低层的月平均气温, 而且对东亚地区梅雨期降水也具有影响作用. 利用欧洲中期天气预报中心(ECMWF)提供的ERA-40再分析资料, 对东北冷涡的“气候效应”及其与东亚梅雨的关系进行研究, 发现: 梅雨期东北冷涡和降水量存在显著的相关关系, 东北冷涡越强, 梅雨量很可能偏多, 东北冷涡越弱, 梅雨量很可能偏少; 东北冷涡强年, 东北冷涡引导北方“干冷”空气南侵, 与低层强盛西南暖湿气流在梅雨区北缘交汇, 形成“上干下湿”的不稳定层结, 在上升运动的触发下, 最终导致梅雨量偏多, 东北冷涡弱年情况正好相反; 前期北太平洋海温的异常可能是导致梅雨期东北冷涡异常的因素之一, 夏季的海陆热力对比对东北冷涡起着促进作用, 而冬季的热力对比对东北冷涡起着抑制作用. 所有这些为东北冷涡和梅雨的短期气候预测提供了具有参考意义的结果.     

浅谈长距离小倾角向下运输带式输送机的设计

本文针对蒂式输送机的运行特性,探讨长距离小倾角向下运输带式输送机的启/制动方式,并通过实例分析、论述变频调速技术在小倾角向下运输带式输送机中应用的主要特点.     

古建筑修缮工程施工的经济评价

本文旨在通过对古建筑修缮工程进行正确的经济评价,进而使从事古建筑修缮施工的企业,采取切实可行的经济和管理政策,在确保工程质量的前提下,节约成本,规避经济风险,从而提高企业的经济效益。     

人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报，根据南京夏季梅雨期的天气特点，用统计和动力学方法从HLAFS（高分辨率有限区域预报系统）预报产品中寻找预报因子，然后用2种方法选取输入因子分别对人工神经网络进行训练，并利用抽取的5天雨量实况作降水分级预报检验．通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现：与HLAFS数值模式的降水预报相比，人工神经网络降水预报方法的准确率提高了20％以上，而且漏报、错报明显减少；特别是与逐步回归预报相比，大到暴雨的预报准确率得到了明显提高，这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值．