排序方式: 共有21条查询结果,搜索用时 140 毫秒
1.
本文首先介绍最近出现的一种用支路撕裂法进行的大规模模拟电路的故障诊断算法,讨论了该算法的容差问题。然后将故障预测技术、替代理论和迭加定理运用到支路撕裂法中,得到一个新的故障诊断方程,并给出了一种新的算法。还讨论了算法的并行处理问题。研究结果证明,当连续监测网络时,新算法的在线计算时间和容差问题均较原算法有很大的改进。 相似文献
2.
研究了雷达测量系统对运动目标进行精确识别和跟踪中的数据压缩技术,首先求出了不依赖信源统计特性的预测系数αi,并给出了一个判决定理。然后,以预测技术为基础,提出了两个对相关性较强的数据进行实时无失真压缩的新算法,并从编码速度,时延,误码扩散,自同步和压缩比等方面进行了讨论。 相似文献
3.
为了解矿区塌陷水体的污染情况,以潘集采煤塌陷水体为研究对象,通过ARCGIS软件中的空间插值模块,对潘集水体中的总氮、总磷进行插值分析,得到潘集塌陷水体总氮和总磷的最佳空间插值分布图,并检验了插值预测精度。从插值图中,分析得出总氮、总磷的最高质量浓度出现在泥河入口处,分别为13.373 mg/L和3.000 mg/L。建立了基于GIS的多因子综合污染评价方法,并与模糊综合评价法分别对塌陷水体进行评价,得出基于GIS的多因子综合污染评价方法结果为5、4级;而模糊综合评价法评价结果为五级。 相似文献
4.
为了解矿区塌陷水体的水质污染特征及规律,结合物理、化学和生物指标,运用营养状态综合指数法及基于ARCGIS的空间差值分析法对淮南矿业集团谢桥矿塌陷塘水质进行了分析与评价。矿区塌陷塘水质pH值呈弱碱性,透明度较低,BOD5、CODMn指标含量较高;用营养状态综合指数法对塌陷塘水质富营养化进行了评价,其污染级别为轻度富营养;运用ARCGIS的空间分析模块,利用总磷、总氮、BOD5、CODMn4个因子的空间插值栅格图建立多因子综合污染模型进行综合评价,得出水体综合水质标准处于地表水Ⅲ类到Ⅳ类之间,水质有待改善。本研究结果为塌陷塘水体水质监管及管理提供科学依据。 相似文献
5.
配电网自动化系统在电力建设中的应用 总被引:2,自引:0,他引:2
随着国家经济的发展和科学技术的进步,对供电可靠性和供电质量的要求也越来越高.配电网作为电力系统中直接面对用户的输电系统配电自动化是保证配电网可靠性的重要手段.因此,本文针对配电网的网络结构改造入手,就如何做好配电网的合理规划、配电网自动化的应用现状、原则、应用要求以及自动化模式方案作了详细的阐述. 相似文献
6.
7.
为定量描述煤矿沉陷区复垦土壤的肥力特征及肥力水平等级,以安徽省淮南市潘一矿复垦土壤作为研究对象,选取了容重、有机质、速效钾、速效磷、碱解氮、全钾、全磷、全氮、脲酶、磷酸酶和微生物总数等12项指标作为土壤肥力质量评价指标进行分析评价。这些指标涵盖了土壤化学肥力质量、物理肥力质量和生物肥力质量三个方面,运用单因子分析和主成分分析方法对复垦土壤肥力特征及水平等级进行评价。结果表明:单因子分析法结果表明研究区土壤pH值以碱性为主,容重呈偏紧及以上水平。对照全国第二次土壤普查肥力分级标准分析,有机质含量水平呈4级较缺乏及以下水平。速效钾、速效磷含量总体上呈3级中等水平,碱解氮和全磷含量总体上呈5级缺乏水平。全氮含量水平总体上呈1级丰富水平,全钾含量水平总体上呈2级较丰富水平。主成分分析法评价表明复垦区表层土壤肥力等级以中等肥力水平的3等地为主,空间分布特征呈面状和带状分布。研究区西侧沿省道方向0~20cm土层肥力等级4级较低,呈块状分布。肥力等级较高的3级点主要集中在研究区东南角煤矸石山附近。淮南市潘一矿采煤沉陷复垦治理后的土壤肥力整体呈3级中等偏下水平,氮、磷、钾素和有机质是复垦区土壤肥力的主要影响因子,容重是肥力提升的限制因子。建议利用煤矸石风化物质地松散和有机质、速效钾和碱解氮含量丰富的特点,考虑对其进行改性去除盐分等污染物后,制备改良剂用于改善复垦区土壤肥力状况。另外,也可以考虑用堆肥和绿肥技术来快速提升复垦区土壤肥力水平。 相似文献
8.
为建立大通生态修复区湿地水循环模型,对湿地主要的自然水循环要素的特性进行分析与研究,选取典型的湿地水文状态指标,构建湿地水循环模型,模拟湿地水文状态指标分析了地表径流来水量变化的响应关系。模拟结果表明水循环模型效果较好,并提出进一步改善湿地水文状态和生态状态的建议与对策。对采煤沉陷区生态环境保护和资源利用的工程实践具有一定的指导意义。 相似文献
9.
针对河流湖泊水体富营养化污染严重现状,选取6种水生植物进行水质净化试验,为富营养化水体的生态修复治理提供参考.通过人工模拟受污染水体水质,采用静态水培的方法,对富营养化指标氮的测定研究六种水生植物及其组合对模拟污水中不同浓度氮的净化效果,六种水生植物包括菖蒲(Acorus calamus)、美人蕉(Canna indica)、大藻(Pistia stratiotes)、凤眼莲(Eichhornia crassipes)、金鱼藻(Ceratophyllum demersum)、穗花狐尾藻(Myriophyllum spicatum).单一水生植物试验中,菖蒲在高、中浓度氮水体中TN去除率和去除贡献率均最大,去除率依次为99.80%、97.82%,去除贡献率依次为82.34%、97.56%;美人蕉在低浓度氮水体中TN去除率和去除贡献率均最大,依次为96.60%、95.23%.组合水生植物试验中,高浓度氮水体中金鱼藻+菖蒲+大藻组合水生植物对水体中TN的去除率和去除贡献率均最大,依次为97.20%、81.86%.中浓度氮水体中穗花狐尾藻+菖蒲+大藻水生植物组合水生植物对水体中TN去除率最大为99.19%,金鱼藻+菖蒲+凤眼莲组合水生植物对水体中TN去除贡献率最大为97.75%.低浓度氮水体中穗花狐尾藻+美人蕉+凤眼莲水生植物组合水生植物对水体中TN的去除率和去除贡献率均最大,依次为98.67%、95.33%.净化效果最好的植物类型为挺水植物,其次为浮水植物、沉水植物.选择的6种水生植物对TN均有一定的去除效果,在治理含氮污水时可结合实际考虑采用,为利用水生植物净化污染水体提供一定的理论依据. 相似文献