隧道内地源热泵热交换管与隧道结构相互影响

为解决寒区隧道冻害问题,将地源热泵型供热系统应用于内蒙古博牙高速扎敦河隧道中.系统由取热段、加热段、热泵和分、集水管路组成,可用于隧道洞口段衬砌和保温水沟加热.热交换管以串联纵向的布置形式埋设在初衬和二衬之间.通过计算含热交换管承载截面面积和惯性矩的减小率,分析得到热交换管对隧道衬砌承载力的影响较小,可以忽略.隧道结构内包括锚杆、防水板和钢拱架,通过建立单因素对比计算模型,分析各构件对热交换管换热量的影响,研究表明:①锚杆对热交换管换热量产生的影响不明显,最大仅为2.3%;②运行前期,应充分考虑防水板对热交换管换热量的不利影响,但长期运行后,可忽略防水板的不利影响;③运行前期,钢拱架对热交换管换热量有显著的提升,但长期运行后,该影响趋于不明显.     

等电点法提取酪蛋白的方法改进

为提高酪蛋白的提取效果,通过探究预先脱脂牛奶和未预先脱脂牛奶在不同p H(4.5、4.6、4.7、4.8、4.9)条件下沉淀酪蛋白的效果,得出了先离心脱脂,然后在p H 4.6的条件下进行酪蛋白凝集,最后在离心管中悬浮沉淀洗涤,可以达到最佳的提取效果,得率和纯度分别是98.58%和97.52%.实验结果表明,该法操作简单,可有效提高酪蛋白的提取效果和纯度,缩短提取时间,实验教学效果良好.     

基于降维的堆积降噪自动编码机的表情识别方法

堆积降噪自动编码机是一种典型的深度学习模型,它能够刻画数据丰富的内在信息,具有较强的特征学习能力。基于主成分分析（principal component analysis,PCA）技术和堆积降噪自动编码机（stacked denoising autoen-coders,SDAE）模型,提出一种新的表情识别算法PCA＋SDAE。该算法对人脸图片进行裁剪及归一化等预处理,采用主成分分析技术对人脸特征进行线性降维,再利用堆积降噪自动编码机逐层进行特征学习并同时实现对人脸表情数据的非线性降维,可以得到更好的、维度更低的表情特征,并据此进行表情分类。对PCA＋SDAE算法的仿真测试实验结果表明,其综合性能比其他的基于深度学习模型的表情识别方法更好,同时与传统的非深度学习表情识别方法相比,它具有更高的表情识别正确率。     

既有桥梁结构混凝土现存应力测量与分析

混凝土实际应力水平是反映混凝土结构受力状况的最重要的指标之一,从而也是反映混凝土结构功能可靠性的主要指标,因此利用应力释放的力学原理,检测了既有结构混凝土应力,结合桥梁梁薄壁结构的受力特点,以混凝土保护层为工作对象,检测混凝土桥梁的水存应力,属无损检测范畴,室内模型试验验证了该方法的正确性和可靠性,并获得温度影响规律,在安徽五河－淮河大桥实桥应用中获得理想结果。     

浅谈高校的意识教育

通过对高校意识教育中普遍存在的问题的思考,就如何搞好高校意识教育作了探索。     

Fe1-xCox合金电子结构和磁性的理论研究

Fe1-xCox合金的磁性强烈依赖于合金的结构以及合金中Fe、Co的含量．该文从第一性原理出发,应用线性缀加平面波(LAPW)的方法,计算了Co含量分别在x=0．00,0．25,0．50,0．75,1．00时合金的电子结构和磁性．随着x值的增大,合金中原子总的平均磁矩和Fe原子的平均磁矩都呈现出先增加后减小的趋势,而Co原子磁矩在不同成分下基本保持不变．计算结果和试验结果较好地解释了Fe1-xCox合金的磁学性质．     

基于不完备信息系统的文本分类研究与应用

在文本分类中,文本特征向量通常高达几千甚至上万维,给整个分类过程带来了相当庞大的计算量,因此进行有效的降维处理是非常重要的。在不完备信息系统理论的基础上,结合文本分类的特点,提出了一种量化容差关系和启发式的属性约简算法。实验证明该属性约简算法不仅能有效地降低文本特征向量的维度,同时能保证分类的正确率。     

致密砂岩填隙物特征及其对储层的影响

鄂尔多斯盆地中北部二叠系山1 盒8 段为一套富含同沉积火山物质的致密砂岩,与普通的陆源碎屑岩相 比,其填隙物类型多样、成分复杂、成岩演化程度高。填隙物主要包括同沉积火山灰、黏土矿物、碳酸盐胶结和交代 物、硅质胶结物和少量细云母屑、泥屑、碳屑。针对致密砂岩中填隙物与孔隙演化相关性问题,在储层岩石学特征分析 的基础上,利用铸体薄片、扫描电镜及阴极发光等分析测试手段开展了填隙物的成因、特征、成岩演化等方面的研究。 研究表明,孔隙中充填的同沉积火山灰物质是次生溶孔形成的主要母质,而晚成岩期的铁方解石胶结物使残留的孔隙 再次遭到强烈的破坏,含一定量淀高岭石的储层孔隙相对发育。     

单通道同频混合信号时延高效估计方法

针对单通道同频数字混合信号时延估计问题,提出了一种数据辅助的方法,将整个估计流程分成了基于数据辅助的时延粗估计与基于最大似然的时延精估计两个过程。该方法克服了以往基于最大似然同频混合信号时延估计的很多弊端,改进了搜索方式并探讨了消除时延模糊的方法,提高了估计精度。最后又分析了性能界,为本文方法的性能分析提供了理论依据。该方法较依赖于两路时延差,对频偏误差不敏感,仿真实验验证了该方法的有效性与实用性。     

基于主成分分析和极端学习机的测谎方法研究

为了克服当前基于P300的测谎方法训练时间长、个体识别准确率不够高的缺点,提出了将主成分分析(Principal component analysis, PCA)和极端学习机(Extreme Learning Machine,ELM) 相结合的PCA_ELM测谎方法.该方法使用典型的三刺激测谎范式,记录30名随机划分的撒谎和无辜者在Pz电极上的脑电(EEG)信号, 选择探针刺激响应并对每名受试者的每5个响应波形进行平均,然后对两类信号提取小波特征.PCA被用于对原始特征空间进行特征选择.降维后的特征样本被送到ELM分类器,该分类器学习速度快,泛化能力强,但是对于其隐层节点数的指定一直未有有效的解决方法.我们通过对特征子空间的维数和ELM的隐层节点数进行二维的网格搜索算法,基于交叉验证的方法,对两个参数进行同步优化选择,训练得到最佳参数下的分类模型.实验结果表明,提出的PCA_ELM方法不仅在训测谎准确率上高于当前的广泛使用的分类模型,而且训练时间大大缩短,尤其适合于在线的测谎系统.