地表剩余沉陷的预计方法

将ＳｕｌｓｔｏｗｉｃｚＡ．假说引入预计地表静态位移变形式中，提出了预计地表剩余位移变形的方法，并以此为基础编制了ＹＬＨ－８预计程序，给出了该程序对实例的处理方法及由图形数据差值法得出的剩余位移变形等值线分析图。     

冲击中的弹簧杆系统

本文应用能量法，求解弹簧与杆件组成的系统在冲击作用下动荷系数ｋｄ计算。为了减少构件的动应力而采取增加弹簧、垫块或增大被击物质量等措施。并说明了理论Ｋｄ比实际的动荷系数大     

全息合束器消闪烁及光线追迹的简化

论述了全息合束器的闪烁及其产生原因。讨论了全息光栅光线追迹的两种方法，指出当光栅条纹平行于表面时，这两种光线追迹的结果是一致的，并且可简化为；     

一种新的高阶全极点TC带通滤波器

提出五种高阶全极点跨导电容带通滤波器设计方法。该滤波器与ＭＯＳ工艺兼容，便于单片集成。文中给出了带通滤波器的设计实例和ＰＳＰＩＣＥ模拟分析，说明此滤波器可行。     

空区膏体充填泵送特性及减阻试验研究

基于管流流动基本理论,对空区充填用膏体的水平环形试验管路流动阻力进行了理论分析.为了检验理论分析结果的正确性和外加剂对减少膏体泵送阻力的作用,在现场90 m的水平环形管路中进行了由混凝土泵驱动的充填膏体输送阻力试验.结果表明,该充填膏体可以划归为宾汉姆流变体,基于宾汉姆流变体理论取得的公式能够预计膏体输送过程中的泵压损失,提供试验的泵送外加剂能够显著地降低膏体的泵送阻力.图4,表1,参16.     

非线性动态网络/系统（N/S）模型辨识与故障诊断

采用方波脉冲函数变换（BPFT）对一类非线性动态N/S混合模型(H1,B)进行了辨识，导出了计算混合模型（H1,B）的相关公式和N/S响应的伏特劳级数解在方波域内的离散递推算式，解决了一类非线性动态N/S模型的数值计算问题.在此基础上，提出了一种基于多重预置模型的非线性N/S的故障诊断方法，该法通过检验各个预设模型与N/S当前状态的匹配程度来判断N/S是否处于某种故障状态，而无须在线估算N/S当前的模型及分析其特征，从而极大地减轻了在线计算工作量，可实现在线故障诊断.给出了故障诊断实例，实验结果表明该法故障诊断的准确率达到80％～90％.     

三维石墨烯/L-胱氨酸复合物修饰电极的制备及对氯氮平的测定

采用滴涂法制备三维石墨烯/L-胱氨酸复合物修饰电极(3DGR/L-CysS/GCE),并用电化学交流阻抗谱(EIS)和扫描电镜(SEM)对电极材料进行表征.以循环伏安法(CV)、恒电位库伦分析法(CPC)、差分脉冲伏安法(DPV)和计时电量法(CC)研究了氯氮平在该修饰电极上的电化学行为.实验结果表明:在pH6.8的Na_2HPO_4-NaH_2PO_4溶液中,氯氮平在3DGR/L-CysS/GCE上是单电子和单质子转移的电化学反应,在2.0×10-5~5.0×10-4 mol/L浓度内,氧化峰电流与氯氮平的线性关系良好,其检出限(S/N=3)为1.21×10~(-6) mol/L.样品测定的回收率为97.5%~100.8%.     

新合成核素~(223)Np及其α衰变链上核素的半衰期计算

基于α衰变的两势方法理论模型,采用考虑了同位旋效应的唯象cosh型α-子核核势和考虑了壳效应及质子—中子相互作用的α预形成因子解析式系统地计算了最近新合成的短寿命核素223Np及其α衰变链上核素α的衰变半衰期.计算结果表明,采用考虑了壳效应及质子—中子相互作用的α预形成因子的α衰变半衰期的理论计算结果能更好地符合实验数据.这项工作可以作为将来实验和理论研究α衰变及核结构的参考.     

基于动态可调簇的无线传感网络能量感知数据存取算法

针对无线传感网中数据收集、存储和查询的需要,提出了一种基于动态可调簇的能量感知数据存取算法ACEDBA(Adjusted Cluster-based energy-aware Data Brokerage Algorithm).该算法将网络节点分成许多簇结构,簇内节点负责数据采集,簇首节点负责簇内数据的收集、汇聚和转发,数据可以集中存储,也可以分布存储在各簇首节点或本地存储.算法引入能量分级消耗机制,可动态选择和调整簇首节点,保证各簇首节点簇内数据存储和簇间数据转发查询的能量平衡.实验结果表明,与典型数据存取算法相比,该算法的节点能耗均衡、生命周期和查询成功率方面具有优势.     

云环境下应用感知的动态重复数据删除机制

针对传统在线/离线重删对云存储系统中重删效率不高的问题,采用混合重复数据删除(Hy-Dedup)机制,通过融合在线和离线两种方式进行有效的数据重删。该方案在线重删阶段根据负载类型对指纹索引进行聚类分组,设置不同重删阈值来评估数据流的空间局部一致性,提高了缓存命中率;离线重删阶段采用延迟敏感的方法,对在线阶段缓存没有命中的重复块进行精确重删。通过这种混合方式在保持系统的I/O性能和吞吐量的前提下,显著减少了写入云存储的重复数据量。实验结果表明,与iDedup机制相比,Hy-Dedup机制可将在线重删率提高35.9%,磁盘空间需求减少41.36%,并且能够在云存储系统中实现高准确率的重删,提升重删效率,节省存储空间。