经桡动脉冠状动脉介入治疗132例冠心病患者的护理体会

目的：探讨经桡动脉冠状动脉介入治疗的护理体会．方法：采用回顾分析方法,对132例不稳定心绞痛或心肌梗塞及拟诊断为冠心病介入检查治疗者进行分析．结果：132例中均无腰痛、腹胀、排尿困难等,平均住院9天．术后3小时穿刺口出血28例,穿刺口渗血、皮肤青紫24例．筝论：经桡动脉介入治疗优点多,病人康复快,并发症少”     

马尾松木材的横向渗透性

分析和讨论了影响马尾松木材渗透性及其各向异性的机理。对马尾松木材的径向气体渗透性和弦向气体渗透性进行测量,发民尾松木材的径向和弦向渗透性是由边材向心材逐渐减小,并随着含水率的下降而升高。马尾松木材的径向渗透性大于弦向渗透性。     

含沙水流对离心泵叶片局部磨损破坏的数值分析

为了研究离心泵叶片出现局部磨损破坏现象的原因,以甘肃景电二期所用的1200S56双吸离心泵为研究对象,基于Navier-Stokes方程和标准的k-ε湍流模型,利用Fluent软件对双吸离心泵固液两相流动进行数值模拟,通过对比清水工况下的实验和数值模拟结果,发现泵的扬程和效率误差均在3%以内,验证了数值模拟的可行性与准确性。通过分析在输送不同流体(清水和含沙水)时泵的内部流场发现:离心泵在不同工况运行时,回流出现在叶片的位置不同。大流量工况的会留位置与叶轮实际磨损位置一致。回流引起的磨损是导致离心泵叶片入口位置穿孔破坏的主要原因。     

混沌序列PSO-RBFNN耦合模型在滑坡监测中的应用-杨虎

滑坡位移系统的发展演化受到多种不确定性因素的影响,可能存在非线性特征。而同时包含了确定性和非确定性分析的混沌理论,能有效阐释滑坡位移序列的复杂的非线性过程。因此本文首先对滑坡位移序列进行混沌分析,揭示其内在演化机理;在相空间重构的基础上,再采用拟合和泛化能力较好的径向基网络（RBFNN）对其位移值进行实时动态预测,针对RBF网络存在参数选取困难的问题,运用粒子群算法（PSO）对RBF网络的参数进行优选。提出了基于混沌理论的PSO-RBFNN滑坡位移预测模型。经过实例验证,并与粒子群优化的BP神经网络（PSO-BP）和单独RBF网络进行对比,表明滑坡位移序列确实存在混沌特性且PSO-RBFNN模型预测精度更高、效果更好。     

基于径向基函数网络的人脸识别

提出了利用径向基函数网络(RBF)识别人脸的方法,分析了其识别原理,讨论了网络结构的设计,给出了各层节点,隐居中心向量及形状参数的选取原则,并针对ORL人脸库的多幅人脸图像进行了识别实验。实验结果表明,RBF网络的识别效果较好,且其学习算法要比BP网络的学习算法简单。     

基于FLUENT的双蜗壳离心泵径向力数值分析

利用CFD软件Fluent对HD型石油化工流程泵的不同工况作流场计算.采用雷诺时均方程和标准κ-ε湍流模型,压力和速度耦合采用SIMPLEC算法,对双蜗壳离心泵内部流场进行模拟,分析了双蜗壳泵静压力和速度场的分布规律,并对径向力进行了计算分析.通过模拟计算发现,数值模拟计算外特性曲线与试验曲线趋势一致,两者相对误差小于10%,说明应用数值计算结果建立的离心泵径向力计算模型具有一定的准确性.利用离心泵径向力的数学计算模型,得出各个工况下叶轮所受的径向力的大小和方向.结果表明,双蜗壳结构泵能有效地减小径向力,在设计点运行时径向力最小且不为0,偏离设计工况下径向力逐渐增大,但不同工况下径向力的变化不大,验证了双蜗壳能有效地平衡径向力.     

辐射沙脊群地貌因子自动提取模型

使用常规遥感图像处理方法提取江苏沿海辐射沙脊群地貌因子,需要大量的人工解译工作,费时费力效率较低。研究使用Model Builder建模工具构建沙脊群地貌因子的自动提取模型,实现了地貌信息的一站式实时提取,避免多次重复工作,能够快速有效地得到较为准确的地貌因子。依据辐射沙脊群水边线、沙脊中心线自动化提取算法,在模型中集成了遥感图像处理和GIS的数据转换与空间分析功能。使用三期Landsat TM影像进行了提取试验;并将结果与原影像、传统目视解译方法获得的地貌特征数据进行了比较验证。结果表明,该方法有较高的实用意义,在水边线、沙脊中心线信息提取速度快、精度较高。     

水力喷射径向水平井技术在煤层气开发中的应用

为了解决煤层气地面钻井中钻井、固井及压裂造成的污染而产生的近井堵塞,采用水力喷射径向水平井技术,打通污染及堵塞带,沟通煤储层的裂缝系统。结果表明:将这一技术引入煤层气开发中,对因近井带污染等因素造成煤储层渗流通道不畅的煤层气井,即可以实现解堵作用,又可以沟通近井带以外的更多微裂隙及裂缝,降低流体流动摩阻,提高通道导流能力,达到气井增产的目的。该项工程工艺技术为煤层气地面钻井开发提供了一项新的增产措施和方法。     

基于改进的模糊聚类的RBF网络的设计

通过减法聚类与模糊c-均值聚类相结合的方法确定RBF网络隐层数据中心,用最小二乘法训练RBF网络的输出权向量,最后通过函数逼近的仿真实验来说明文中的聚类方法较以前的其它聚类方法效果更好更稳定。     

引入收益因素的RBF神经网络及其应用

考虑到投资者的主要目的是盈利这一重要因素，提出了一种改进的径向基函数(RBF：Radial basis function)神经网络方法。在RBF网络的误差函数中增加了利润、时间和趋势信息，并采用基于梯度下降的误差纠正算法对网络进行训练。对股市综合指数进行预测的结果表明，该方法在提高投资收益的意义下，提高了神经网络模型在金融领域的预测性能。