基于弦振动测量金属细线的线密度

提出了一种测量金属细线线密度的新方法,并对测量原理、公式进行了较为详细的推导,将测量结果与标准值进行了比较.从测量结果可知,其相对误差较小,说明利用该方法测量细线的线密度确实可行.     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

连续刚构铁路桥收缩徐变效应监测与分析

对连续刚构铁路桥箱梁温度场及桥梁线形进行长期、连续监测,通过主梁跨中下挠的理论与实测对比揭示了连续刚构铁路桥收缩徐变效应。对比了国内外常用收缩徐变估算模型,选择CEB-FIP徐变模型对黄河特大连续刚构桥进行了有限元分析。采用实测温度数据,以箱梁内测温度、外侧温度、顶底板温度梯度、左右侧温度梯度作为箱梁温度场的评判指标,对箱梁1年内的四季温度场分布进行分析。在基于相同温度场的条件下,通过理论值与实测值对比,发现分析成果与实测结果较吻合,说明混凝土的收缩徐变是引起连续刚构铁路桥跨中下挠的主要原因,对比结果还说明通过改善箱梁顶底板应力差能够改善收缩徐变长期效应。     

基于三维点云的岩体结构面自动分类与参数计算

结构面间距是岩体稳定性和力学特性分析中的一个重要参数，在岩石力学、采矿工程、边坡监测等领域的数值计算中广泛应用.本文以岩体边坡露头为研究对象，基于非接触测量获得的三维点云数据，提出一种基于密度聚类的结构面细化分类方法；在结构面粗略分组提取的基础上，通过投影变换、散乱点拟合等算法，求得结构面间距和岩体体积节理数.设计开发了结构面细化分类及间距等参数计算与分析原型系统，实际案例分析表明，本文方法可有效实现结构面的自动细化分类，并能够计算出间距等相关参数，可为岩体质量分级和岩体稳定性分析等提供方法支撑.     

基于培养卓越应用型人才的线性代数问题驱动与案例任务教学模式改革

本文分析了现行线性代数的教学问题,提出了问题驱动与案例任务相结合的教学模式,并以两个案例来说明了此种教学模式的优越性,培养了学生的应用和创新能力,提高了学生的学习兴趣与课堂教学质量.     

金属间化合物(Mg,Zn)_(12)Ce与(Mg,Zn)_(11)Ce的研究

对300℃时Mg-Zn-Ce系富镁侧化合物的成分特征、结构和相平衡关系进行了研究.结果表明,Mg-Zn-Ce富镁角存在一个Mg12Ce的二元置换固溶体(Mg,Zn)12Ce,还存在一个三元线性化合物(Mg,Zn)11Ce(τ相).(Mg,Zn)12Ce中Zn的范围为0~7.3%(原子分数),其晶体结构为体心四方晶格.三元线性化合物τ相含Zn为8.5%~43.5%(原子分数),其晶体结构为C底心正交晶格.(Mg,Zn)12Ce和τ相均与α(Mg)存在稳定的两相平衡,且在Mg-Zn-Ce系富镁角还存在三相平衡Mg+(Mg,Zn)12Ce+τ.     

大尺寸工程模型试验中的相似材料配比试验研究

大型物理模型试验是研究复杂工程问题的重要方法，如何快速、准确地确定相似材料配比是试验中至关重要的一环.为降低试验成本、简化试验步骤、充分调用原料性能，采用河砂、水泥和石膏这三种最普通的原料，以骨胶比(河砂与水泥石膏的质量比)和水膏比(水泥与石膏的质量比)为变量，进行了45组对比试验，对相似材料的物理及动、静力学参数进行了研究.获得了以河砂、水泥和石膏为原料配制的相似材料各物理量的变化区间；探讨了骨胶比和水膏比对相似材料各物理量的控制作用，并对比了其敏感性；基于多元线性回归分析建立了各因素与物理量间的定量关系，得到的拟合公式能较好地描述相似材料的性质.     

化学方程式配平的矩阵解法

基于矩阵解方程的理论，定义出了一个化学元素矩阵，从而找到了一种配平化学方程式的新方法，称之为矩阵解法。     

工艺规划系统中动态模式分类的研究

提出了工艺规划系统中动态模式分类（pattern classification）的概念，介绍了模式分类判定树和动态模式分类的基本原理，并对动态模式分类的聚类质量标准进行了研究。动态模式分类是基于实例归纳（case based reasoning,CBR)的自动分类过程，具有自学习和自完善的功能。     

Solving Non-Uniqueness in Agglomerative Hierarchical Clustering Using Multidendrograms

In agglomerative hierarchical clustering, pair-group methods suffer from a problem of non-uniqueness when two or more distances between different clusters coincide during the amalgamation process. The traditional approach for solving this drawback has been to take any arbitrary criterion in order to break ties between distances, which results in different hierarchical classifications depending on the criterion followed. In this article we propose a variable-group algorithm that consists in grouping more than two clusters at the same time when ties occur. We give a tree representation for the results of the algorithm, which we call a multidendrogram, as well as a generalization of the Lance andWilliams’ formula which enables the implementation of the algorithm in a recursive way. The authors thank A. Arenas for discussion and helpful comments. This work was partially supported by DGES of the Spanish Government Project No. FIS2006–13321–C02–02 and by a grant of Universitat Rovira i Virgili.