万岩基性火山-侵入杂岩的地球化学及其构造背景

万岩基性火山-侵入杂岩地处湖南省古丈县境内,江南古陆的西北缘,主要由超浅成的辉长-辉绿岩、基性熔岩和火山碎屑岩所组成。岩石化学和微量元素、稀土元素以及钕同位素地球化学研究表明,万岩基性火山-侵入杂岩属碱性-钙碱性系列的板块内部(即大陆内部)火山作用的产物,形成于雪峰期大陆拉张伸展构造背景之下。     

西藏亚勒-雄勒断裂带侵入岩体地球化学特征及构造成因

亚勒—雄勒断裂带是冈底斯板块与羌塘板块的分界断裂带 ,是班公湖—怒江断裂带中段的组成部分。对断裂带侵入岩岩体的岩石类型、岩石化学特征、岩石地球化学特征的研究表明 ,侵入岩石主要为闪长岩、石英闪长岩、角闪石闪长岩和花岗岩 ,属钙碱性岩石系列 ,具“Ⅰ”型花岗岩特征。其形成是由于在冈底斯板块与羌塘板块碰撞过程中 ,地壳物质发生熔融而沿断裂带侵入所致 ,为燕山晚期产物     

关于岩石的动静态侵入断裂

对岩石、玻璃和陶瓷等脆性材料的动静态侵入断裂实验及理论研究现状进行了总结和评述。以实验结果为依据,描述了岩石在动静态侵入载荷作用下所产生的裂纹类型及其形成与扩展过程;讨论了用半经验,半理论方法建立的裂纹长度与侵入载荷(或压头冲击速度)之间的关系。最后指出了上述研究结果在岩石力学参数测定及凿岩机具设计与研制中的一些应用。     

徐淮地区早侏罗世侵入杂岩体中榴辉岩类包体的发现及其地质意义

分布于皖北和苏北徐淮地区的早侏罗世侵入杂岩体主要由二长闪长斑岩组成，其形成时代为191Ma，岩体中含有大量的榴辉岩类包体，主要由榴辉岩和石榴辉石岩组成，它们经历了榴辉岩相高压变质和角闪岩相退化变质两个阶段。包体榴辉岩中的石榴石以铁铝榴石为主；单斜辉石主要是绿辉石和普通辉石。矿物组合及温度和压力计算结果表明，该类包体榴辉岩相变质的温度和压力条件为大于1.2-1.5GPa和709-861℃；角闪岩相退化变质的温度和压力条件为0.70-1.03GPa和666－738℃，该类高压捕虏体的发现不仅对了解华北陆台南缘深部陆壳的物质组成与结构具有重要意义，而且可能对认识大别－苏鲁超高压变质带的俯冲－碰撞－折返演化过程产生重要影响。     

颗粒堵塞与滤液侵入地层的数学模型初探

本文在分析、研究额杜及滤液侵入孔隙机理的基础上,对颗粒及滤液在静态、动态条件下侵入地层而使地层受到损害的一维、二维数学模型进行了研完,建立了各种井下条件的数学模型,并结合室内实验时模型进行了验证。     

基于人因可靠性的跑道侵入风险定量分析研究

将认知可靠性与失误分析(Cognitive Reliability and Error Analysis Method,CREAM)方法应用于跑道侵入风险评估.首先,分析了跑道侵入定义,在此基础上将跑道侵入按失误类型分为运行失误、飞行员偏差和车辆驾驶员偏差三种;其次,提出了一种跑道侵入风险评估的新方法,构建了基于人的可靠性的跑道侵入风险评估模型;最后,论述了模型中参数的计算方法,应用CREAM方法分别计算了飞行员、空管员以及车辆驾驶员在预防跑道侵入方面的失误概率.应用实例说明了本模型的合理性和可行性.     

基于改进非局部注意力模块的非侵入负荷辩识

针对目前基于深度学习的非侵入式负荷辩识领域中存在的模型复杂度高、参数量大及获取长距离特征间依赖关系的能力弱等问题,提出一种基于注意力机制的轻量级负荷辨识模型．该模型以低时间维度的设备电流信息为输入,通过引入改进非局部注意力模块建模不同时间电流的特征关系,建立轻量级的时间残差卷积神经网络．在公开PLAID(即插设备标识数据集)和WHITED(全球家庭和工业瞬态能源数据集)上的实验表明：在设备识别率分别达到97.32%和99.32%的情况下,模型的计算量低至4×10⁵,且模型的参数量小于5.2×10⁴.     

基于LHS-CPSE的非侵入式边坡可靠性分析方法及其应用

边坡可靠性分析大多以侵入式随机有限元法为主,具有抽样次数多、耗时长、通用性差等缺点,而非侵入式可靠度分析方法能够很好的解决上述问题。本文提出一种基于LHS~CPSE的非侵入式边坡可靠性分析方法（简称LHS~ CPSE法）,并以西北地区某公路边坡为案例验证LHS~CPSE法的可靠性,同时将其应用在坡体开挖方案决策中。研究结果表明：LHS~ CPSE法与直接蒙特卡洛法结果非常接近,验证了该方法准确性和可靠性;3阶CPSE随机展开模型较2阶CPSE随机展开模型计算精度略高0.23%,但前者的计算效率是后者的1/3,兼顾精度和效率推荐采用2阶CPSE随机展开模型;随着Ⅰ级边坡平台宽度的增加,开挖量与边坡平均安全系数呈递增趋势,但可靠度呈“先急剧增大,再趋于稳定”的态势,兼顾工程造价与安全考虑,其边坡平台按照4.5 m设计较为合理;LHS~CPSE法能够快速准确的计算边坡的可靠度,可以为边坡设计和决策提供技术支撑。     

A Heuristic Clustering Algorithm for Intrusion Detection Based on Information Entropy

0Introduction Withmoreandmorestudyingprojectsapplythedataminingtechnologytointrusiondetection,agreatdealofdataminingalgorithmsforintrusiondetectionhavebeenre alized[1],thetypicalis:associationruleminingalgorithm,frequencysceneruleminingalgorithm,classificationalgo rithm,andclusteringalgorithm.Thefirstthreealgorithmofthosebelongto“thesupervisedstudying”,whichneedatrain ingdatasetofgoodqualityandwithmarking,butitisnoteasyusuallytogetthetrainingdataset[2].However,cluste ringalgorithmis“theunsu…     

A New Detection Approach Based on the Maximum Entropy Model

The maximum entropy model was introduced and a new intrusion detection approach based on the maximum entropy model was proposed. The vector space model was adopted for data presentation. The minimal entropy partitioning method was utilized for attribute diseretization. Experiments on the KDD CUP 1999 standard data set were designed and the experimental results were shown. The receiver operating eharaeteristie（ROC） curve analysis approach was utilized to analyze the experimental results. The analysis results show that the proposed approach is comparable to those based on support vector maehine（SVM） and outperforms those based on C4.5 and Naive Bayes classifiers. According to the overall evaluation result, the proposed approach is a little better than those based on SVM.