膨润土液性极限的测定方法及实际意义

本文介绍了液性极限测定仪的使用方法及原理;阐述了测定膨润土液性极限的实际意义;对液性极限与膨润土的其它性能的关系进行了分析与总结;通过试验说明了用液性极限法可以比较容易准确地测出膨润土的极限活化量。     

考察Kerr-Newman黑洞事件视界的稳定性

建立了一个假想实验来考察Kerr－Newman黑洞事件视界的稳定性．作者试图靠掉入试验粒子来增加黑洞的角动量和电量，从而破坏黑洞的极限条件．但是无论试验粒子出发点离黑洞远近怎样，任何破坏黑洞事件视界稳定性的过程都被禁止Kerr－Newman黑洞的事件视界是稳定的．     

关于函数超越性的一个定理

对于代数函数列的极限的超越性，我们给出了一个定理．     

浅谈Taylor公式的应用

Taylor公式在高等数学中占有很重要的地位，它的应用非常广泛，通过举例阐述了其在极限、近似计算、不等式证明、等式证明等方面的应用及解题技巧。     

有关某旧路改建工程中强夯法的施工技术

对于回填土厚、结构松散、极不均匀、压缩量大的基层处理工程，采用强夯法是较为经济、可行的加固处理方法。     

优化小波神经网络停车泊位多步预测

【目的】通过改进停车泊位预测方法为交通出行提供有益帮助。【方法】利用李雅普指数对停车泊位序列进行分析,指出序列具有混沌特性,可进行多步预测。利用db32小波函数具有双正交性、紧支撑性以及消失矩阶数较大的特征,对归一化的停车泊位序列进行多尺度分解与重构,并作为小波神经网络(Wawelet neural network,WNN)的隐含层函数。为提高预测精度和降低预测时间,分别使用粒子群算法(Particle swarm optimization,PSO)和极限学习机(Extreme learning machine,ELM)来优化WNN。其中,使用PSO对WNN的权值进行调整,逐步迭代得到最优值;使用ELM将全局最优值作为单隐层前馈神经网络的输入,使得算法尽快收敛。优化后的WNN结合迭代多输出法对停车泊位进行预测。将上述预测方案称为极限学习机和粒子群算法双重优化的小波补缀网络多步预测(Multi-step prediction based on wavelet neural networkimproved by extreme learning machine and particale swarm optimization,MP-EPWNN)。【结果】仿真实验表明,相对于BP神经网络、遗传算法优化小波神经网络、极限学习机优化小波神经网络、粒子群优化小波神经网络4种算法,MP-EPWNN算法的预测均方误差平均降低了96.6%,预测所需的时间平均降低了65.97%。【结论】MP-EPWNN算法预测停车泊位是有效的。
     

地基沉降量计算方法探讨

建造在地基土层上的建筑物要引起地基变形，若变形过大，会引起建筑物的裂缝。     

级数项解场法分析弹性地基板弯曲问题

通过对满足特定边界条件的Ｆｏｕｒｉｅｒ级数求得权的守备解。从而，此级数的每一项皆为齐次方程的特解，用它们来构造定解方程，求解原问题。算例表明，本方法算效高，精度好。     

软土地基沉降机理与计算方法分析

自１９２３年Ｔｅｒｚａｇｈｉ固结理论问世以来，对软土地基沉降机理和计算方法的分析层出不穷，从简单的半经验公式和图表法到计算机技术推进的数值分析，不一而足．回顾这些方法的发展，评述它们的优缺点、适用条件和指标选取对实际问题的解决有重要意义．每一种计算方法都有其实效性和可操作性，其实施的关键是对软土性状描述的正确性，未来计算方法应向表述简单，使用方便，同时含瞬时、主固结和欠固结三种沉降量计算的方向努力．