淮河沉积物总磷和重金属沿程变化及污染评价

为了探究淮河沉积物中污染物的分布规律、来源及污染程度,于2014年7月沿淮河中下游设置16个采样断面,现场采样并检测沉积物中总磷(TP)质量比和重金属(As、Cu、Pb、Cd、Zn)的质量比,分析沉积物中污染物的沿程分布及来源并对污染状况进行评价。研究结果表明,淮河中下游沿程各城市下游断面沉积物中污染物平均含量比上游断面高;污染物来源分析表明,所有污染物均受到点源污染的影响,其中TP和Cu受到点源污染和面源污染的共同影响;单因子标准指数法对沉积物磷污染评价结果表明,淮河干流沉积物环境质量受磷的污染相对较轻;对重金属潜在生态危害程度分析表明,无论是单个重金属的生态危害程度还是综合生态危害程度都为轻微。     

深度学习在引力波数据处理中的应用初探

截至2018-01-16,LIGO已成功探测引力波事件6次.可以预期,引力波探测事件会越来越多,引力波天文学会很快进入到大数据阶段.深度学习在大数据处理方面近年来得到迅速发展.它在数据处理速度,准确度等方面都表现出极大的优势.深度学习在引力波数据处理中的应用讨论还不多.本文引入此问题,并对其进行初步研究.引力波数据最大的特点是强噪声、弱信号.现行的数据处理方法是利用匹配滤波的方式把引力波信号从强噪声中挖掘出来.同时,匹配滤波方法还可以确定引力波源的性质,定量确定其参数.匹配滤波方法的弱点是计算量巨大.这导致数据处理速度很慢.对于将来的大数据引力波天文学,这更将是一个巨大的隐患.匹配滤波方法的另一个潜在问题是,完备准确的理论波形模板是其工作的前提条件.这个潜在问题的后果是很难找到理论预期之外的引力波信号.深度学习的数据处理方法有可能在这些问题上提供出路.同时,深度学习也会遇到其自身的若干困难和问题.本文将从网络结构、训练数据制备、训练优化、对信号识别的泛化能力、对数据的特征图表示以及对特征数据遮挡的响应等方面来展开讨论.     

基于组合赋权法的岩质边坡稳定性敏感因素研究

边坡稳定性评价是一个涉及多因素、多层次的高度非线性系统。针对影响边坡稳定性因素的复杂性和不确定性以及敏感因素区分度的不显著性,结合G316抚州资溪花山界至南城黄狮渡段公路改扩建工程,以岩质边坡内部参数、几何形状以及外部荷载所包含的7个因素作为稳定性敏感分析对象。通过有限元强度折减法和单因素分析法确定评价指标因素的敏感度,得出两两因素间的相对重要程度关系,利用层次分析法将定性、定量分析相结合,合理确定各因素的权重。通过岩质边坡原始数据间的关系,运用熵值法来确定各因素的变异性和权重,最后借助主客观组合赋权法对各因素权重进行赋权,确定对边坡稳定性最为敏感的因素,以期为边坡治理和优化设计提供参考。     

排土场边坡整体稳定性的极限平衡法计算与可靠度分析

在二维条件下,采用极限平衡法分析排土场安全稳定性,创新性地将二维条件下的极限平衡法分析结果,简单地转换为可描述三维整体环境中的排土场安全稳定性,采用Monte-Carlo随机抽样方法对鞍钢集团齐大山铁矿风水沟排土场岩体强度的随机分布参数进行了研究,对排土场边坡破坏的风险进行了评价。     

左截断右删失数据下尺度参数与协变量相关时广义指数分布的估计及应用

在左截断右删失数据类型下,当时间变量T服从广义指数分布时,针对尺度参数是否受协变量影响建立两种模型,并用极大似然估计法给出参数估计,用Newton-Raphson算法求解参数估计.将两种模型分别应用到变压器寿命数据集和Channing house数据集中,得到了其生存函数和风险函数.     

数据质量维度与框架研究综述

为了对数据质量维度有一个全面、清析而准确的定义,便于在领域层面达成一致,也为从现存的数据质量管控技术架构中选择出合适的框架提供依据,对数据质量的发展历程和维度以及其管控框架进行了全面的研究。通过研究明确了复杂的数据质量维度指标,按其名称和定义提供一套比较全面的数据质量规范,并对其质量管控技术框架进行了综合研究与对比。该研究能科学地指导具体应用需求选择合适的数据质量框架和比较全面的数据质量维度实现对数据的评估,同时可节省大量的时间,减少人力和物力支出。     

n个n维向量的等价性质及应用

基于"线性代数"课程的特点和在线优质资源辅助教学的推广,利用矩阵方法讨论了向量组的线性关系与行列式的值、矩阵的秩、初等变换、线性方程组的解和矩阵的特征值等问题之间的内在联系,建立了关于n个n维向量的一系列等价性质;最后,举例说明了系统掌握这些等价结论在解决一些综合性的考研试题方面的应用。     

重删环境下双 B-树索引性能优化研究

为了减少重删环境下磁盘访问次数,提高重删系统的读取性能,提出了一种基于双B-树的索引结构DBIS(Double B-tree Index Structure).DBIS由两种结构不同的B-树构成,B-tree-1通过优化B-树结构,提高检索效率;Btree-2则在B-树的基础上,结合改进的LRU算法构成优化的索引结构,提高了检索命中率.实验验证了DBIS的有效性和优越性,达到了对重复数据删除系统读性能优化的目的.     

大数据下的智慧校园建设研究——以“智慧甘农”为例

随着大数据、云计算等新型信息技术的广泛应用,数据迎来了井喷式的增长阶段,大数据的应用受到了更多的关注。本文介绍了在大数据背景下甘农智慧校园建设的现状,分析了智慧甘农在目前建设过程中所面临的问题,提出智慧校园建设思路及智慧校园建设的总体框架,并对其应用进行了研究分析。     

二值响应数据贝叶斯中位数估计

中位数回归是一种稳健的估计方法,在实践中有着广泛应用.基于贝叶斯方法研究二值响应数据的中位数估计问题,通过引入合适的潜在变量得到了贝叶斯层次模型,进而得到易于后验抽样的吉布斯抽样程序.为验证新方法估计的稳健性,通过大量数据模拟,并与已有方法进行比较,得到了满意的结果.最后实例数据分析进一步证明了所提方法的有效性.