扎实推进创新型城市建设 加快滁州调结构转方式促升级步伐

<正>自启动创新型城市建设以来,滁州市以《创新型城市建设方案》为指针,围绕企业、项目、园区"三个核心",突出企业主体、创新载体、产学研一体"三体建设",大力实施创新驱动发展战略,扎实推进创新型城市建设,加快滁州调结构转方式促升级步伐。一、滁州市推进创新型城市建设主要做法及成效1.着力加强创新载体建设     

软岩穿煤巷道底板注浆加固治理方案及效果分析

<正>软岩穿煤巷道底臌是煤矿开采过程中常见的一种现象,严重制约矿井生产,且维护费用较高,通过注浆加固可以有效控制底臌的发生。淮北矿业集团信湖煤矿在软岩巷道注浆治理成熟的基础上,通过调查、分析底板变形特征及注浆机理,针对井底车场软岩穿煤巷道进行专项注浆治理,使巷道底板变形得到有效控制,取得了显著的效果。     

深井长距离大断面回采巷道支护方案优化

为解决文家坡煤矿4101首采工作面长距离大断面回采巷道顶板下沉量大、钢带变形严重以及帮部破碎扩容显著等围岩失稳带来的支护质量差甚至支护失效现象,采用钻孔窥视仪对巷道进行布孔观测和工程类比法对原支护方案进行优化。结果表明:采用优化方案后,顶板下沉量从600 mm降低到100 mm,并且钢带受剪切变形显著减少;巷道尺寸收敛现象为50~100 mm,低于优化前的300 mm.为避免巷道变形严重,在监测监控基础上增加支护强度是合理可行的。     

一类微生物发酵过程的优化

研究了甘油生物歧化为1,3-丙二醇过程的优化.首先给出了使目的产物1,3-丙二醇浓度最大的稳态优化模型,然后基于MATLAB和1st Opt软件,构造了可求其最优解的混杂优化方法,取得了较好的应用效果.     

一种基于分解的改进的多目标蚁群算法及其应用

提出一种基于分解的、改进的多目标蚁群算法。该算法首先利用Tchebycheff聚合方法将整个Pareto最优前沿的逼近问题分解为一定数量的单目标优化子问题,然后利用蚁群算法同时求解这些子问题。为使解集均匀分布在Pareto前沿,采用基于试探的聚类方法对解集聚类;依据解集的分布重置分解策略中的权重向量集,使其适配于特定的Pareto前沿;蚂蚁按照对应的权重距离被分组,同一组蚂蚁共享一个信息素矩阵,该矩阵容纳学习到Pareto前沿子区域的位置信息;每个蚂蚁求解一个子问题,每个蚂蚁拥有自己的启发式信息矩阵;每个蚂蚁拥有多个邻居,蚂蚁选取邻居中的最优解来更新当前解;蚂蚁依据小组信息素,当前解和启发式信息构建新的解。引入自适应变异算子,动态调整蚂蚁邻居的个数,提高算法的收敛速度和解的质量。将该算法与其他相关算法在标准的双旅行商问题进行性能对比,证明该算法有效。     

面向Yarn规范的蛋白质折叠模拟计算并行化算法

为了提高生物信息学中蛋白质折叠模拟计算的速度,提出了面向Yarn(Yet Another Resource Negotiator)规范的蛋白质折叠模拟计算并行化算法Yarn_PERM。分析了蛋白质折叠的格点模型PERM算法的运行流程及其面向Map-Reduce的子任务划分方式。Yarn_PERM算法实现采用Hadoop2.0的Yarn框架作为工作平台,其资源的分配与调度、应用子任务的申请和子任务的具体执行都由Yarn来透明的完成;描述了Yarn_PERM算法的Map程序与Reduce程序及主控程序的功能实现。选择了一个有代表性的蛋白质序列数据作为案例程序进行了测试。实验结果表明：在相同的时间内Yarn_PERM比PERM串行计算、Map-Reduce的PERMS计算在能量最低寻优的吞吐量上明显增加,加速比和可扩展性上也有明显的优势。     

多尺度单值中智系统中基于优势粗糙集模型的最优尺度选择与约简

单值中智集是处理不确定、不一致信息的有效工具,结合单值中智粗糙集和多尺度决策系统,提出基于优势关系的多尺度单值中智粗糙集模型的最优尺度选择和约简算法.首先,在构建基于优势关系的多尺度单值中智粗糙集模型时引入正理想点、负理想点和不确定点来刻画单值中智数大小关系;其次,结合证据理论中的信任函数和似然函数给出模型的最优尺度选择算法及约简算法;最后,利用五组UCI数据集对文中提出的模型与算法进行实例验证,分析算法的有效性.提出的算法在分类精度和算法效率两方面都有所提高,进一步扩展了单值中智粗糙集在多尺度决策系统下的应用,为后续该领域的研究提供参考.     

不同碳补贴机制下杉木人工林最优轮伐期和碳汇成本分析

【目的】探讨不同碳补贴机制下最优轮伐期及碳汇成本的变动规律,为提高碳汇供给和降低碳汇成本提供理论依据。【方法】实地调研福建洋口国有林场杉木人工林经营和营林实践,推导不同碳补贴情境下杉木最优轮伐期和碳汇成本模型,分析立地条件、碳价格、贴现率对最优轮伐期和碳汇成本的影响。【结果】理想情境下,贴现率由2%上涨至7%时,优、中和劣等立地的碳汇成本分别下降了31.42%、32.03%和33.15%,最优轮伐期均缩短4 a。碳价格由20元/t增加至350元/t时,优、中和劣等立地碳汇成本上涨了19.24、19.43和19.38倍,最优轮伐期分别延长了8、9和10 a。年给付情境下,贴现率由2%上涨至7%时,优、中和劣等立地的碳汇成本分别下降了70.35%、70.66%和71.14%,最优轮伐期均缩短4 a。碳价格由20元/t增加至350元/t时,优、中和劣等立地的碳汇成本上涨了15.79、15.82和16.50倍,中等立地和优等立地最优轮伐期均延长1 a,劣等立地最优轮伐期维持不变。【结论】两种碳补贴情境下,碳汇成本和最优轮伐期均与贴现率负相关,与碳价格正相关。在理想情境下,中等立地碳汇成本对碳价格变动的敏感性最强,但在年给付情境下,劣等立地碳汇成本对碳价格变动敏感性最强。总之,在研究区,理想情境更有利于发挥森林生态功能,实现森林生态效益。     

考虑自然灾害等多因素的BWM-GIS城市医院选址

为实现城市医疗资源合理配置,对城市现有医院位置进行科学性评估和对新建医院优化性选址.首先,应用ArcGIS软件构建泰森多边形,对现有医院的分布进行合理性评判,并考虑安全性、可达性和经济性等影响因素构建医院选址评价体系.其次,应用最优-最劣法(BWM)计算指标权重,并将其输入Spatial Analyst叠置分析中,根据加权线性组合(WLC)得到适宜新建医院的选址备选点.最后,采用BP神经网络算法对备选点进行比较,得出最优新建医院选址位置.研究结果表明:考虑自然灾害等多因素的医院选址模型优于仅以可达性为目标的选址模型,同时,也验证了该模型和算法在城市医院选址定量分析中的适用性和准确性.     

White noise estimation for discrete-time systems with random delay and packet dropout

This paper is concerned with the optimal and suboptimal deconvolution problems for discrete-time systems with random delayed observations. When the random delay is known online, i.e., time stamped, the random delayed system is reconstructed as an equivalent delay-free one by using measurement reorganization technique, and then an optimal input white noise estimator is presented based on the stochastic Kahnan filtering theory. However, tb_e optimal white-noise estimator is timevarying, stochastic, and doesn＇t converge to a steady state in general. Then an alternative suboptimal input white-noise estimator with deterministic gains is developed under a new criteria. The estimator gain and its respective error covariance-matrix information are derived based on a new suboptimal state estimator. It can be shown that the suboptimal input white-noise estimator converges to a steady-state one under appropriate assumptions.