彩色沙滩 自然天成的海陆交界

正不是所有的沙滩都是黄色的,不是所有沙滩的形成过程都一样,不是所有沙滩的原料都是矿物质……一起到海陆交界处,看看被大自然的神奇之手调配成的各色沙滩吧!异彩纷呈的矿物质沙滩矿物质成分的沙滩,其原材料来源通常是含有特定矿物质成分的岩石。岩石被风化成碎屑后,经风力、海水等各种因素的作用,最终汇聚、沉积成各色沙滩。     

矿井主通风机一键切倒及反风技术的研究与应用

在矿井生产中,矿井主通风机负责矿井的通风任务,其安全运行状况是防治瓦斯的关建。矿井主通风机在倒换、反风过程中不可避免地会有短暂的停机时间,为1~5分钟(煤矿规程要求10分钟以内启动)。在故障情况下倒台时间更长,有可能造成井下瓦斯超限,出现事故。本文详细介绍了矿井主通风机自动控制系统在郑煤集团新郑煤电公司的实现与应用。     

浅析磁阀式固态软起动装置在韶钢4号烧结机的应用

磁阀式固态软起动装置由高压磁阀式软起动柜、星点柜等组成，主要用于限制起动电流，减小电网压降；采用磁阀式固态软起动装置可以实现高压电机起动时，能满足系统对起动的要求，还可以很好的保护电力系统及机械装置。同时，不产生高次谐波电流、操作过电压及切换冲击，并且做动平衡是可以多次启动，不会对系统造成安全隐患。     

基于分解与集成的空气质量指数预测

为了能够准确地预测空气质量指数（AQI），建立了基于集合经验模态分解（EEMD）-样本熵（SE）的极限学习机（ELM）和门控循环单元（GRU）组合的AQI预测模型。首先利用EEMD算法对AQI数据进行分解，得到一组不同尺度的本征模态函数分量和残余分量；其次计算各分量SE值，根据各分量SE值将各分量重新组合成新的序列，并将新序列按其复杂程度经过GRU模型或ELM模型进行预测；最后将所有结果叠加得到AQI预测值。实验结果表明，与反向传播（Back Propagation,BP）神经网络模型、长短期记忆网络（Long Short-term Memory,LSTM）模型、ELM模型、GRU模型、EEMD-SE-ELM模型、EEMD-SE-GRU模型和EMD（经验模态分解）-SE-ELM-GRU模型相比，基于EEMD-SE-ELM-GRU的组合预测模型其预测误差最小，预测精度最高。     

安惠 尊重的力量

正科技为先、服务至上、求实创新、容以致远,这是伴随安惠过去1 2年发展的关键词。十二周年是安惠重要的转折点,低调务实的安惠让业界见证了公司这些年来不断刷新的业绩,实现了让梦想落地生根的宏伟蓝图。为了让企业进一步做大、做强,安惠以加强企业文化建设和加速研发产品的主轴线作为其未来发展理念。11月1日,安惠在江苏南通体育会展中心主体育场召开12周年庆典,中国工程院院士李玉、商务部中国食品土畜进口商会副会长杨胜军、安惠公     

高压大容量STATCOM主电路的工程选用分析

为了设计出具有高性价比的高压大容量STATCOM装置,从工程设计角度对现有的各种结构的STATCOM主电路进行分析,指出：随着各类工程现场对装置性能要求的不断提高和新的高压大容量功率开关管研制成功,部分STATCOM主电路结构受到限制,甚至遭到淘汰.目前应用和技术上较为先进成熟的两种结构是链式（Cascade）结构和MMC结构.两种结构的稳定性、性价比、损耗节能和技术成熟度等比较分析表明,对于高压大容量STATCOM,链式结构最为适用,应成为设计的首选.MMC结构作为一种先进的结构在模块化程度和器件利用率上具有优势,是未来发展的一个重要方向.     

资源型城市金融生态环境评价及分析——以四川省攀枝花市为例

在新常态背景下,金融生态环境的好坏对资源型城市的转型发展至关重要。通过构建金融生态指标体系,收集成熟型资源城市攀枝花市2004-2015年的相关数据,运用主成分分析方法对攀枝花金融生态环境进行了度量,发现整体呈逐渐好转的趋势,但近两年有趋缓的迹象。资源型城市由于自身发展的特性,金融生态环境也存在经济环境较为脆弱,金融业发展滞后,经济基础与金融协同性不足等特点。     

男人适量喝酒7大惊人好处

<正>医学上已经证明,适量饮酒可以对人体产生真正的健康功效,比如降低胆固醇、强化智能、激发灵感等。如果你是一名达到法定喝酒年龄的成年人,每天晚上喜欢享受一杯葡萄酒,那你应该最能体会到适量饮酒的神奇效果。不过,如果你喜欢酗酒,那     

体育锻炼对身体成分影响的研究进展

本文将从体育锻炼对青少年和老年人身体成分的影响、体育锻炼对身体成分影响的变化特点、体育锻炼对身体成分影响检测项目的质疑、体育锻炼对身体成分影响的研究前景与展望等方面进行综述.     

Higher-order principal component pursuit via tensor approximation and convex optimization

Recovering the low-rank structure of data matrix from sparse errors arises in the principal component pursuit （PCP）. This paper exploits the higher-order generalization of matrix recovery, named higher-order principal component pursuit （HOPCP）, since it is critical in multi-way data analysis. Unlike the convexification （nuclear norm） for matrix rank function, the tensorial nuclear norm is stil an open problem. While existing preliminary works on the tensor completion field provide a viable way to indicate the low complexity estimate of tensor, therefore, the paper focuses on the low multi-linear rank tensor and adopt its convex relaxation to formulate the convex optimization model of HOPCP. The paper further propose two algorithms for HOPCP based on alternative minimization scheme： the augmented Lagrangian alternating direction method （ALADM） and its truncated higher-order singular value decomposition （ALADM-THOSVD） version. The former can obtain a high accuracy solution while the latter is more efficient to handle the computationally intractable problems. Experimental results on both synthetic data and real magnetic resonance imaging data show the applicability of our algorithms in high-dimensional tensor data processing.