基坑边坡稳定性计算方法的探讨

施工开挖对土体产生卸载作用,坑壁及坑底土体的应力状态和应力路径发生变化.就基坑边坡整体滑动稳定性计算所采用的圆弧法提出问题,根据卸载土体的不同状况设计二组快剪试验方案,并对其加载、卸载过程的强度特征进行试验研究.试验结果表明,土体的卸载强度与加载强度存在差异性,为完善基坑边坡稳定计算方法提供依据.     

土体加、卸载土工参数的区别

围绕卸荷问题研究了卸载土体抗剪强度、静止土压力系数及回弹模量等的变化规律,并就土体加、卸载状态的区别进行了分析,意在强调加、卸载土工参数的选取应有所不同.     

WCDMA-HSDPA的问题分析及其改进方案

高速下行分组接入（HSDPA）方式理论上能在小区内利用一个载波给多个用户同时提供高速数据和语音业务,但显然此时要求提供的下行业务容量应比单独提供语音业务时更大。证明了HSDPA缺乏技术理论基础,同时提出了一种利用码分多址/时分多址的HSDPA改进方案,它将利用码分多址区分语音和高速数据业务信道,在高速数据业务信道中再选用时分多址方式。这种方法可改进WCDMA标准上下行容量基本对称的技术问题,使其符合移动因特网的需求。      

大功率白光LED倒装焊方法研究

介绍了一种大功率、高亮度LED倒装散热封装技术。采用背面出光的蓝宝石LED芯片,倒装焊接在有静电放电（LED）保护电路的硅基板上。该封装技术针对传统LED出光效率低下和散热问题做出了改进,有效提高了LED芯片的寿命,降低了制造成本。     

稀浆封层路面层间黏结性能试验研究

为了对稀浆封层层间黏结性能进行评价,自行设计了以改进的剪切仪为基础的试验方法,能较好地模拟路面真实受力情况.试验结果说明,随着温度的升高,稀浆封层与沥青碎石下面层之间黏结强度在减小;不同的路面层间处理措施对黏结强度均有明显的影响;采用较大公称粒径的沥青混合料,或者对路面做凿毛处理均可以有效提高层间黏结强度.     

苦丁茶主物质提取及其HPLC指纹图谱分析

通过对苦丁茶成分的提取方式和条件初步优化,选取最优的色谱分离条件,运用高效液相色谱技术(HPLC),针对4个不同产地的10个批次苦丁茶建立指纹图谱.从图谱中所含主成分的种类和化学成分的提取率选择超声提取的方式,确定75％的乙醇为提取溶剂和30 min的超声时间.在对HPLC条件的优化过程中,根据最终实验结果的优越性选择...     

较高土石坝膜防渗结构设计方法探讨

根据不同防渗体位置的土石坝受荷位移规律与土工膜受力变形特点,分析了坝内土工膜的变形机理,并以四川瀑布沟186 m的心墙堆石坝为例,提出了土工膜与土心墙联合防渗的思路及设计原则.分析表明:坝内绝大部分区域的土工膜能够承受坝体位移引起的变形,但在刚性锚固部位,由于“夹具效应”,土工膜可能会产生局部过大变形而发生破坏;对于高水头土石坝,土工膜尤其适用于存在缺陷的黏性土料心墙的联合防渗;四川瀑布沟186 m的心墙堆石坝,如果采用土工膜与土心墙联合防渗设计方案,则不仅可以提高防渗安全的可靠性,而且与原设计方案相比,技术上更先进,经济上更合理.     

大粒径碎石桩在饱和超软土地基中的应用

对广东省西江下游航道整治工程中不排水抗剪强度7~15 kPa的淤泥土地基进行了碎石桩现场试验,得出了采用大粒径碎石桩加固不排水抗剪强度小于20 kPa软土地基的合理施工控制参数:碎石填料主要粒径为5~15 cm;充盈系数为1.4~1.6;密实电流大于50A;留振时间为5~15 s.现场桩径检测、动力触探试验和复合地基大型直剪试验结果表明,采用大粒径碎石桩加固超软土地基是可行的,大粒径碎石桩对增强地基土的抗剪强度和提高软土地基承载力十分有效.     

排水板施工对软黏土扰动的现场试验研究

通过软黏土地基上塑料排水板施工过程的孔隙水压力观测及现场十字板强度试验,研究了排水板施工前后地基土体孔隙水压力增长和消散的规律,并且从软黏土地基的有效应力变化和结构扰动等方面分析了土体强度损失及恢复过程.结果表明:单根排水板施工引起的孔隙水压力增长较小,仅对表层孔隙水压力影响大;板群的施工对4 m范围内土体孔隙水压力的增长有叠加效应;排水板施工一方面使软土地基内的孔隙水压力增长,有效应力减小,导致软土强度的降低,另一方面使地基软土结构发生破坏而引起软土强度降低;孔隙水压力的增长引起的地基土强度损失恢复较快,而结构扰动引起的强度损失恢复较慢.     

An ensemble of LSTM neural networks for high‐frequency stock market classification

We propose an ensemble of long–short‐term memory (LSTM) neural networks for intraday stock predictions, using a large variety of technical analysis indicators as network inputs. The proposed ensemble operates in an online way, weighting the individual models proportionally to their recent performance, which allows us to deal with possible nonstationarities in an innovative way. The performance of the models is measured by area under the curve of the receiver operating characteristic. We evaluate the predictive power of our model on several US large‐cap stocks and benchmark it against lasso and ridge logistic classifiers. The proposed model is found to perform better than the benchmark models or equally weighted ensembles.