预选抛尾技术应用进展

矿产资源的开采不可避免会混入围岩和夹石,造成出矿品位的降低,且随着矿产资源的大量开发利用,高品位和易选矿产资源储量日益减少,低品位和复杂难选矿产资源的经济高效开发利用愈发迫切。预选抛尾技术的应用,对提高入选矿石品位、减少磨选矿量、降低细粒尾矿排出量、提高资源利用率及减少环境污染等意义重大。从光电选矿抛尾、重选抛尾、磁选抛尾、浮选抛尾以及联合工艺抛尾,分别介绍了预选抛尾技术的现状和进展,并指出了各种预选抛尾技术的优势和不足,每种预选抛尾技术都有其特有的优势,联合工艺抛尾将是解决低品位矿产资源经济高效开发利用的重要技术突破,预选抛尾将成为选矿中一个通用必备的工艺环节。      

适于富水岩溶大孔隙地层防渗加固的水泥砂膏浆

富水岩溶大孔隙地层灌浆是基础处理的一个难题,地层的充填、防渗以及加固要求高,以往常采用砂浆或水泥膏浆进行处理,存在砂浆抗水冲释性能差及水泥膏浆可控性弱、浆液浪费严重等不足。基于膏浆良好的可控性、抗冲释性及砂浆的骨架和填充加固作用等优势,通过大样本长周期室内试验,研制了一种可用于富水岩溶大孔隙地层灌浆充填的新型可控水泥砂膏浆材料。研究表明:水泥砂膏浆与水泥膏浆及砂浆相比,浆液析水率降低至0%~3%;流动度最低可达到10~20 cm,凝结时间在2~30 min内可控可调,浆材具有较高的黏度和初始屈服应力;在流速为0.4~0.6 m/s时,浆材抗水流冲释后的留存率达到85%;浆材的结石率近100%,28 d的抗压强度达到10 MPa左右;浆材成本与普通水泥膏浆相当,且具有环保等方面的社会效益。通过实际工程应用,水泥砂膏浆是富水岩溶大孔隙地层防渗加固的优选材料,但在应用时注意可泵性。     

阴生观赏蕨类新品种——奇羽鳞毛蕨

<正>园林造景中,林下因光线受限,可选植物种类较少。耐阴植物中,蕨类以其特殊的叶形和优雅的气质,正在成为园艺新秀,大部分蕨类品种对光的要求都比较低,但可供选择的观赏蕨类品种比较少,仅有肾蕨、铁线蕨、波斯顿蕨、鸟巢蕨、凤尾蕨等种类。为增加观赏种类,园艺者们往往通过移栽野生蕨类来满足园林园艺需     

约束屈曲支撑耗能性能有限元分析

对3种不同构造的约束屈曲支撑进行了有限元模拟,得到了其滞回曲线和骨架曲线。参考有关文献对3种支撑的耗能性能相关指标进行了计算研究,并做出比较。最后建议了支撑较好的构造形式。     

一种基于改进BA算法的K-means聚类

摘要：针对传统BA（蝙蝠）算法易被局部极值吸引、发生过早收敛等问题,将莱维飞行搜索策略引入传统BA算法对蝙蝠的位置和速度更新方式进行改进,从而提高算法的全局搜索能力;通过引入非线性惯性权重平衡算法的全局和局部搜索能力并提高算法搜索精度;结合Limit阈值的思想避免算法过快陷入局部极值。通过对6个标准测试函数的实验表明,改进后的BA算法不仅在全局搜索能力上有所提高,而且具有较好的搜索精度。最后将改进后的BA算法同K-means聚类算法进行结合,提出了一种基于改进BA算法的K-means聚类算法,实验结果表明,改进的算法提高了聚类准确率及算法鲁棒性。     

基于ADSP-TS101的数字正交采样和脉冲压缩的高效算法实现

针对雷达信号处理中数字正交采样和脉冲压缩的大运算量问题，提出了用频域方法把正交采样和脉冲压缩结合实现的高效算法，大大减少了运算量，提高了雷达信号处理的吞吐率和实时性。在ADSP-TS101上，验证了这个算法实现数字正交采样和脉冲压缩的速度性能和精度。     

低温环境相对湿度的测量

一、概述 相对湿度是一项重要的环境参数，它对我们身体感官的影响仅次于温度。随着社会经济的发展，人们对湿度关注程度越来越高。湿度测量最早用于气象方面，现在已扩展到科学研究、工业、农业、仓储运输、日常生活等各个领域。低温相对湿度测量是测湿过程中比较特殊的部分，较多用于气象中的高空探测、电子仪器设备环境试验的模拟运输和储存以及食品的保鲜。     

多核平台PAML并行算法研究

PAML是一款利用最大似然法进行系统发育分析的软件包,被广泛使用.然而,由于模型复杂、参数众多,PAML的计算过程非常耗时.对PAML中最重要的codeml程序进行了并行算法研究,通过算法分析和程序Profiling确定程序瓶颈.在此基础上,利用现代CPU的多核并行能力和SIMD并行机制优化程序瓶颈,从而提高了程序整体的运行速度.实际数据集和人工数据集上的实验表明并行算法有效提高了codeml的计算速度,加速比最高达7.94倍.     

高速信令的最坏眼图技术研究

在对最大峰值失真法(PDA)、双边沿法(DER)及多边沿法(MER)3种主流的快速时域仿真技术进行分析的基础上,提出一种最优时域仿真法(BTDS),其通过改进获取最坏码型的方法,提高眼图精度。BTDS在眼高计算上与MER精度等价,但较MER在眼宽计算方面具有更高的精度,且克服了PDA不能计算不对称边沿的信号和DER有时推算不出最坏码型的缺陷,在高速时域仿真中具有较高的应用价值。     

适用于单轮单样例标注场景的主动学习停止准则

针对现有的选择精度主动学习停止准则仅适用于批量样例标注场景这一问题,提出了一种适用于单轮单样例标注场景的改进的选择精度停止准则。该准则通过监督自本轮起前溯的固定学习轮次内的预测标记与真实标记间的匹配关系,对选择精度进行近似的评估计算,匹配度越高则选择精度越高,继而利用滑动时间窗实时监测该选择精度的变化,若当其高于事先设定的阈值,则停止主动学习算法的运行。以基于支持向量机的主动学习方法为例,通过6个基准数据集对该准则的有效性与可行性进行了验证,结果表明当选取合适的阈值时,该准则能找到主动学习停止的合理时机。该方法扩大了选择精度停止准则的适用范围,提升了其实用性。