二次热处理对高碳钢盘条焊接组织性能的影响

在高碳钢盘条电阻对焊工艺的基础上．增加了二次热处理工艺。结果表明：采用二次热处理工艺后．焊接区域的显微组织得到了明显细化，极大地改善了该区域的塑性．降低了拉丝及绞线时的断丝率／100t。     

Φ508mm×9.5mm L450MB钢级ERW管线管的试制

焊缝冲击功低且不稳定是ERW管线管生产的一大技术难点。针对高钢级L450MB焊管存在焊缝冲击功不稳定的情况,宝山钢铁股份有限公司宝钢分公司钢管厂采取降低焊接速度、调整热处理工艺的技术方案,试制出焊缝冲击韧性符合标准要求的L450MB钢级ERW管线管。     

5 T有芯感应熔铝电炉熔炼铸造铝合金的实践

采用额定容量5t工频有芯感应熔铝炉，用电解铝液直接熔炼铸造铝合金，可提高劳动生产率、减,3-环境污染；生产的合金的化学成分均匀，同一熔次合金的主要化学成分硅的级差只有0．07个百分点，产品质量稳定；能源消耗低，交流电单耗为365kWh／t，比同类炉子低221kWh／t；2台5t有芯感应炉可实现年产1000t以上。     

基于像元与对象分类的景观指数差异性分析

景观指数分析是进行遥感监测土地利用及变化空间格局的重要方法之一,而因为遥感分类方法的不同,所计算出的同一景观指数所揭示的土地变化模式可能出现较大差异。以北京市密云县为研究区,对影像分别进行了面向对象分类与基于像元的监督分类,并对两种分类进行景观指数计算,利用配对样本t检验方法对各景观指数进行了差异显著性分析。分析结果显示地类面积比例(PLAND)和最大斑块指数(LPI)在两种分类方法之间差异不显著;边缘密度(ED)略有显著差异性;而斑块数量(NP)、斑块面积平均值(AREA_MN)、聚合度(AI)与周长面积分维数(PAFRAC)在两种分类方法之间差异显著。     

基于回归特征分析的BPSK信号盲处理结果可信性评估

针对二相编码（Binary phase shift k eying,BPSK）信号盲处理过程中信号调制方式识别及参数估计的可信性评估问题,提出了一种 基于线性回归特征分析的处理方法。根据特定处理结果建立参考信号,并将参考信号与原始 观测信号进行相关累加取模值,在分析相关累加模值曲线在原序与升序两种不同情形下线性回归 差异的基础上,分别定义了排序回归系数及分段回归符号两大特征,用以判别BPSK信号盲处 理结果的可信性。计算机仿真结果表明,在低信噪比、缺乏信号先验信息的条件下,本算法 可对BPSK信号盲处理结果的可信性进行有效检验。     

基于门限的云计算数据隐私保护模型研究

云计算数据隐私保护已成为亟待解决的问题。本文提出了一种基于门限的云计算数据隐私保护模型,采用基于矩阵和向量的特殊的(n+1,t+1)秘密共享方案。方案把矩阵的每一行当成一个向量作为成员的子密钥,利用向量的线性相关性和线性无关性来求一个密钥矩阵的秩。拥有这些线性无关向量的t个云服务提供商和数据所有者共享密钥矩阵。根据获得的密钥,采用基于角色的授权机制,对相应的角色进行数据操作授权,最后对该模型的安全性进行了分析。     

三峡库区建峰乌江大桥设计与施工

建峰乌江大桥位于三峡库区,桥址所在河谷呈不对称“U”型。桥型设计为混凝土连续刚构桥,由两个单T构组成,且每个单T构的墩为对称布置。桥箱梁采用纵、横、竖三向预应力结构设计,其中纵向预应力束按全预应力理论设计,张拉时的张拉力与伸长量为控制标准,并以张拉力控制为主。箱梁施工分为悬浇和现浇两部分,悬浇采用挂篮悬臂浇筑。主要介绍了该桥的设计、施工细节以及设计跟踪控制措施,可为相关桥梁设计施工提供参考。     

假设检验在水资源分析计算中的应用

针对雨量站地址迁移前后的降雨资料,在给定显著性水平的条件下,用假设检验原理对站址迁移前后两个系列样本值是否来自同一总体进行了检验,如果样本数据通过检验,则两资料系列可作为一个系列来处理应用,否则,须分别单独处理。应用石人沟河水泉雨量站地址迁移前后降水资料数据进行了实例检验,检验值符合要求,证明资料系列具有连续性,可以作为同一总体资料来分析处理。     

基于多格的ad hoc网络密钥预配置方案

借鉴传感器网络中基于多项式的密钥对预配置方案,设计出一个应用于ad hoc网络的高效密钥对预配置方案:基于多格的密钥预配置方案.该方案提出了多格的概念,将密钥的预配置建立在多个由多项式构成的二维表格之上,从而增加了节点之间建立会话密钥的概率.第1次将门限机制应用到密钥的传输过程中,增强了密钥传输过程中的安全性.通过分析可以看出该方案有一些优良的特性,包括两节点间能以很高的概率成功建立密钥对,对入侵有较强的鲁棒性、低通信量.     

基于TSNE-BiGRU模型短期电力负荷预测

短期电力负荷预测是电力系统合理调度与安全稳定运行的基础。为提高电力负荷预测精度,提出一种基于t分布邻域嵌入(t-SNE)算法和双向门控循环单元(Bi-GRU)网络的短期电力负荷预测方法。该方法首先通过多标签处理将电力负荷时序数据转换成高维时间戳数据,进而在维持数据信息完整性的前提下通过t-SNE算法对其降维,并结合实时电价数据,基于Bi-GRU网络学习时间戳数据、实时电价数据及实时负荷数据之间的非线性特性,最后经全连接输出层聚合相关信息给出预测结果。基于新加坡地区电力基准数据集进行试验,对比分析所建模型TSNE-BiGRU与基准模型Bi-GRU及GRU的预测性能。试验结果表明所建模型TSNE-BiGRU具有良好的鲁棒性,能有效提高短期电力负荷的预测精度。其平均百分比误差值为0.49%,相较Bi-GRU与GRU,分别降低了23.44%与32.88%;其平均绝对误差值为30.58,相较两基准模型分别降低了22.19%与32.84%;其均方根误差值为39.40,相较两基准模型分别降低了17.16%与27.88%。