Cu、Co元素对激光烧结CrFeNiAlSi高熵合金组织与性能的影响

采用Cr、Fe、Ni、Al、Cu、Co、Si纯金属粉末按照等摩尔比混合并压坯,激光自蔓延烧结制备CrFeNiAlSi、CrFeNiAlCuSi、CrFeNiAlCoSi高熵合金。利用OM、XRD、SEM、显微硬度计及磨粒磨损机等试验表征设备,分析了CrFeNiAlSi、CrFeNiAlCuSi、CrFeNiAlCoSi高熵合金的显微组织、物相及力学性能。结果表明:CrFeNiAlSi高熵合金主要由BCC相组成,为菊花状组织。在加入Cu、Co元素后,从单一的BCC相转化为BCC+FCC两种相共存,但仍以BCC相为主,CrFeNiAlCuSi高熵合金为菊花状+胞状组织,CrFeNiAlCoSi高熵合金为等轴晶组织。加入Cu、Co元素改变了CrFeNiAlSi高熵合金的形貌与性能,加入Cu元素后孔隙减少,硬度下降,磨损率上升。加入Co元素后硬度上升,磨损率下降,显微硬度均值为1010 HV0. 1,磨损率最小为46 mg·cm~(-2)。     

灰色综合评价法在流域水电规划开发方案优选中的应用

水电开发涉及经济、社会、环境等诸多方面,是一个复杂的综合问题。以湾坝河干流水电规划为例,从经济因素、水能因素、环境因素3个方面阐述影响流域水电开发综合效益的因素,构建流域水电规划开发方案优选指标体系,引入基于模糊层次分析法和熵值法的组合赋权方法确定指标权重,采用灰色关联分析对各方案的综合效益进行量化评估,并与工程实际进行对比分析,发现该评价模型优选的方案与推荐方案一致。     

基于小波变换的地震数据混合编码压缩算法研究

随着地震勘探研究的不断深入,地震资料的处理和解释量也越来越庞大,其中数据的冗余量也比较大。对这些数据进行合理的压缩处理已经成为一个重要的课题,本篇文章根据多分辨分析思想,用小波变换对地震数据进行多级分解得到多个子带,然后对每个子带做不同策略的量化和编码处理,仿真结果表明,这种压缩编码算法,既能得到期望的压缩比,而且压缩后的地震数据所带来的误差比单一的编码压缩算法要小很多。     

碱和碱土金属卤化物标准熵的拓扑指数计算

定义离子特征值iδ=ln[Mi/(ni.x2pi)×2/(Zi 1)],构建化合物拓扑指数mX=∑(iδ.jδ…)。对碱金属、碱土金属的标准熵和指数进行相关性分析,相关系数为0.9973、0.9982,优于文献值。     

淮河流域水资源短缺风险评估与时空分析

根据2003-2013年淮河流域五省的降水量、径流系数、人均水资源量、人均GDP、人口密度等相关数据,构建水资源短缺风险评价体系,用熵权法对指标赋值,运用可变模糊模型对淮河流域及各省的水资源短缺风险进行评估和时空差异分析。结果表明:2003-2013年间淮河流域水资源短缺风险值总体较高,且呈缓慢的增长趋势,2004年降水较少,风险值达到最高;十年间河南省风险增加最为明显,而山东省较为稳定,风险增加也最低;在淮河流域五个区域中,河南省的风险程度最高,达到3.52;江苏省、山东省次之;安徽省和湖北省相对较低,达到2.86和2.51。水资源短缺风险二级指标分析发现,危险性最强的是河南省,安徽省最小;水资源短缺易损性最强的是山东省,湖北省最小;水资源短缺暴露性最强的是江苏省,山东省最小;水资源短缺可恢复性最好的是湖北省,河南省最差。同时,所有评价指标中人口密度、人均GDP、降水量对水资源短缺风险的影响较大。     

基于DPSIR和主成分分析的阜康市水资源承载力评价

针对新疆自治区阜康市水资源日益短缺及生态环境逐渐恶化的现实情况,根据DPSIR框架展开水资源承载力因子分析,构建了水资源承载力多因素基础指标体系;应用主成分分析法筛选出主要指标,采用熵权法进行赋权;构建综合评价模型对水资源承载力进行计算。研究表明:筛选出的4个主成分累计贡献率为92.016%,能充分代表多因素基础指标体系;阜康市九年间(2006年-2014年)水资源承载力综合评分值在0.498~0.531之间波动,下降速率缓慢且波动幅度减小,整体上处于开发饱和阶段。社会和经济发展的压力带来的农业用水的增加是导致水资源承载力下降的主要指标,扩大地下水开采和推行的节水灌溉等压采措施则在很大程度上缓解了下降的趋势。     

一种基于文法压缩的日志异常检测算法

近年来日志挖掘是一种广泛使用的检测应用状态异常的方法.现有的异常检测算法需要大量计算,或者它们的有效性依赖于测试日志满足一些预先定义的日志事件概率分布.因此,它们无法用于在线检测并且在假设不成立时会失效.为了解决这些问题,该文提出了一种新的异常检测算法CADM.CADM使用正常日志和待检测日志之间的相对熵作为异常程度的标识.为了计算相对熵,CADM充分利用了相对熵和文法压缩编码大小之间的关系而不是预先定义日志事件概率分布的族.通过这种方式,CADM避免了对日志分布的预先假设.除此之外,CADM的计算复杂度为O(n),因此在日志较大的情况下有较好的扩展性.通过在仿真的日志和公开日志集上的评测结果可以看出,CADM不仅可以应用在更广泛的程序日志上,也有更高的检测精度,因此更适合在线日志挖掘异常检测的工作.     

无约束非线性lp问题的区间极大熵方法

针对信号处理、系统识别等领域中涉及到的无约束非线性lp问题,为减小由于二进制编码的舍入误差对该问题计算结果的影响,对求解该问题的极大熵方法进行了区间扩张.证明了区间扩张后的极大熵函数至少具有二阶收敛性,并设计了具有多项式时间复杂度的区间算法进行求解,举例进行了数值计算.数值计算结果显示,该区间算法可靠,计算结果与区间扩张前相比,结果更加精确.     

结合方向纹理熵的Haar-like特征在线boosting跟踪算法

针对传统基于Haar-like特征的on-line boosting跟踪算法（HBT）需要产生大规模随机特征、占用大量计算资源和存储空间的缺点,提出结合方向纹理熵的Haar-like特征在线boosting跟踪算法（HBTT）。HBTT算法利用灰度共生矩阵的熵获得目标纹理的方向信息,在此基础上有针对性地产生具有方向纹理信息的Haar-like特征,从而可有效避免无效随机特征的产生,减小特征池容量;更进一步,可根据目标纹理的复杂程度自动调整特征数量,使得算法更灵活。在跟踪过程中,在线学习模块可以使错误率较高的特征被结合了目标纹理方向信息的Haar-like特征所替换。与HBT算法比较,HBTT算法的跟踪误差降低了10%以上;在相同特征池容量下,置信度提高了2%以上。实验结果表明,该算法不仅具有较高的鲁棒性,而且在跟踪效率和性能上都有所提高。     

加权条件熵在异常检测中的应用

通过分析信息熵在异常检测中的应用和条件熵的固有特性, 提出了一种基于条件熵和加权熵理论的异常检测方法。分析网络流量特征, 选取具有内在相关性的网络特征属性, 给出了加权系数矩阵的公式和异常检测的具体实现方法。通过实验验证了该方法的有效性和实用性, 根据不同属性特征在加权条件熵理论中的应用效果, 分析了不同特征属性选择造成检测效果差异的原因。