基于步冷试验的2.25Cr-1Mo-0.25V钢母材及焊缝回火脆化研究

对原始态、步冷态、脱脆态和脱脆步冷态2.25Cr-1Mo-0.25V钢母材及焊缝冲击试验结果进行分析,得到了母材和焊缝在不同状态下的韧脆转变温度vTr54.2和FATT以及脆化度ΔvTr54.2和ΔFATT。试验结果表明,步冷试验之后,母材发生较低程度脆化或脱脆现象,但是脆化度或脱脆度较低,表明母材具有良好的抗回火脆化性能;经脱脆试验后,母材和焊缝都发生较高程度的脱脆,表明材料的脆化主要是由于回火脆化引起的,脱脆试验使得材料的韧脆转变温度降低;脱脆步冷试验后,焊缝发生较高程度的脆化,焊缝对脱脆步冷试验的敏感性较高,脱脆步冷试验有效促进了焊缝的脆化。在相同脆化条件下,母材的脆化敏感性低于焊缝,焊缝更易发生脆化。     

Identification of digital technologies and digitalisation trends in the mining industry

Digitalisation in mining refers to the use of computerised or digital devices or systems and digitised data that are to reduce costs, improve business productivity, and transform mining practices. However, it remains increasingly difficult for mining companies to decide which digital technologies are most relevant to their needs and individual mines. This paper provides an overview of digital technologies currently relevant to mining companies as presented and discussed by mining journals, the media and insight reports of leading consultancy agencies. Relevant technologies were systematically identified using text-mining techniques, and network analyses established the relations between significant technologies. Results demonstrated that currently 107 different digital technologies are pursued in the mining sector. Also, an analysis of the actual implementation of digital technologies in 158 active surface and underground mines reveals a limited uptake of digital technologies in general and that the uptake increases with the run-of-mine production. Large-scale mining operations appear to select and apply digital technologies suitable to their needs, whereas operations with lower production rates do not implement the currently available digital technologies to the same extent. These minor producers may require other digital transformation solutions tailored to their capabilities and needs and applicable to their scale of operations.     

基于云概率密度分布估计的大坝监测数据分析

大坝运行监测易受自然环境和监测条件影响，存在时间和空间上的变异性，监测数据具有不确定性。以云理论的随机性和不确定性分析方法为基础，并与空间数据辐射思想相结合，建立了云滴概率密度分布估计模型，然后导出云概率密度分布函数，依据样本监测数据推求母体空间数据的分布特征，并设计了基于逆向云算法云变换的计算程序。分析陆浑水库1979~1999年测压管监测数据和位移变形数据的云概率密度分布特征和云数字特征，得出了20 a来大坝的数据分布特征和运行状态。监测数据分析结果表明，云概率密度分布估计不仅能有效合理地分析大坝的运行状态，而且能够依据云数字特征来判断监测状态和监测环境的异常变化。      

Physics‐based spectral sharpening through filter‐chart calibration

The spectral overlap of color‐sampling filters increases errors when using a diagonal matrix transform, for color correction and reduces color distinction. Spectral sharpening is a transformation of colors that was introduced to reduce color‐constancy errors when the colors are collected through spectrally overlapping filters. The earlier color‐constancy methods improved color precision when the illuminant color is changed, but they overlooked the color distinction. In this article, we introduce a new spectral sharpening technique that has a good compromise of color precision and distinction, based on real physical constraints. The spectral overlap is measured through observing a gray reference chart with a set of real and spectrally disjoint filters selected by the user. The new sharpening method enables to sharpen colors obtained by a sensor without knowing the camera response functions. Experiments with real images showed that the colors sharpened by the new method have good levels of color precision and distinction as well. The color‐constancy performance is compared with the data‐based sharpening method in terms of both precision and distinction. © 2014 Wiley Periodicals, Inc. Col Res Appl, 40, 564–576, 2015     

煤田地震勘探中多井组合爆炸法浅析

地震勘探中炸药作为激发震源的激发条件多样,采用有效的震源激发方式,才能取得高信噪比的地震原始数据。本文依据有关爆破原理,理论结合实践经验,提出在厚黄土区采用多井组合的激发方式,能有效压制噪声,增强性噪比,提高数据质量。     

智能变电站设备管控大数据分析系统研究

结合数据挖掘、大数据技术在电力系统中的应用现状，分析和设计了一种智能变电站设备管控大数据分析系统。对变电站设备运行状态的大数据特征及基本框架进行了分析，并重点阐述了变电站设备运行状态大数据分析系统的数据集成与预处理、数据存储与处理、设备状态评估模型以及数据可视化展示。实验结果表明，所设计的大数据分析系统能够大幅度提升变电站设备数据分析智能化水平，为变电站管控稳定运行提供更加有效和实用性的技术支撑。     

基于聚类的数据加权优化在犯罪预测中的应用

近年来，我国传统暴力犯罪与成年人犯罪呈下降态势，但是，犯罪案由层出不穷。为有效提升公安实践工作中犯罪预测能力，打击各类违法犯罪事件,本文针对犯罪数据，提出一种新型犯罪预测模型。利用密度聚类分析方法将犯罪数据分类，然后进行数据降维提取关键属性生成特征数据，继而对特征数据进行加权优化并采用机器学习的方式对特征数据进行学习，从而预测犯罪案由。实验结果表明，与传统方法相比，本文方法具有更好的预测效果，为公安实践工作中类似案件的侦破和预防，提供新的路径支撑。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

一种基于Spark的不确定数据集频繁模式挖掘算法

如何在海量不确定数据集中提高频繁模式挖掘性能是目前研究的热点.传统算法大多是以期望、概率或者权重等单一指标为数据项集支持度，在大数据背景下，同时考虑概率和权重支持度的算法难以兼顾其执行效率.为此，本文提出一种基于Spark的不确定数据集频繁模式挖掘算法（UWEFP），首先，为了同时兼顾数据项的概率和权重，计算一项集的最大概率权重值并进行剪枝；然后，为了减少对数据集的多次扫描，结合Spark框架的优点，设计了一种具有FP-tree特征的新颖的UWEFP-tree结构进行模式树的构建及挖掘；最后在Spark环境下，以UCI数据集进行实验验证.实验结果表明本文的方法在保证挖掘结果的同时，提高了效率.