基于GIS与遗传算法的城市新建地下管线最优路线选取研究

文中通过对城市地下管线综合管理系统的研究,建立了基于GIS与遗传算法的城市地下管线合成模型,同时结合影响城市地下管线的众多因素,对遗传算法进行了改进,设计了城市地下管线最优路线的选取模型。并利用该模型对金昌市新建地下管线最优路线进行了选取,结果与实际非常吻合,这充分说明基于GIS与遗传算法的模型能够很好的利用于城市新建地下管线最优路线的选取。     

广西酿酒葡萄果实挥发性香气成分分析

利用顶空固相微萃取结合气相色谱-质谱联用技术,分析了广西酿酒葡萄野酿2号和凌丰果实的香气物质组成及含量,以赤霞珠果实为对照。结果表明,3种葡萄果实中共鉴定出87种香气成分,野酿2号37种,凌丰46种,赤霞珠50种。在挥发组分总含量上,赤霞珠(7863.72μg/kg)明显高于凌丰(2348.59μg/kg)和野酿2号(1426.00μg/kg)。野酿2号主要以醛类为主,占果实挥发性成分总含量的81.02%;凌丰和赤霞珠主要以醇类和酯类为主,占各自挥发性成分总含量的94.95%、97.58%。3个葡萄品种在香气组成的种类、比例及含量上均存在明显差异。     

基于物质点法的土体强度对边坡失稳滑动距离影响研究

滑坡滑动距离是衡量边坡失稳致灾程度的重要指标之一。基于Ｄｒｕｃｋｅｒ-Ｐｒａｇｅｒ弹塑性本构模型，应用物质点法研究了土体强度对失稳边坡滑动距离的影响。首先，通过干燥铝棒坍塌试验和黏土边坡大变形算例验证物质点法程序，分析了离散物质点数量对边坡失稳模拟结果精度的影响。在此基础上，进一步研究不同坡角下黏聚力和内摩擦角对失稳边坡滑动距离的影响规律。结果表明:相邻物质点间距取0．5ｍ进行数值模拟能够保证结果的精度且计算效率高；随着黏聚力、内摩擦角的增大，滑动距离呈逐渐减小的趋势；边坡失稳过程是以坡脚处产生较大塑性应变开始，塑性区域不断扩展至坡顶形成贯穿的滑裂带，进而整体失稳。物质点法能够再现边坡失稳的整个过程，有助于深入理解滑坡的致灾机理进而为边坡加固措施设计提供可靠依据。     

镀覆工艺对镀镍铝粉/硅橡胶复合材料电磁屏蔽性能的影响

采用不同镀覆工艺(置换法、还原法和先置换后还原法)制备镀镍铝粉,研究镀覆工艺对镀镍铝粉/甲基乙烯基硅橡胶(MVQ)复合材料电磁屏蔽性能的影响。结果表明:采用置换法制备的镀镍铝粉镍镀层厚度较小;采用还原法制备的镀镍铝粉镀层结合强度较低;采用先置换后还原法制备的镀镍铝粉镀层厚度较大,镀层结合强度较高;采用先置换后还原法制备的镀镍铝粉/MVQ复合材料电磁屏蔽性能优异,在30～3 000 MHz频段内,其电磁屏蔽效能在55～95 dB之间。     

是德科技 UXM 无线综测仪增添 3CC等测量功能

直观的图形触发可以帮助快速、高效地解决问题2015年1月28日,北京——是德科技公司(NYSE:KEYS)日前宣布E7515A UXM无线测试仪增添新功能。这些新功能可以应对快速发展的3GPP LTE-Advanced载波聚合技术的迫切需求。UXM无线测试仪是高度集成的信令综测仪,适用于4G及未来的功能和射频设计验证。UXM支持多小区、下行链路和上行链路载波聚合、4×2     

是德科技率先发布适合当代半导体功率器件开发的关键参数表征解决方案

<正>提供Ciss、Coss、Crss、栅极电荷/栅极电阻测量和自动热测试是德科技公司(NYSE:KEYS)日前宣布旗下B1505A功率器件分析仪/曲线追踪仪发布重要增强,成为业界首个支持晶圆上和封装器件所有关键参数表征的解决方案,能够提升当代半导体功率器件开发效率。高效可靠的半导体功率器件是迅速发展的功     

红皮火龙果皮多糖过氧化氢脱色工艺及抑菌活性研究

采用过氧化氢对提取得到的红皮火龙果皮多糖进行脱色,研究过氧化氢浓度、脱色温度和脱色时间对红皮火龙果皮多糖脱色率的影响,采用响应面法对脱色工艺条件进行优化,并对红皮火龙果皮多糖的抑菌活性进行研究。结果表明:在过氧化氢的浓度为4.3%,脱色温度为62℃和脱色时间为109min的条件下,红皮火龙果皮多糖中色素的脱色率和多糖的保留率分别为88.17%和82.39%。红皮火龙果皮多糖对大肠杆菌、蜡样芽孢杆菌、枯草芽孢杆菌和金黄色葡萄球菌均有较好的抑制作用。     

基于宏微观因素的概率级别的车辆事故预测

车辆事故预测是避免道路车辆事故发生的重要研究课题.以往的研究使用的事故数据集只包含地理情况、环境情况、交通情况等宏观因素,或者只包含车辆行为和驾驶员行为等微观因素.因为很难收集到同时包含2类因素的事故数据集,很少有研究将这2类因素结合起来,然而车辆事故往往是两者共同作用的结果.此外,在收集到的数据中没有可以用于预测的事故发生概率标签,所以目前多数的研究关注点只是在于事故是否发生而不能得到准确的概率值.然而在实际应用场景下,驾驶员需要的是不同级别的危险预警信号,而这种信号正是应该由事故概率值决定的.2019年发布的事故宏观因素数据集OSU(Ohio State University)与宏观因素数据集FARS(fatality analysis reporting system)和微观因素数据集SHRP2 (strategic highway research program 2)都具有一些相同的特征,为它们的融合提供了机遇.因此,首先得到了一个同时包含宏观和微观因素的数据集,其中事故数据(正样本)融合自OSU、FARS数据集,以及与SHRP2分布相同的数据集Sim-SHRP2 (simulated strategic highway research program2),而安全驾驶数据(负样本)则由自己驾驶汽车获得.然后,针对收集到的数据中没有概率标签的问题,还设计了一个概率级别的无监督深度学习框架来预测准确的概率值,该框架使用迭代的方式为数据集生成准确的概率标签,并使用这些概率标签来进行训练.实验结果表明,该框架可以使用所得到的数据集来灵敏而准确地预测车辆事故.