通过加快数据读取速度应对大批量数据读入超时问题的研究

信息学奥赛旨在推动普及、开阔学生的视野、拓展学生的知识面、培养学生的计算思维.信息学奥赛题目中,经常会遇到一些大批量数据的读入问题,很多初学者使用scanf标准数据读入方法,发现数据还没有完全读入,就已经超出题目的运行时限,导致得分率很低.为此,需要探究解决读取数据时间过长的问题.     

兰州化物所与美国加州大学洛杉矶分校合作制备出强收缩高能量密度水凝胶材料

环境响应型水凝胶,也称为“刺激响应”或者“智能”水凝胶,因为其高的含水量、弹性、渗透性、外界刺激响应性和大的变形等优点,被广泛应用于生物医学、软体机器人等领域。目前,大多数智能水凝胶的响应变形均凭借凝胶体内和体外渗透压的变化。然而,在这种渗透驱动机制下,凝胶材料的驱动力和响应速度间相互矛盾。要打破这个矛盾,需要从分子尺度设计并且提出一种异于传统“渗透型”水凝胶的非常规驱动机制。     

玄武岩纤维布厚度的测定方法研究

总结了玄武岩纤维(BFRP)布厚度的两种定义,且分析了这两种厚度的差别及其不同的应用范围.随后给出了这两种厚度的不同测定方法,并采用该方法对市场上7组BFRP布产品的厚度进行测量试验,为市场规范BFRP布厚度的测定提供了参考依据和数据支持.     

气藏平均地层压力跟踪计算新方法

平均地层压力是产能评价和动态分析的基础，准确、快速获取平均地层压力对高效开发气藏意义重大。基于地层压力随时间变化的规律，分析了平均地层压力的变化规律。研究结果表明：平均地层压力等效点仅随时间发生改变，平均地层压力的下降速率等于或者近似等于井底流压的下降速率。从封闭弹性驱动气藏的物质平衡方程出发，考虑偏差系数和井底流压随平均地层压力的变化，推导建立了平均地层压力跟踪计算新方法，根据生产数据可迭代计算平均地层压力。方法验证结果显示，采气速度和采出程度共同影响模型的计算结果。应用实例表明，跟踪计算法与压力恢复试井和物质平衡法之间的相对误差均较小，满足工程计算精度要求，且跟踪计算法不需依托生产测试数据，节约了测试费用，避免了测试占产。     

FE-SEA方法在平台支持船噪声预报中的应用

平台支持船由于作业需要通常配备有动力定位系统,其在侧推工况下舱室噪声超标较为严重。针对这个问题采用计算流体力学(CFD)方法,得到侧推螺旋桨作用在导管上的脉动压力,并将时域计算结果转换成噪声计算的激励条件。采用有限元(FE)与统计能量分析(SEA)混合方法建立船体中频段FE-SEA耦合模型并建立船体高频段SEA模型,对某65 m AHTS船侧推工况下全频段(63 Hz~8000 Hz)舱室噪声进行预报,分析该船噪声分布规律及主要影响因素。并建立起全船的SEA模型,在中频段对比SEA与FE-SEA两种方法得到的舱室声压级频谱曲线,验证了使用混合模型的必要性。     

大型球铁水表壳加工工装设计与加工

针对表壳具有较多复杂曲面及三端加工特点及需求,通过对球铁水表壳的外形及加工特点进行分析,提出合理的设计加工工序方案,选用特种加工设备及专业的工装夹具.通过针对表壳外形及加工工艺特点设计专业的工装夹具达到一次装夹多工序同时加工,有效解决了传统加工工艺的多工序多道加工,提高加工效率并确保加工质量.     

半煤岩巷道联合支护方案与应用

以寺河矿南区回风大巷为工程背景,在分析巷道地质条件的基础上,通过理论计算分析了锚杆及锚索的主要支护参数,并确定了锚杆及锚索的型号;结合以往的生产实践经验,确定了巷道联合支护方案.实践表明,巷道支护方案合理,可以满足安全生产要求.     

淠史杭灌区量测水设施建设的实践

文章介绍了淠史杭灌区量测水工程建设布局,几种形式的量测方法在灌区的应用,提出了加强量测水设施运行管理的措施.     

综采工作面运输机窜动的力学论述

为了解决目前在综采工作面中对运输机窜动原因不明确、窜动趋势判断错误进而导致工作面不能进行正规循环生产的问题,利用力学及几何学推算出了运输机支架的力作用平衡方程,以及窜动临界方程的函数关系.该论述可为倾斜变化煤层智能化采煤提供理论基础和计算路径,使开采复杂地质煤层实现真正意义上的智能化.     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。