三维石墨烯-碳纳米管/水泥净浆的压敏性能

为了探索三维石墨烯-碳纳米管(G-CNTs)/水泥净浆的压敏性能,采用四电极法研究了荷载作用下GCNTs/水泥净浆的电阻率变化,并分析不同G-CNTs掺量、加载幅度、加载速度以及恒定荷载对电阻率变化的影响。研究表明:随着G-CNTs掺量的增加,电阻率呈先减小后稳定的变化趋势,在G-CNTs掺量由0.2wt%增加至1.6wt%时,电阻率下降51.8%;电阻率与温度呈负相关;G-CNTs掺量高于0.8wt%时可以显著提高水泥净浆的压敏性能,且电阻率变化率与应力应变有明显的对应关系,1.2wt%G-CNTs掺量下试件的应力灵敏系数和应变灵敏系数分别为2.3%/MPa和291;G-CNTs/水泥净浆电阻率变化率幅值随着加载幅度增大而相应增加,其电阻率变化率曲线在不同加载速度以及恒定荷载作用下均与应力-应变曲线一一对应,具有良好的压敏特性。     

Matlab在桥梁监测数据预处理中的应用

为研究海量桥梁监测数据的自动化批量预处理方法,文中针对明州大桥健康监测数据,基于Matlab开发了桥梁监测数据预处理程序。研究表明通过可信度评估、异常数据剔除、遗漏数据插补及平滑滤波模块对原始监测数据进行了有效预处理,且程序具有较好的交互性和自动化性能,能完成海量监测数据的批量化处理工作。     

时态神经网络模型及其在股票分类预测上应用

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法。通过将股票数据与时态型相结合，将股票数据转换成时态型股票数据，提出时态神经网络模型的分类方法，对收集的若干上市公司十年内的股票数据进行分析，构建了时态股票数据神经网络分类器对股票进行分类预测。经过实验验证，相比改进前的神经网络和支持向量机方法，该分类器具有更高的分类准确率。结果证明，这种时态数据神经网络模型对于多只股票的分类预测是非常有效的，可以很好地运用到股票市场的分类预测中。     

竹材液化墙体泡沫材料的阻燃改性

为提高竹材液化产物所制备的高轻发泡墙体材料的防火性能，分别采用材料内部添加和表面浸泡的方法进行阻燃改性，并评价不同阻燃剂及其添加量对发泡材料阻燃性能的影响。实验结果表明：在材料内部或表面添加选择的阻燃剂不会对材料自身形貌或组分产生明显影响，对材料的力学性能亦不会造成破坏，在材料内部添加3 g膨胀型凝胶-二氧化硅/聚磷酸铵核壳阻燃剂（MCAPP）后压缩强度达到了0.37 MPa，在材料表面浸泡聚硅氧烷后压缩强度达到了0.58 MPa，同时能提高材料的阻燃性能，在材料内部添加聚磷酸铵（M-APP）后极限氧指数提高到33.2%，比改性前提高3%。在材料表面浸泡膨胀型壳聚糖-蒙脱土-聚磷酸铵（CMAp）后点燃时间明显延长，极限氧指数最高达到了31.5%。