可持续煤矿矿井水处理与资源化技术综述

煤矿开采过程中会产生大量的废弃矿井水,不仅造成水资源的大量浪费,而且还威胁着矿区生态环境。本文综述了我国常见矿井水的常规处理方法,以及将矿井水视为水资源的可持续矿井水水处理与资源化技术,首次提出以“时间维度和空间维度”对矿井水进行全时空处理,并着重阐述了矿井水分级处理、分质利用技术,反渗透浓水处理与资源化技术,煤泥处理与资源化技术,以及重金属回收与利用技术等,对煤矿区矿井水处理与资源化利用具有指导意义。     

改型GAF通风机的润滑系统介绍

ＧＡＦ系列矿用轴流通风机目前在国内矿山应用已很广泛，风机润滑系统是该机的重要部件之一，其结构新颖，有一定的技术要求。本文介绍了该通风机轴承箱的油路系统，结合在平顶山矿务局多台次现场安装，调试，运转实例，说明在运转中出现的故障及其排除措施，以引起有关人员注意，可避免由此而产生的故障。     

带补偿电路的声表面波卷积器初探

介绍了采用束宽压缩多条耦合器，带补偿电路的声表面波卷积器的基本原理，设计与制作，给出了测量方法及测试结果，实验表明，声表面波卷积器向组件化方向发展已成为可能。     

考虑优先权的地震灾害时限应急救援指派模型

针对地震灾害的突发性及受灾点的分散性, 模型定量确定救援优先级, 以最短到达时间为约束条件构建基于优先权的时限多目标指派模型; 运用两阶段法对模型进行求解, 算例结果表明, 利用该模型进行应急救援队伍的派遣是可行的, 可为应急救援的组织与协调提供决策参考。     

基于Single-Pass的网络舆情热点发现算法

考虑网络事件的时间距离,基于半结构化网页中不同位置特征项重要程度的不同,提出改进的single-pass文本聚类算法single-pass*,优势在于对Web文本不同位置特征项的加权处理,仅需计算新文档与同类别种子文档间的相似度。实验结果表明,相比single-pass,改进算法极大减少了漏检率和错检率,降低了由于新文本流内文档进行相似度计算导致系统性能的下降,平均提高Web文本聚类效率40%。将聚类后的Web文本应用于网络舆情分析,进行主题关注度分析和话题热度特性分析。     

大数据环境下移动对象自适应轨迹预测模型

已有的轨迹预测算法针对移动对象运动模式,使用数学模型进行交通流模拟,难以对路网中的移动对象进行准确的描述.为了解决这一问题,提出基于隐马尔可夫模型(hidden Markov model,简称HMM)的自适应轨迹预测模型SATP(self-adaptive trajectory prediction model based on HMM),对大数据环境下移动对象海量轨迹利用基于密度的聚类方法进行位置密度分区和高效分段处理,减少HMM的状态数量.根据输入轨迹自动选取参数组合,避免HMM模型中隐状态不连续、状态停留等问题.实验结果表明,SATP模型在实验中表现出较高的预测准确性,并维持较低的时间开销.针对速度随机改变的移动对象,其平均预测准确率为84.1%;相同情况下,平均高出朴素预测算法46.7%.     

基于ARM-DSP架构的新型智能仪器开发

论述了一种智能仪器的嵌入式解决方案,采用ARM-DSP双处理器体系结构,充分发挥嵌入式系统软件丰富、界面通信灵活多样、DSP控制器处理控制能力强的特点.详细给出了嵌入式系统的总体软硬件结构,论述了ARM和DSP控制器的通信接口设计和驱动程序设计.     

情景感知驱动的移动对象多模式轨迹预测技术综述

如何利用多源异构时空数据进行准确的轨迹预测并且反映移动对象的移动特性是轨迹预测领域的核心问题.现有的大多数轨迹预测方法是长序列轨迹模式预测模型,根据历史轨迹的特点进行预测,或将当前移动对象的轨迹位置放入时空语义场景根据历史移动对象轨迹预测位置.综述当前常用的轨迹预测模型和算法,涉及不同的研究领域.首先,阐述了多模式轨迹预测的主流工作,轨迹预测的基本模型类;其次,对不同类的预测模型进行总结,包括数学统计类、机器学习类、滤波算法,以及上述领域具有代表性的算法;再次,对情景感知技术进行了介绍,描述了不同领域的学者对情景感知的定义,阐述了情景感知技术所包含的关键技术点,诸如情景感知计算、情景获取和情景推理的不同类模型,分析了情景感知的不同分类、过滤、存储和融合以及它们的实现方法等.详细介绍了情景感知驱动的轨迹预测模型技术路线及各阶段任务的工作原理.给出了情景感知技术在真实场景中的应用,包括位置推荐,兴趣点推荐等,通过与传统算法对比,分析情景感知技术在此类应用中的优劣.详细介绍了情景感知结合LSTM (long short-term memory)技术应用于行人轨迹预测领域的新方法.最后,总结了...     

改进的多目标粒子群优化方法

为了提高多目标粒子群算法(MOPSO)在Pareto前沿的收敛性和分布性,对传统MOPSO方法进行了改进.首先采用基于Pareto支配概念的适应值比例方法选择gbest,其次利用动态拥挤距离更新外部精英集,并通过对精英种群执行遗传操作,最后在粒子种群引入自适应的淘汰机制,加强粒子种群和精美种群的进化.典型测试函数的计算结果表明,该算法在收敛精度和分布性方面得到明显改善.