陕西汤家沟铅锌矿地质特征及找矿潜力

陕西省白河县汤家沟地区位于旬阳地区铅锌成矿带上,该成矿带上已发现黄石板、大葫芦沟、高家沟等铅锌矿床(点)。通过对汤家沟地区区域成矿地质背景、含矿地层岩石地质特征、蚀变特征、区域地球化学特征的总结,对含矿层中典型热水沉积岩岩石学特征、含矿物质来源初步分析、热水沉积岩稀土元素地球化学对比研究等,以及将该区与邻区黄石板铅锌矿体从地层组合、蚀变种类等方面对比分析,认为该区南部和北部异常范围内,蚀变较强部位存在隐伏矿体的可能。     

我国中低温煤焦油加氢制备燃料油研究进展

介绍了中低温煤焦油的组成与性质,以及中低温煤焦油生产、加工和利用的现状和加氢产品油的特性。综述了近年来我国中低温煤焦油加氢制备燃料油研究进展以及国内几家企业典型的加氢工艺并阐述了加氢原理。展望了未来我国中低温煤焦油加氢制备燃料油的广阔前景。     

改进LMD和LS-SVM在小电流接地故障选线中的应用

提出一种改进的局部均值分解(LMD)和最小二乘支持向量机(LS-SVM)相结合的小电流接地故障选线新方法。针对LMD存在端点效应的缺陷,提出了一种最小平方距离相关的改进算法,对端点效应进行了有效的抑制;LS-SVM在SVM基础上,用二次损失函数代替不敏感损失函数,用等式约束代替不等式约束,降低了计算复杂度。与径向基神经网络(RBF)方法的分类效果对比,验证了LS-SVM在非线性模式识别方面的优势。实验表明该方法能够很好地选出故障线路,为小电流接地故障选线提供了一种有效的新方法。     

新型介微孔材料Beta-KIT-6的合成及其表征

阐述了新型介微孔材料Beta-KIT-6的典型合成步骤,并对合成的介微孔材料进行了XRD、N2吸附-脱附、SEM、TEM、27Al NMR、IR表征,从而对介微孔材料Beta-KIT-6的晶型、比表面积、孔体积、孔径、形貌、孔道结构、Al物种配位形式等有了更加清晰的认识,对新型介微孔材料Beta-KIT-6今后的发展与应用研究打下了基础。     

海南乐东龙沐湾地热田地质及水化学特征分析

海南岛地热资源丰富。根据地热勘查成果,对龙沐湾地热田的地质背景、热储特征、地球物理特征等进行分析,认为龙沐湾地热田属于孔隙裂隙复合型、对流兼传导型地热田,热储层为新近纪佛罗组中粗砂、粘土质砂和三叠纪花岗岩,地热增温主要受断裂控制作用,热源来源于地下水的深循环和岩浆岩余热。     

基于改进多阈值小波包的去噪算法及应用

提出一种改进多阈值小波包的去噪算法,解决了单一阚值对噪声去除不完全和对一些有用信号无差别去除的问题。应用在智能交通的图像去噪中,解决了不完全及错误去除图像信息的问题。首先采用小波包分解重构算法对图像进行预处理,得到更多的边缘细节。然后针对不同能量对应不同频段的特点,自适应地合理设置阈值,对不同频段下的噪声采用不同阈值去除。实验表明,该方法有效去除噪声,保留了图像的边缘和细节。     

电能质量扰动识别的不同时频分析方法研究

分析了EEMD、LMD、ITD的算法、特点及分解不同扰动信号的实现步骤。经过实验模拟,对比分解所得效果图,得到适合各种电能质量扰动信号的最佳分解方法:对于电压暂升、电压暂降、电压中断幅值类扰动信号用EEMD方法分解效果最佳;脉冲暂态扰动EEMD和ITD均可,ITD方法更快、定位更准;暂态振荡信号用ITD方法效果较好;电压闪变扰动EEMD分解效果较好;谐波信号用ITD分解效果较好。     

基于微分熵与RQA的电能质量扰动分析

基于非线性混沌和相空间重构理论,将电能质量扰动信号序列重构到高维相空间,进行递归图(RP)分析。采用微分熵法对电能质量信号进行相空间重构,避免分别求取嵌入维数和延迟时间的不一致性;引入递归定量分析(RQA)进行扰动的定量分析,克服传统特征提取方法对过程平稳的严格要求。利用能够表征信号发散程度的RQA参数-确定率(DET)和分层率(LAM)组成电能扰动信号识别的特征向量,根据不同电能质量扰动信号各自的分布情况,来区分不同的电能质量扰动信号。通过对6种电能质量扰动信号进行实验分析,结果表明:该方法不仅能够很直观地识别电能质量扰动信号,还能利用RQA的特征量对信号进行具体的定量分析,为电能质量扰动分析提供了高效、直观的方法。     

基于DTCW-ERE的小电流接地系统故障选线

小电流接地系统发生单相接地故障时,各馈线的小波能量分布各不相同。本文提出了一种基于故障线路小波综合能量相对熵的选线新方法。双树复小波变换(DTCWT)具有很好的近似平移不变性和抗混叠性;能量相对熵(ERE)具有对信号间细微差别进行识别的超强能力。结合双树复小波变换与能量相对熵的优点,根据故障线路综合小波能量相对熵最大的原则进行选线,能够使故障选线更直观、快速有效。仿真结果表明,该方法可以准确有效的进行配电网故障选线。     

PCA-GRNN在综合气象短期负荷预测中的应用

为克服由气象因子较多且信息互嵌造成输入量多、预测时间长、预测精度低的缺点,引入主成分分析（PCA）提取气象因子特征量,与历史负荷数据共同作为建模对象;同时,针对BP神经网络动态性能的不足,建立基于广义回归神经网络（GRNN）的短期负荷预测模型。通过对实际电力负荷数据的预测,证明该方法与传统神经网络预测模型相比,明显提高预测精度和速度,具有实用性和有效性。