基于模糊风险评价理论在国际工程投标决策中的应用研究

<正>模糊数学法能定量地处理影响分析和决策的种种模糊因素,能充分地考虑事物的中介过渡性质,浮动地选择阀值,从而能给出一系列不同水平或指标下的分析结果,提高决策的科学性和准确性[1]。我们可以利用模糊数学的隶属度理论把对投标决策风险的定性评价转化为定量评价。通过建立国际工程投标决策模糊风险评价模型,采用层次分析法构造判断矩阵,建立因素类权重集,采用专家评分调查法构造单因素评价矩阵,建立备择集。再     

促进人群健康的住区绿地环境研究

现代快节奏的生活背景下,不良的生活方式对人群健康造成了巨大潜在的危害。已有研究表明,缺乏足够的体力活动和社会交往是人群疾病高发的重要原因之一,也是导致人群慢性疾病盛行重要因素。住区绿地环境对促进人群步行等体力活动和社会交往具有积极作用。文章在分析住区绿地环境促进人群健康的作用机制与影响效果的基础上,尝试从多样性、可达性、安全性和舒适性等4个因子构建促进人群健康住区绿地环境,证实了良好的住区绿地环境是有效缓解当前严峻人群健康形势的重要途径。     

智能接地线管理系统在电力企业中的应用

针对目前一般电力企业临时接地线管理的现状,介绍了智能接地线管理系统的基本组成、工作原理及在电力企业中的应用情况,阐明了智能接地线管理系统在电力企业安全管理中的积极作用,并为满足发电厂、变电站等电力企业实现集中控制、统一调度、统一维护、统一检修模式提供参考。     

由原始地形面创建DTM表面模型过程中3 D Mine矿业软件的应用

利用3 D Mine矿业软件建立矿山原始地形面DTM表面模型,主要用于采剥工程量的计算,矿业地质模型、构造模型、传统和现代地质储量的计算,露天及地下矿山的采矿设计、露天短期进度计划制定等,其中原始地形面的DTM表面模型的建立是测量工程师、地质工程师和采矿工程师开展工作的基础,地形面的DTM表面模型建立必须依据矿山测量的原始测量数据进行数据编辑处理,建立数据库,然后建立三维表面。通过建立的DTM表面模型,可以实现对矿山的四维动态管理。     

气压ABS关键技术研究与试验

为改善基于门限逻辑算法的制动防抱系统控制性能,提出了一种工程实用的参考车速自适应算法,利用每个控制循环轮速恢复的峰值修正车身参考减速度。设计了基于门限逻辑的ABS控制算法和控制器。在xPC Target的硬件在环系统中进行了仿真试验,并进行了实车试验和参数整定。试验结果表明,提出的参考车速算法在各种典型工况下适应性好,能准确、快速识别车身减速度,结合门限逻辑控制算法,可将车轮滑移率限制在合理范围内。     

灵仙新苷在Beagle犬体内的药动学及其绝对生物利用度研究

目的: 研究灵仙新苷在 Beagle犬体内的药动学和绝对生物利用度。方法: 采用四周期交叉设计,即 Beagle犬 8只,雌雄各半,随机等分为4组,分别采取单剂量静脉注射 (0.75 mg/kg)及灌胃 (7.5、15和 30 mg/kg)两种给药方式,交叉给药,间隔 1周。并于给药后不同时间点取血,采用 LC-MS/MS测定血浆中灵仙新苷的浓度,利用DAS 2.0 软件估算灵仙新苷在 Beagle犬体内的药动学参数,并计算绝对生物利用度。结果: Beagle犬i.g. 7.5、15和 30 mg/kg 灵仙新苷后,估算的 t_1/2分别为 (14.3±2.7)、(13.3±1.3)和 (13.7±2.4) h,AUC_0-36分别为(1.9±1.2)、(4.5±1.9)和 (8.0±3.3) μg·h·mL^-1,C_max分别为(0.14±0.08)、(0.27±0.10)和 (0.52±0.28) μg/mL。i.v. 0.75 mg/kg 灵仙新苷后,估算的 t_1/2为 (13.3±3.0) h,AUC_0-36为 (66.2±12.8) μg·h·mL^-1。灌胃灵仙新苷在 Beagle犬体内的绝对生物利用度分别为 0.32%、0.35%和 0.30%。结论: 口服灵仙新苷后在 Beagle犬体内绝对生物利用度很低,其药动学过程在研究剂量范围内是线性的。     

基于特征建模技术的双级减速箱的虚拟设计

以虚拟设计中的特征建模技术为核心,以SolidWorks为三维设计平台,实现了圆锥圆柱双级减速箱的虚拟设计;并通过基于特征建模的虚拟设计和高效虚拟装配实现了减速箱的虚拟仿真,通过材质和纹理处理对视觉效果进行了优化．     

浅谈新版混凝土配合比设计规程的特点及应用

根据新颁布的JGJ 55—2011《普通混凝土配合比设计规程》要求,就混凝土原材料技术要求、配合比设计、试配、调整并以C25泵送混凝土为例编写《混凝土配合比试验设计计算书》。     

基于全融合网络的三维点云语义分割

为提高室内场景的点云语义分割精度,设计了一个全融合点云语义分割网络。网络由特征编码模块、渐进式特征解码模块、多尺度特征解码模块、特征融合模块和语义分割头部组成。特征编码模块采用逆密度加权卷积作为特征编码器对点云数据进行逐级特征编码,提取点云数据的多尺度特征;然后通过渐进式特征解码器对高层语义特征进行逐层解码,得到点云的渐进式解码特征。同时,多尺度特征解码器对提取的点云多尺度特征分别进行特征解码,得到点云多尺度解码特征。最后将渐进式解码特征与多尺度解码特征融合,输入语义分割头部实现点云的语义分割。全融合网络增强了网络特征提取能力的鲁棒性,实验结果也验证了该网络的有效性。