钢结构施工安全防护策略研究

随着我国建筑业的蓬勃发展,钢结构因其施工工期短,造价较低等优点,在建筑中得到了长足的发展,逐渐普及,受到人们的极大青睐。但其钢结构施工中的安全防护问题也逐步凸显,做好钢结构的施工安全防护,是钢结构施工顺利进行的必要保证,同时也是保证人员安全和排除安全隐患的前提要求。本文就钢结构施工安全防护策略做了一些说明,主要介绍了施工之前的安全防护准备和施工中各个阶段物件的安全防护工作,希望可以加深大家对于钢结构施工安全的防护意识。     

大口井取水在柳林提黄灌溉工程中的应用

柳林县地处晋西吕梁山西麓,地形地貌以黄土丘陵沟壑区为主,地势东北高,西南低,属暖温带大陆性季风气候区。根据柳林县的基本情况、水文气象条件以及提黄灌工程的规划实施概况,提出了兴建大口取水井工程,改变"脚下黄河流,山上水贵油"尴尬局面的对策。阐述了大口水源井工程的设计方案,工程竣工后取得了良好的社会和生态效益,实践证明,大口井取水作为水源工程可靠、有效,具有推广价值。     

基于RDO和SSIM的AVS帧内模式选择算法

AVS帧内模式选择算法中,常采用率失真优化(RDO)方法作为最后模式选择的代价函数来对帧内的5种预测模式进行选择.虽然该方法可以选出相较绝对误差和(SAD)方法更优的预测模式,但是仍不能很好地满足人眼视觉系统的主观性.结构相似度(SSIM)作为一种新的图像质量评价方法,不仅算法简单且包含符合人眼视觉感知的结构信息,故更优于传统的PSNR等评价方法.对原有帧内模式选择算法进行改进,将SSIM和RDO结合在一起共同作为帧内模式选择的代价函数.实验结果表明,该新的模式选择算法获得了更好的编码质量和更高的编码效率.     

大数据在公安领域的应用研究

近年来,我国公安信息化建设发展迅猛,产生了海量的结构化和非结构化数据。公安数据既有传统的文本、传统关系型数据库等结构化数据,也有大量图片、视频、栅格、矢量、关系图等非结构化数据,数据结构、存储方式多种多样。若能充分利用并挖掘这些海量数据蕴含的价值,对于维护社会稳定、预防和打击犯罪、辅助指挥决策都具有重要的意义。把大数据作为基础性资源,全面实施数据强国战略,加快推动数据资源共享开放和开发应用,助力产业转型升级和社会治理创新,是我国目前加快推进的国家战略。     

电子数据取证课程教学和考核方法研究

电子数据取证课程是当前紧跟科技步伐的一门实践操作性比较强的课程,关于电子数据取证教学和考核方法也一直在改进,本文结合山西警察学院网络安全保卫系的实际,从课程设置出发,对电子数据取证技术的理论教学、实验教学,教师素质要求,以及学期中和学期末的考核形式,对电子数据取证课堂教学和考核方法做了系统论述,通过实践方法提出具有自己特色的新型教学考核模式.     

四川盆地泥盆系—中三叠统层序格架内生储盖分布

在层序格架内讨论四川盆地泥盆系-中三叠统烃源岩、储集层发育特征及生储盖组合配置关系,结合盆地现有的油气勘探成果,建立四川盆地泥盆系-中三叠统层序地层格架与油气生储盖组合图解.研究表明,二级层序格架内盆地发育2套区域性烃源岩和3套区域性储集层;SS5和SS6海侵期,以发育富有机质暗色碳酸盐岩和泥岩为特征,克拉通台内坳陷和深水陆棚的烃源岩在后期热演化过程中形成生烃中心;SS4海侵体系域储集层主要是一套与古隆起相关的岩溶储集层,SS5高位体系域储集层主要发育干台地边缘礁滩相带,SS6海便体系域一高位体系域储集层主要发育于台地边缘礁滩相带.四川盆地泥盆系-中三叠统发育综合型、高位型、海侵型3种生储盖组合;区域性烃源岩发育于二级层序海侵期;区域性储集层发育于二级层序高位期;区域性盖层分布与烃源岩晨布特征具有一致性.图3参32     

四川盆地海相地层烃源岩特征

震旦纪至中三叠世四川盆地发育海相地层,共发育5套区域性烃源岩:上震旦统陡山沱组、下寒武统筇竹寺组、下志留统龙马溪组都发育泥质岩烃源岩,中二叠统栖霞组和上二叠统吴家坪组则为泥质岩和碳酸盐岩2种类型的烃源岩.研究发现:陡山沱组生烃中心位于重庆涪陵地区,筇竹寺组生烃中心位于成都-自贡地区,龙马溪组以万县地区和泸州-綦江地区为主要生烃中心,栖霞组具有成都-资阳、广元-仪陇、万县3个生烃中心,吴家坪组以万县-巫山地区为主要生烃中心;同时资料显示,盆地烃源岩总体热演化成熟度较高,成熟至过成熟阶段,其生烃强度主要由有机碳丰度和烃源岩厚度决定.二级层序海平面上升期有利于区域性烃源岩形成,沉积环境控制着烃源岩的岩石类型、有机质类型和有机质丰度,构造运动则影响着烃源岩发育范围和后期有机质成熟度演化.     

铜陵体育场钢结构罩棚卸载方案的比较研究

铜陵体育场主体结构采用大悬挑钢管桁架结构,造型复杂,施工难度大,技术要求高。文章对铜陵体育场钢结构罩棚的卸载方案进行了优化分析,通过数值模拟与施工仿真验算提出了大悬挑钢管桁架结构分级同步卸载方案,克服了原卸载方案中产生的二次应力叠加问题,满足了设计要求,有效地解决了大型空间结构卸载中的技术难题。     

基于QPSO-BP神经网络的锂电池SOC预测

电池荷电状态(state of charge,SOC)的预测是电动汽车电池管理系统的关键任务之一,为此对锂电池荷电状态的预测进行了研究,提出了一种基于QPSO-BP神经网络的锂电池SOC预测.在分析了磷酸铁锂(LiFePO4)电池充放电机理后,运用MATLAB人工神经网络工具箱建立基于量子微粒群算法(QPSO)的BP(back propagation)神经网络模型,用于预测锂离子电池充放电过程中的任一状态下的SOC.仿真实验验证了方法的准确性.结果表明,与现有的神经网络预测方法相比,基于QPSO-BP神经网络的锂电池SOC预测方法准确度高,且具备很好的实用性.