在推进“两深入两服务”中加强党建工作的探索实践

践行“两深入两服务”,是充分倾听客户和员工诉求,准确把握市场规律,全面掌握基层情况,不断提升人们获得感、幸福感和安全感,为人们创造美好信息新生活的生动实践,也是落实省委“三服务”要求,坚持“奔着问题去”“领导带头干”“服务在身边”“改革破难题”的有效抓手。本文通过介绍台州电信在推进“两深入两服务”工作中加强党建工作的具体做法和实践经验,为相关工作人员提供参考。     

液体动静压球形轴承动态特性分析

分析了轴承参数对球形液体轴承的动态特性的影响规律,为液体球轴承的动态刚度、阻尼以及稳定性提供理论指导。以液体动静压球轴承为研究对象,建立液体球轴承的润滑分析数学模型,采用小扰动法推导出层流状态下动态液体润滑方程,采用有限差分法求解扰动压力偏微分方程,数值计算液体球轴承的刚度系数和阻尼系数,通过数值分析研究轴承的转速、偏心率、平均油膜间隙等参数对轴承的动态特性系数的影响规律。结果表明：转速、偏心率以及平均油膜间隙对油膜的刚度和阻尼有着重要的影响。     

施工方案综合评价模糊优化理论模型及其应用

应用模糊数学理论及最小二乘法准则构造目标函数,建立了一种适用于施工方案综合评价的模糊优化理论模型。以某大厦深基坑支护拟用的三种方案评价为例,说明了该模型的应用,并与采用其他方法得到的结果进行了对比,为施工决策者提供了一种科学的有效方法。     

递减样本集成学习算法

从多个弱分类器重构出强分类器的集成学习方法是机器学习领域的重要研究方向之一。尽管已有多种多样性基本分类器的生成方法被提出,但这些方法的鲁棒性仍有待提高。递减样本集成学习算法综合了目前最为流行的boosting与bagging算法的学习思想,通过不断移除训练集中置信度较高的样本,使训练集空间依次递减,使得某些被低估的样本在后续的分类器中得到充分训练。该策略形成一系列递减的训练子集,因而也生成一系列多样性的基本分类器。类似于boosting与bagging算法,递减样本集成学习方法采用投票策略对基本分类器进行整合。通过严格的十折叠交叉检验,在8个UCI数据集与7种基本分类器上的测试表明,递减样本集成学习算法总体上要优于boosting与bagging算法。     

基于小孔节流的液体动静压球轴承动态特性分析

以小孔节流方式的液体动静压球轴承为研究对象,建立球轴承的润滑数学模型,推导出层流状态下的Reynolds方程,引入流量守恒原理并结合小孔节流器的流量计算得到油腔和封油边压力分布;采用微扰法推导出扰动压力控制方程,通过有限差分法和松弛迭代法求解扰动压力控制方程得到轴承的刚度和阻尼系数。运用数值分析研究供油压力、转速及油膜间隙等参数对轴承动态特性系数的影响。结果表明,随着油膜间隙减小,供油压力的增大,刚度和阻尼系数会随之增大;随着转速增大,直接刚度变化趋势较小,直接阻尼降低趋势较明显;当油膜间隙为20μm时,轴承刚度和阻尼系数达到最大;转速的提高对于刚度影响较小,而阻尼系数则会明显降低。