某尾矿库排洪隧洞贯通误差预计方案探讨

该排洪隧洞是整个库区较为重要的防洪排水措施工程,工程成型质量有较高要求,有必要对该隧洞两对头掘进端进行统一系统的高精度测量.在正式的测量工作开始前,根据工程设计图纸编制贯通误差预计方案,方案首先对隧洞内外预布置测量控制点,然后以《工程测量规范GB50026—2007》为依据,达成贯通误差允许值为目标,选取并计算测量精度...     

卷烟燃吸状态下的气体流量分配

为了考察卷烟燃吸时的气体流量分配规律,设计了一种测定烟支不同部分进气量的装置;采用该装置测定了卷烟燃吸状态下燃烧锥端、卷烟纸段和滤嘴段的进气量,分析了卷烟燃吸时不同部分的气体流量分配规律和燃烧锥烟气净生成量。结果表明：(1)卷烟燃吸时,卷烟纸段和滤嘴段进气量大于未燃卷烟,燃烧锥端进气量小于未燃卷烟,滤嘴通风卷烟的滤嘴通风率大于未燃卷烟。(2)无滤嘴通风卷烟燃吸时,燃烧锥端进气量与烟丝段长度呈线性递减关系,卷烟纸段进气量与烟丝段长度的二次方呈正比关系。(3)卷烟抽吸时燃烧锥存在净生成气体量,且烟气净生成量与燃烧锥进气量呈正比,实验卷烟燃吸时每毫升燃烧锥端进气量约净生成0.24 mL气体。     

外加剂对锡尾砂充填料流动特性及抗压强度影响规律研究

充填料浆的流动特性及强度特性对矿山充填质量有着重要影响。为研究外加剂对锡尾矿充填料浆流动特性及充填体抗压强度的影响规律,选用混凝土复合泵送剂、液体早强剂开展了不同添加量条件下充填料浆塌落度、扩展度,以及3、7、28 d充填体单轴抗压强度试验。结果表明：复合泵送剂的添加大幅增加了锡矿尾砂的塌落度及扩展度,有效改善了充填料浆的流动特性。泵送剂在改善充填料浆流动性的同时会影响充填体的强度,针对锡矿全尾砂充填料浆泵送剂较为合理的添加量范围为0.5%~0.8%。早强剂对锡矿尾砂充填体早期强度影响显著,添加后充填体前期抗压强度大幅度增大,同时对后期充填体抗压强度影响较小,针对锡尾矿充填料早强剂较为合理的添加量范围为0.05%~0.15%。     

高性能混凝土绝热温升影响因素的试验研究

通过混凝土绝热温升比对试验，探讨了初始温度、粉煤灰、水胶比等因素对混凝土绝热温升的影响。结果表明：混凝土拌和物的初始入模温度对早期的温升速率影响较明显，初始温度越高，温升速率越快，但对混凝土最终的绝热温升值影响很小；粉煤灰等量取代水泥可以使混凝土早期的温升速率减慢，放热峰值推迟出现，但对最终温升值影响很小；胶凝材料用量越多，其早期的温升速率越快，最终的温升值越高。     

大学生英语翻译现状分析及对策

翻译能力的培养是非英语专业英语教学目标体系的重要组成部分。基于对学生英语翻译能力的现状分析,指出了翻译教学的重要性,并对如何提高大学生英语翻译能力提出了几点建议。     

一种信任关系强度敏感的社会化推荐算法

为了进一步提高推荐算法的准确率,更好地对用户间的信任关系进行建模,首先提出了一种信任关系强度敏感的社会化推荐算法(StrengthMF).与以往的算法相比,该算法假设建立信任关系的两个用户之间并不一定存在着相似的兴趣爱好.在推荐过程中,StrengthMF算法通过共享的潜在用户特征空间来对信任关系强度和用户兴趣进行建模,通过进一步识别出那些与目标用户有着共同爱好的朋友来对求解的过程进行优化.为了验证算法所估计出的信任关系强度的准确性,接着又在SocialMF算法的基础上,提出了一种使用所估计的信任关系对其重新训练和学习的InfluenceMF算法.实验结果表明,与目前较为流行的方法相比,新方法能在RMSE和MAE上取得更好的推荐结果,其所推导出的信任关系强度能进一步提高已有推荐算法的性能.     

基于Unity3D平台的射击游戏的开发

本文针对游戏开发技术不断进步,各类游戏引擎不断更新的情况,利用Unity3D跨平台功能的突出、兼容性强的特点,结合C#开发一款第一人称的射击游戏系统,该系统运行流畅,具有较好的可玩性与夸平台性。     

一类具有最大分支数的16阶0-1矩阵构造

具有最大分支数的0—1可逆矩阵被广泛应用于分组密码的扩散结构设计中。为构造16阶该类矩阵,将16阶0—1矩阵划分为以4阶0-1矩阵为单元的4阶块矩阵,根据特征和域上重量均为2的4维0-1向量相加后所得向量的重量分布特点,在行置换同构意义下构造满足某种特殊结构的4阶0．1矩阵单元组,以此为基础,根据Hadamard矩阵的结构特点,利用矩阵的分块构造思想,给出一类分支数达到最大值8的16阶0-1可逆矩阵和对合矩阵构造方法,并在行置换同构意义下给出对合矩阵的计数。     

基于混合神经网络和注意力机制的卒中后抑郁早期筛查分类方法研究

脑卒中后抑郁症（PSD）是卒中后常见的并发症之一，严重威胁着脑卒中患者的健康。目前PSD的诊断主要依据病人的临床表现及各种量表，这类方法存在一定的主观性。脑电图（EEG）结合深度学习技术有可能为PSD诊断提供客观标准。本研究采集28名脑卒中后无抑郁受试者(PSND)和38名脑卒中后轻度抑郁患者（PSMD）的EEG信号，提出了一种基于注意力机制的长短时记忆网络（LSTM）和卷积神经网络（EEGNet）特征融合的端到端的PSD诊断框架。采用LSTM模型来学习EEG信号在时序上的依赖关系，引入的注意力机制对LSTM模型中时域信息进行权重分配来提高有用信息的利用率，最终通过EEGNet模块来提取EEG信号中更具表征的深层特征。通过10折交叉验证得出准确度、精确度、召回率、F1-Score和Kappa系数，分别为95.90%、95.75%、96%、95.82%和91.60%。与基础的深度学习模型相比，本文的方法能保持稳定的模型性能，对PSD的诊断具有较高的准确性，为PSD的筛查和诊断提供了一定的参考。