IT新技术与IT理念在不动产估价信息系统中的应用

本文主要阐述了几种IT新技术以及IT理念在不动产估价信息系统中的应用,并举例说明这些IT新技术或IT理念所存在的优点或在应用中通过这些IT新技术或IT理念可带来的益处。     

我读龟兹石窟

本文指出解读龟兹石窟艺术应将龟兹石窟放入佛教美术传播的整条路线中来解读,以期清晰的看出龟兹石窟对印度、中亚佛教美术的吸收,以及对中原内地佛教美术的影响。     

Windows 98中的方正书版

现在Windows 98已成为个人计算机中应用最多的操作平台,而新闻出版业的各企事业单位主要运用的是方正书版软件。虽然也有使用新推出的以Windows 98为操作平台的方正书版90版本,但更多单位还在使用以DOS系统为操作平台的730版本之前的方正书版软件。为了应用这些软件,虽然可将微机设置成在Windows 98和DOS两个操作平台之间选择启动,但实际操作时还是太麻烦,能否直接在Windows 98中使用方正书版730之前的版本呢?经实验发现,只要设置适当是可以实现的。     

数字漫谈

随着电子出版系统的不断普及,人们处理文稿也越来越方便,然而一些在手写文稿中不那么突出的问题也随着文稿的规范化而凸现出来。比如文稿中的数字究竟该如何书写?到底什么地方该用汉字数字,什么地方该用阿拉伯数字呢?其实无论是从人们的正确书写习惯,还是国家的标准规定中都是有一定规律可循的。     

会理锌矿东部矿段采矿方法研究

本文介绍了昆明理工大学与会理锌矿共同合作进行的采矿方法试验研究,根据东部矿段矿床赋存条件及开采现状设计试验了侧向挤压崩矿分次爆破落矿新方案,达到了安全高效低成本生产、提高矿石回收率、降低矿石贫化的目的。     

一种多数据源的数据仓库填充方案

分析了数据仓库中数据填充存在的问题,为了保持数据仓库数据的全面性、完整性和数据仓库的质量,提出了一种多数据源的数据填充方案,并介绍了这种填充方案的结构和各模块的功能,具体讨论了同质和异质数据库数据源的数据转换模式,对于非数据库数据源,给出了从文本数据源和Web页面数据源获取数据的填充方法。     

二元水循环理论浅析

水循环研究是解决水资源相关问题的基础,长期以来。人们大都采用将自然水循环“还原”人类影响的方法研究水循环,但这种方法存在诸多弊端,往往不能全面准确地反映水循环过程。本文在对二元水循环理论进行分析研究的同时,叙述了二元水循环理论研究的现状,对自然水循环、社会水循环进行了分析比较,并提出了一些建议。     

高寒地区超低温空气源热泵余热回收技术研究

本文以普朗铜矿为试验基地,首次实现高海拔地区的矿山采用超低温空气源热泵机组制热、供暖,实现矿山节能、环保供热.矿井回风中蕴含大量余热,以一个供暖周期为限,将回风中的余热量利用空气源热泵进行回收,与电加热方案相比,3600 m平硐与3700 m回风井采用余热回收系统之后,节电量约为1.48×106 kW·h,节约电费79...     

麻雀算法参数优化VMD联合K-SVD的滚动轴承故障诊断

针对经典K-均值奇异值分解(K-means Singular Value Decomposition,K-SVD)易受噪声干扰产生虚假原子,导致信号稀疏不彻底、故障特征识别困难的问题,提出基于麻雀算法优化变分模态分解(Variational Modal Decomposition,VMD) 参数联合K-SVD的滚动轴承故障诊断方法。首先引入包络熵适应度函数指标并基于麻雀算法优化VMD的模态层数k 和平衡因子α。其次利用平方包络谱峭度指标遴选最优模态,以所选模态分量相空间构造Hankel 矩阵进行K-SVD字典学习。最后对恢复至时间序列的稀疏重构信号进行包络解调,提取轴承故障特征频率。通过轴承故障仿真信号和全寿命实验信号进行验证,证明相较于经典K-SVD算法,所提方法在低信噪比条件下在轴承故障特征提取方面具有优势,有一定的工程应用价值。     

变工况轴承的联合分布适应迁移故障诊断

针对传统的机器学习算法在变工况条件下的轴承故障分类中诊断率低的问题,提出了基于联合分布适应(JDA)算法与K-最近邻(KNN)分类算法相结合的轴承故障诊断方法。首先该方法通过提取不同工况下的轴承故障信号的时域特征分别作为源域样本和目标域样本,并通过Fisher线性判别分析(FLDA)方法计算各个特征所占权重。然后将权重较大的特征组成的特征向量通过JDA方法进行联合分布适配,即通过核函数将源域样本和目标域样本映射到低维潜在空间,以最大均值差异(MMD)距离为度量标准,同时减小源域和目标域样本的边缘分布和条件分布差异。最后将适配完的源域和目标域样本分别作为训练集和测试集,通过KNN分类器进行模式识别,最终实现在变工况条件下的轴承故障诊断分类。通过仿真分析和实验验证,所用方法相较于主成分分析(PCA)、核主成分分析(KPCA)传统机器学习方法以及TCA迁移学习方法,显著提高了变工况条件下的轴承故障诊断精度。