长输管道外防护层的选择与应用

文章介绍了目前国内外长输管道外防护技术的特点和防护层应用的现状,分析了常用防腐蚀材料的防腐蚀性能。指出在山区复杂地形条件下,应考虑环境条件和施工条件,并通过技术经济分析对管道外防腐蚀层进行合理选择。     

添加煤沥青提高焦炭强度的研究

本文进行了煤和煤沥青共炭化试验,将煤沥青添加到20kg焦炉内进行炼焦试验。结果表明,煤沥青对武钢用煤有一定的改质作用,添加煤沥青可提高焦炭强度。     

激光对望远系统损伤的研究

本文对激光光束通过望远系统后光束的变化进行了分析，并对６倍望远镜进行了激光损伤和破坏的实验研究，实验结果表明，激光对望远系统的损伤破坏主要是热效应所致，损伤破坏的情况与激光的能量，波长，脉冲宽度和望远系统的结构有关。     

单嘴精炼装置真空室内卷渣水模型研究

本文针对长城特殊厂单嘴精炼装置进行了真空室内加渣精炼的卷渣水模型研究。在试验的基础上，首先讨论了真空室内卷渣现象的工艺过程，然后进一步得出了临界吹气量的表达式。研究结果为工业性生产进一步提高钢的质量打下了基础。     

高精度合成地震记录制作技术研究

制作高精度的合成地震记录是精细储层描述的基础，本文在分析合成地震记录原理的基础上，从地震剖面的极性判断、平均速度的选取，反射系数的准确提取，子波的精确估算等方面对制作合成记录的要点进行了分析，通过提高以上四方面的精度，提高了制作合成地震记录的精度，并提出了一套可行的合成地震记录的检查方法。     

焊前处理方式对LF6铝合金扩散焊的影响

利用Ｇｌｅｅｂｌｅ－１５００热／力模拟试验机，研究了ＬＦ６铝合金的扩散焊工艺，通过对焊接温度、压力、时间的调整和选用不同的料前处理方法，确定了最佳的扩散规范，研究结果表明：在一定的温度和时间范围内，ＬＦ６５铝合金扩散焊接头的剪切哟度随焊接温度和时间的增加而提高；化学浸蚀法比机械打磨法能更有效的去除铝合金表面的氧化膜；在现有试验条件下，得到ＬＦ６铝合金扩散焊的最佳规范参数，搭接试扩散焊接头的剪切强度     

“三位一体”数字校园的设计与实现

介绍了集＂日常管理＂、＂水平评估＂、＂决策规划＂三位于一体的数字校园设计方案。通过规范基础数据,采用ESB整合各业务子系统,解决＂信息孤岛＂问题,并为状态数据采集提供便利。利用BI软件进行数据挖据,为管理者进行科学规划和决策提供数据支持。系统采用单点登录,个性化的门户展现满足了各类用户对资源和服务的需求。     

Short-term load forecasting using bayesian neural networks learned by Hybrid Monte Carlo algorithm

This paper presents a short term load forecasting model based on Bayesian neural network (shorted as BNN) learned by the Hybrid Monte Carlo (shorted as HMC) algorithm. The weight vector parameter of the Bayesian neural network is a multi-dimensional random variable. In learning process, the Bayesian neural network is considered as a special Hamiltonian dynamical system, and the weights vector as the system position variable. The HMC algorithm is used to learn the weight vector parameter with respect to Normal prior distribution and Cauchy prior distribution, respectively. The Bayesian neural networks learned by Laplace algorithm and HMC algorithm and the artificial neural network (ANN) learned by the BP algorithm were used to forecast the hourly load of 25 days of April (Spring), August (Summer), October (Autumn) and January (Winter), respectively. The roots mean squared error (RMSE) and the mean absolute percent errors (MAPE) were used to measured the forecasting performance. The experimental result shows that the BNNs learned by HMC algorithm have far better performance than the BNN learned by Laplace algorithm and the neural network learned BP algorithm and the BNN learned by HMC has powerful generalizing capability, it can welly solve the overfitting problem.