抛石挤淤在吹填淤泥区地基处理中的应用

首先阐述了抛石挤淤的适用范围及其原理,然后结合工程实例,详细描述了其施工工艺及施工过程的质量控制标准,对该吹填淤泥区所布设的沉降监测点、周边隆起监测点、深层水平位移监测点、孔隙水压力监测点分别进行了监测,通过分析监测数据,得出相关结论,进而探讨抛石挤淤在本试验中的可行性及所存在的问题.     

提高大学生就业能力的科技创新活动思考

大学毕业生就业难问题日趋严重,就业能力欠缺已成为影响大学生就业的一个重要因素,阐述了当前大学生的就业现状,分析了大学生就业能力与科技创新活动的关系,并立足大学生就业能力的培养,提出了开展大学生科技创新活动注意的七个方面。     

脱氢型室温硫化硅橡胶的研究

考察了端羟基聚有机硅氧烷、补强填料和含氢硅油的种类对脱氢型室温硫化(RTV)硅橡胶的力学性能和粘接性能的影响,以及催化剂种类对RTV硅橡胶的凝胶时间和表观密度的影响。结果表明,当端羟基聚二甲基硅氧烷和端羟基聚甲基苯基硅氧烷按10∶3的质量比并用时,RTV硅橡胶的剪切强度较高;当侧氢基硅油和端氢基硅油按1∶1~1∶3的质量比配合使用时,能明显改善硅橡胶的剪切强度;通过选择适当的催化剂,可调整脱氢型硅橡胶的凝胶时间,制得较致密的硫化胶;二氧化钛、氧化锌对脱氢型RTV硅橡胶均有补强作用,而经甲基三乙氧基硅烷处理的氧化锌对脱氢型RTV硅橡胶的补强作用最明显。     

关于解决g-C3N4在光催化制氢领域的两个局限的研究进展

随着工业的发展，化石燃料消耗巨大，环境问题也日益突出，寻找一种绿色新型能源已成为一个被广泛讨论的问题。氢气是一种清洁、可再生燃料，利用光催化剂分解水制氢气是一种制取氢气的有效途径。石墨碳氮化物（g-C3N4）作为光催化剂不仅成本低、反应稳定，而且其尺寸、厚度、结构、形貌等可控，在众多光催化剂中脱颖而出。但g-C3N4目前在光催化领域主要存在两个局限：g-C3N4不能有效地吸收光来产生足够多的光生电子-空穴对；g-C3N4不能有效的运输及分离光生电子-空穴对，以至于电子与空穴的复合率较高。文章综述了g-C3N4在光催化制氢领域的进展成果，分析了g-C3N4存在的问题并总结了其改进方法，最后对g-C3N4进行了展望，以期为设计高效、稳定的光催化制氢材料提供参考。     

膜生物反应器在废水处理中的应用

膜生物反应器 (MembraneBio -Reactor ,MBR)是一种传统活性污泥法的改进技术 ,它应用于给水和废水处理的研究发展过程。介绍了膜生物反应器的发展状况、结构形式、优点和应用领域。     

基于博弈论-VIKOR法的科研项目立项评审研究

针对科研项目立项评审的特点,建立了基于博弈论-VIKOR法的科研项目立项评审模型。目的在于提高定性指标定量化处理的科学性,并通过具体科研项目评审实例描述该方法的运用过程。表明了该方法具有科学性、有效性与可操作性。     

智能变电站过程层网络异常流量检测

为了避免智能变电站过程层网络通信出现异常变动的现象,需要准确检测智能变电站过程层网络异常流量,为此提出新型的检测方法.设计了基于网络演算的变电站通信网络流量计算模型,将根节点全部设成信源,通过流量路由实现周围输入与输出端口的联系,获取智能变电站过程层网络中全部设备端口输入与输出流量.还应用优化支持向量模型进行异常流量检测,将网络异常流量与正常流量分类,实现智能变电站过程层网络异常流量检测.实验结表明:在检测,网络流量特征提取、异常流量检测效果均符合应用需求.     

基于高精度流线生成的交互流场可视化

高效准确的流线绘制一直是流场可视化的重要研究内容,流线可以对流场的重要特征进行有效的稀疏表示,但流线需要长期的粒子追踪过程及大量的积分计算,在面向大规模流场可视化时时间效率较低,需要高性能计算设备进行辅助计算.本文通过设计一种基于深度学习的高精度流线生成算法,将初始的低精度流线快速映射为稠密的高精度流线,可以在较短的时间内快速生成可靠的流线可视化结果,并在此基础上设计了交互式实时流场可视化系统,涵盖了流场的特征检测,属性关联分析,信息论分析等,帮助用户快速了解流场数据,找到自己感兴趣的区域进行后续进一步深度分析,避免了获取过多冗余数据,同时优化了分析工作的效率,满足用户对于流场结构,特征属性等多维度进行关联分析的需求.     

基于RSSI高斯滤波的人工蜂群定位算法

基于接收信号强度指示(Received signal strength Index,RSSI)定位易受到环境影响.为此,提出基于RSSI高斯滤波的人工蜂群定位(RSSI Gaussian Filter-based Artificial Bee Colony Localization,RGBL)算法.采用高斯滤波对收集的RSSI值进行处理,剔除误差较大的RSSI值,保留精度较高的RSSI值,再利用这些RSSI值测距,降低测距误差;基于测距误差建立目标函数,再利用人工蜂群算法求解目标函数,实现节点的定位.仿真结果表明,提出的RGBL算法降低了归一化平均定位误差,提升了收敛速度.     

一种基于深度强化学习的Spark Streaming参数优化方法

Spark Streaming作为主流的开源分布式流分析框架,性能优化是目前的研究热点之一。在Spark Streaming性能优化中,业务场景下的配置参数优化是其性能提升的重要因素。在Spark Streaming系统中,可配置的参数有200多个,对参数调优人员的经验要求较高,未经优化的参数配置会影响流作业执行性能。因此,针对Spark Streaming的参数配置优化问题,提出一种基于深度强化学习的Spark Streaming参数优化方法（DQN-SSPO）,将Spark Streaming参数优化配置问题转化为深度强化学习模型训练中的最大回报获得问题,并提出权重状态空间转移方法来增加模型训练获得高反馈奖励的概率。在3种典型的流分析任务上进行实验,结果表明经参数优化后Spark Streaming上的流作业性能在总调度时间上平均缩减27.93%,在总处理时间上平均缩减42%。