基于监测数据的软岩边坡变形破坏机理研究

为查明软岩边坡变形破坏过程,探究边坡变形机理,选取内蒙古东部某典型软岩边坡露天矿为研究对象,基于GNSS监测数据,分析各个监测点随边坡变形的位移动态变化过程,结合气候条件及边坡软岩特性,总结边坡变形规律。结果表明：研究边坡滑动模式为“坐落-滑移式”,受内排的增加以及大气降水同软岩弱层自身特性的影响,整体失稳风险加剧。     

矿井提升系统的特点分析及其选型

分析了矿井提升机在矿井生产中的重要地位以及对于安全生产的作用,重点介绍了竖井与斜井提升设备的部分结构及特点,对矿井提升系统中安全隐患较高的装置进行了着重分析,并提出针对适应矿井生产能力选取提升设备应考虑的因素。     

火电机组热力系统抽汽等效热降矩阵算法

在对热力系统进行局部定量分析之前首先需要确定新蒸汽的等效热降和各级抽汽的等效热降.各级抽汽等效热降的传统算法比较繁琐,通过深入研究等效热降理论,应用线性代数理论导出了一种求取火电厂热力系统抽汽等效热降的矩阵算法,利用该方法能够迅速准确计算出不同热力系统各级抽汽等效热降,具有很好的通用性.     

DTTB单载波与多载波制式在移动接收中的性能

介绍了单载波和多载波系统的基本概念和技术特点,分析和比较了这两种制式在地面数字电视广播移动接收中抵抗多普勒扩展、多径扩展及误码扩散的性能,并对比了ATSC和DVB-T标准的移动接收实验测试结果.     

腹腔镜胰十二指肠切除术：两种不同手术入路的比较

目的: 比较腹腔镜胰十二指肠切除术中两种不同入路的优缺点。方法: 对2009年12月-2015年4月期间本院实施的37例腹腔镜胰十二指肠切除术的临床资料进行回顾性分析。结果: 37例患者中前入路20例,下后入路17例。标本切除时间：前入路为(205±52) min,下后入路为(156±34) min,两者之间具有显著统计学差异（P<0.01）。术中出血量：前入路为(360±210) mL,下后入路为(305±175) mL,两者之间无显著统计学差异（P>0.05）。前入路组与下后入路组术后并发症的发生率分别为38.9%及 33.3%,其差异无显著统计学意义。结论: 十二指肠下后入路不仅能更早地进行重要步骤的探查,而且能优化手术流程、缩短手术时间。     

冯营矿区段突出煤层瓦斯预抽及效果评价

从煤层预抽瓦斯方法、钻孔布置等方面介绍了冯营矿研究区段煤层瓦斯抽采情况。通过现场实测煤层残存瓦斯含量、残存瓦斯压力,并结合相关实验参数计算煤层瓦斯抽采率,对研究区段煤层预抽瓦斯效果进行整体评价,认为该区段煤层预抽瓦斯效果达标,但仍存在一些问题。对存在问题进行分析,并提出了一些建议。     

飞秒激光场中原子/分子的隧道电离及应用

综述了强激光场作用下原子的光电离动力学最新进展,着重分析了非绝热隧道电离中的隧穿出口光电子动量分布,得到分子坐标系中隧道电子角分布,实现分子内层轨道成像;采用电场矢量同向旋转的双色(400 nm+800 nm)圆偏振激光实现双指针阿秒钟干涉技术,该技术可以测量光电子波包的相位和振幅;基于具有较大自旋-轨道耦合效应的原子(氙原子),通过圆偏振激光中的多光子电离过程,可产生具有高自旋极化度的光电子。最后对目前超快强场物理的研究前景和发展趋势进行简单的介绍。     

天津市海河清淤施工技术及质量控制

在海河堤岸改造工程中配合两岸综合开发,对海河中心市区段子北汇流口至海河外环大桥18 km进行清淤,构筑水清、岸绿、景美、通畅的滨河景观,满足通航2 000 t船舶及水质水环境保护的要求.依据试验段施工经验,对全部清淤工程进行质量控制.     

新一代数字电视传输标准DMB-T的关键技术

本文描述了地面数字电视广播（Digital Televison Terrestrial Broadcasting ,DTTB)的要求和地面数字电视广播的信道特点,在介绍国外现有的DTTB传输标准的基础上说明了清华大学数字电视传输技术研发中心提出的DMB－T（Terrrestrial Digital Multimedia /Televison Broadcasting)标准。通过与现有标准在调制、同步、信道估计等方面的比较证明,DMB-T具有优越的性能。     

生猪检测模型及数据集构建方式研究

猪只检测对其后续的个体识别及行为识别有着重要的支撑作用。然而现阶段关于猪只检测的研究较少且没有达到理想的检测结果。另一方面,在猪只养殖中,杂物的遮挡、猪的重叠等给生猪检测带来了较大的困难。为克服上述困难同时获得较好的生猪检测性能,本文进行了生猪检测模型及数据集构建方式的研究,探讨了不同YOLO模型及不同数据集构建方式对猪只检测性能的影响。以圈养猪为研究对象、以监控视频为数据源开展了一系列研究。首先,对比了YOLOv2、YOLOv3及YOLOv4不同模型下生猪的检测性能,旨在探索最优的生猪检测模型。通过实验发现,YOLOv4具有最好的生猪检测性能。其次,构建了规模为4000张、8000张、12000张图像的数据集及不同视角的生猪检测数据集,探讨不同规模和不同视角数据集对生猪检测精度的影响。通过实验得出,规模为12000张的数据集精度最高,平均检测精度为82.21%;侧视和俯视视角数据集的平均检测精度分别为90.68%和77.91%。最后,构建了图片包含不同猪只个数的检测数据集,分别为少目标和多目标数据集。实验得出,少目标和多目标数据集的生猪检测精度分别为79.14%和94.25%。以上实验结果表明,YOLOv4模型具有最好的检测性能;且数据集规模越大,结果越好;同时构建数据集时应尽量挑选单张图片中目标个数多的样本。