废弃物屏障材料的改性研究

阐述废弃物对环境的污染及国内外对于废弃物的处理方法，介绍国内外膨润土等改性屏障材料工程性质及在吸附扩散性能等方面的研究现状，展望屏障材料的改性研究前景。     

非对称异步移动传感网中低延时邻居发现算法

邻居发现即通过一定的手段快速而有效地去感知与节点能够直接通信的一跳范围内的邻居的问题,是移动传感网（MSN）的重要部分。非对称异步MSN中,已有的算法需要大量的时间和能量去完成相互发现。针对此问题,基于信标与活动时隙分离的邻居发现模型,提出一种适用于异步对称场景的BMCS-A算法,信标在工作周期的不同时隙进行广播以保证邻居发现的确定性。其次,扩展BMCS-A,提出一种持续性广播的BMCS-B算法,节点在第一个子周期内持续性广播信标,接收到该信标的节点将自适应地调整信标的发送时刻以加快邻居发现过程。最后,实现协作式BMCS-B算法,基于已发现邻居的睡眠苏醒调度信息,节点主动发送信标去发现潜在的邻居。仿真实验结果表明,与Searchlight、G-Nihao和Disco相比,协作式BMCS-B将最坏发现时延分别降低了84.62%、85.71%和81.82%。     

深基坑开挖支护的弹塑性有限元数值模拟与分析

长江润扬大桥北锚碇基坑平面69m×50m ,深达48m ,采用弹塑性有限元方法对该超大深基坑的开挖和支护过程进行了数值模拟 ,分析施工过程中支护结构和周围土体的受力、变形及塑性区发展状况。由于该方法比弹性地基梁(板)的基床系数法能更好地模拟深基坑的开挖和支护动态施工过程 ,为工程设计和现场施工提供了理论参考和指导。     

异构网络中天线资源有限时的部分干扰对齐方案

针对异构网络中天线资源有限导致无法实现完全干扰对齐（IA）这一问题，提出一种根据异构网络特点使天线资源利用率最大的部分IA方案。首先，根据异构网络中部分连通性构建系统模型，并分析系统实现IA的可行性条件；然后，基于网络的异构性（基站功率和用户稳定性的不同）对用户划分不同的优先级并分配不同的天线资源；最后，以系统总速率最大和天线资源利用率最大为目标设计高优先级用户完全对齐、低优先级用户消除最大干扰的部分IA方案。在Matlab仿真实验中，所提算法相比传统的IA算法在天线有限情况下能提高10%的系统总速率，并且高优先级用户接收到的速率比低优先级用户的速率高40%。实验结果表明，所提算法能充分利用有限天线资源，在满足用户差异性需求的同时实现系统总速率最大。     

时空效应理论与软土基坑工程现代设计概念

本文研究了时空效应理论与工程控制论的内在联系，指出考虑时空效应的软土深基坑设计与施工技术理论和方法，在本质上等同于工程控制论在软土深基坑工程中的应用，并从而提出了基于时空效应理论的软土深基坑工程的现代设计概念，即，软土深基坑设计，应设计成闭环系统，包含初始标称设计、监测方案设计和控制方案设计三个部分：在初始标称设计中，应选择适当的计算模型，并通过过类似工程的实测资料，通过辨识确定模型参数和结构，使     

用拱结构解决有超载的地下连续墙槽壁稳定问题的工程实例

地下连续墙成槽过程中，泥浆槽壁的稳定性分析十分重要，而带超载的地下连续墙的槽壁稳定问题更难以处理。利用拱结构解决带超载的地下连续墙的槽壁稳定问题，其创新之处在于将复杂多变的地下工程问题工为受力明确的结构问题，经实践证明这一措施是成功的。     

300 MW汽轮机组真空严密性优化研究

针对某发电厂300 MW汽轮机组出现真空严密性差的问题进行深入分析研究,对运行中存在的问题进行适当改造及优化调整,使机组真空严密性提高,减少了漏入真空系统的空气,降低了机组排汽温度、煤耗率和厂用电率。同时,减少了低压设备氧腐蚀并提高了运行安全性,为同类机组进行真空严密性优化调整提供参考和借鉴。     

盾构法隧道管片接头受力模式识别系统的研究

根据上海地铁二号线盾构法隧道管片接头形式 ,建立了能够完整描述接头在任一组合力(弯矩、轴力、联结螺栓预应力 )作用下的受力及变形性状的力学模型识别系统 该系统中的 5个模型由6条线路连接而成 据此接头模型识别系统 ,可以精确分析在不同的应力水平下接头的张角、接头的转动刚度等 ,还可以根据弹性密封垫上的作用力判断接头的防水能力     

地铁车站软土基坑开挖过程中的时空效应分析

软粘土深基坑开挖过程中的时空效应是客观存在的。上海地铁二号线某车站基坑工程在降水不理想的情况下,按常规作法挖至坑底时挡墙最大水平位移为１０１．４６ｍｍ,而按时空效应法施工,挡墙的最大水平位移分别为６３．７８ｍｍ和５５．７ｍｍ。由工况跟踪记录和挡墙横向位移的整理分析,揭示了基坑开挖掘各的时空效应规律,为软土基坑施工提供了可行的经验。     

基于知识图谱路径最优化的自然语言推理方法

外部知识库为自然语言推理模型提供了更多的推理知识,而传统融合知识图谱的自然语言推理模型在子图构建的过程中会引入大量噪声,影响最终模型准确率。对此提出一种基于知识图谱路径最优化的自然语言推理方法,首先结合权重信息和路径长度信息进行子图过滤,从而减少图中未匹配实体的数量,增加子图的上下文相关度,然后运用图神经网络编码子图得到图向量来进一步获取子图中的知识信息,最后将图向量和文本向量相结合送入分类器做判别。采用中文语料库作为实验数据集,结果表明论文模型测试准确率相比基线模型提升1.2%～4.4%,实现了比基线模型更好的识别性能。