准噶尔盆地南缘建功煤矿剖面齐古组河流沉积与砂体构型

在沉积学和构型要素分析法的指导下,对准噶尔盆地南缘建功煤矿剖面上侏罗统齐古组曲流河砂体进行了构型分析,统计了构型要素和河道砂体的规模和形态,划分了叠置类型。建功煤矿剖面主要发育7种岩石相类型,通过砂体构型分析,识别出6级层级界面,划分出4种构型要素。当可容纳空间增大量(A)与沉积物供给增加量(S)的比值(A/S)大于1时,发育孤立型砂体;随着A/S值减小至1附近时,发育桥接型和叠合型砂体;当A/S值小于1时,发育切叠型砂体。齐古组沉积期,气候炎热干旱,头屯河组沉积期宽阔的湖面下降,建功煤矿剖面发育水深约33.3 m、宽约139.2 m的砂质曲流河,河流满岸宽度约805.2 m,单一曲流带宽度约6 405.2 m.齐古组沉积期A/S值先减小后增大,早期发育孤立型砂体和泛滥湖泊砂体;中期发育桥接型砂体、叠合型砂体和切叠型砂体;后期再次以发育孤立型砂体为主。     

China Print凯旋——高宝与中国印刷行业共同成长

2009 China Print落下帷幕,4年一届的印刷盛会顺利闭幕.短短的5天时间,中国观众集中领略了世界最先进的印刷技术,而参展商利用展会之机,广泛交流最新行业资讯与印刷技术,同时展出了最具市场竞争力的印刷设备.     

新型上罐固定式串罐无料钟炉顶在龙钢的应用

通过对龙钢在1号～4号高炉建设中成功应用国内改进的PW新型上罐固定式串罐中心无料钟炉顶的介绍,简要阐述了无料钟炉顶的类型,重点介绍了新型上罐固定式串罐中心无料钟炉顶的优点,同时对1号、2号高炉与3号、4号高炉的布料器作了简单的对比,实践表明:采用该技术取得了较好的经济效益。     

矿用防爆电器设计、制造、检验、维修知识讲座 第三讲 本体设计(上)

<正> §1 概述一、设计途径矿用防爆电器的本体和外壳是一个不可分割的整体,两者有着相互依存的关系,其设计可从两方面着手: 1.以本体为主按电路图选择合适的元部件和结构件,经合理安排形成自成整体的本体,然后设计防爆外壳,有时要几次调整设计,使两者融为一体。在进行本体设计时,对外壳概貌的方圆高矮等已先有设想。从本体出发设计外壳,空间利用率较高,总体安排(操作孔、观察窗等)较合理,但通用性和成套性较差。 2.以外壳为主     

探讨国产地下装载运输设备的开发

从引大水利工程和天生桥水电站工程引进国外技术和设备掘进涵洞的两个实例,阐述了对国产地下装载运输设备的开发意见。针对用户“无轨装渣、有轨运输”的技术要求,本文提出了急待完善履带式连续装载机和大型梭式矿车及相应的轨轮式配套机具的具体看法。     

具身智能建造——“数字工匠”视角下的建筑文化传承与创新思考

数字工具的介入正在重塑传统建筑文化。智能设计算法和数字建造工具的进步预示着具身智能建造时代的到来。回归当下,智能建造的主体正处于从人到机器的过渡阶段。在此阶段,“数字工匠”以人机共生的模式对建造过程中的“身体”进行增强,塑造当代的具身智能建造主体。这种人机共生模式的机制如何？它又会带来怎样的建筑结果？文章聚焦“数字工匠”概念,从感知力、思考力和实现力三个方面,结合性能化设计、机器人建造等案例,探讨人机协作下的具身智能建造方式,以及对传统建筑中空间、形式、材料的影响。     

上海市居住空间布局演变特征研究

住区作为城市的重要组成部分,是人们开展工作、郊游等活动的前提。受政策变革、经济发展及人口规模变化等影响,在不同阶段,上海居住空间呈现差异化的布局特征。基于住区POI,对上海2000—2020年的住区空间布局进行研究,以5年为一个时间节点,采用ArcGIS核密度及标准差椭圆分析方法,梳理居住空间在地理空间上的演变特征。研究发现：2000—2020年上海居住空间呈“一主多核”的分布格局。随着时间的推移,形成由中心城区向郊区辐射的空间结构。在2005年与2010年,上海居住空间总体朝东北—西南方向发展;在2015年、2020年时,朝南—北方向发展,且在2010—2015年间,居住空间的总体扩张范围最为显著。     

浅析基于联盟链电梯追溯体系的构建方案

本文提出基于联盟链的电梯追溯体系的基本要求,分析区块链数据结构的组成,列出联盟各方的数据采集要求和追溯权限,制定合适的合约机制、背书机制和交易管理,并与电梯监管平台实现数据传送.     

浅析石油机械设备防腐优化措施

石油机械设备经常在高腐蚀性的环境下运行,这对设备的材料和设计提出了极高的要求。过去的研究主要集中在物理、化学和工艺防腐策略的应用,然而,这些策略的效率和适应性仍然存在一些限制。针对这一问题,本文从电化学机理、设备材料、设计以及运营和维护等方面进行深入研究,并提出了一系列优化防腐措施。希望通过这些措施,改善设备的防腐性能,延长设备的使用寿命,从而提高石油开采的效率和经济效益。     

任务相似度引导的渐进深度神经网络及其学习

持续学习旨在连续地学习多个任务,且在不发生灾难性遗忘的情况下,能够利用先前任务的知识帮助当前任务的学习。渐进神经网络是一种参数独立的持续学习方法,渐进地为每个任务分配额外的网络来提升持续学习的性能,但是这种方法未能直接利用任务间相似度的影响。而在持续学习过程中,通过对比任务间的相似度,并以此对先前任务的参数进行修剪再迁移可能会显著提高当前任务的性能。因此,提出了一种任务相似度引导的渐进深度神经网络（TSGPNN）及其学习方法,它包括了任务相似度评估和渐进学习两个阶段。其中,任务相似度评估阶段定义了一个参照值来衡量目标任务域之间的相似度,并以此作为任务间知识迁移量的参照;渐进过程通过吸收先前任务中的知识重新学习,以此提升学习新任务的能力。对CIFAR-100、MNIST-Permutation和MNIST-Rotation数据集做任务切分,实验表明,TSGPNN的性能与单任务学习、多任务学习和其他基准持续学习方法相比更好、更稳定。