SBAS-InSAR形变特征监测在矿区损害鉴定分析中的应用

山区井工开采的地表形变具有复杂性和特殊性,引起的地表破坏往往由多方面因素造成。针对常规监测手段无法准确判断建筑异常损害成因问题,以白羊岭煤矿15110工作面的开采为例,以SBAS-InSAR为技术手段,借助于8景Sentinel-1数据,解译得到了研究区地表形变的空间分布特征并分析房屋损害的成因;对所解译地表形变与现有沉陷规律的差异性,进行采区影响边界与时序下沉特征分析;得出山区开采由于岩层的不均匀移动而导致边坡的稳定性发生改变,因土体自重的分力存在,坡体会缓慢的滑移,产生的挤压是村庄建筑损害的主要原因。     

BP神经网络图像压缩算法乘累加单元的FPGA设计

提出一种基于三层前馈BP神经网络实现图像压缩算法的方案,该方案采用可重载IP核和VHDL代码相结合的设计方式.对方案中重要单元一束累加单元进行了FPGA设计,该模块设计采用流水线处理方式,增大了数据吞吐量,减小了系统延时,提高了时钟频率,并完成了该单元的行为级功能仿真.仿真结果验证了FPGA设计的可行性.     

铝合金表面微波等离子体类聚乙二醇涂层的亲水性研究

通过对铝合金低温微波等离子体表面改性,增强其亲水性,减少铝离子扩散,降低生物学毒性,可提高铝合金的生物相容性.采用三乙二醇二甲醚有机试剂,于电子回旋共振低温微波等离子体条件下,在铝合金表面进行沉积对其改性,对所得涂层用X射线光电子能谱、衰减全反射红外光谱和水接触角进行分析表征,以判断表面沉积物的组成及亲水性变化,评价低温微波等离子体处理对提高铝合金亲水性的机理及作用.结果表明,铝合金经三乙二醇二甲醚低温微波等离子体改性后,表面得到一层均匀、致密的涂层,其化学组成为类聚乙二醇结构,表面主要聚集有大量的碳氢和碳氧极性键;与改性前相比,等离子体涂装的铝合金表面接触角大大下降.低温微波等离子体表面改性能显著提高铝合金表面的亲水性.     

溶胶凝胶法制备二氧化钛微粉体

对二氧化钛微粉体的溶胶 凝胶法最佳制备工艺条件进行了探讨,其中溶液温度和ｐＨ 值对二氧化钛水溶胶的形成和稳定性具有较大影响,研究了二氧化钛微粉体的表面性质,ＳＥＭ 分析和孔径分布测定表明,本方法制备的二氧化钛微粉体粒子外观呈球形,其粒径以７０ ～９０Ａ 为主     

低温等离子体聚合物薄膜的研究及应用

概述了利用低温等离子体技术制备有机聚合物薄膜、主要合成方法、特性及研究现状 ,简要讨论了等离子体聚合条件对薄膜结构和性质的影响 ,介绍了现代分析技术对聚合物薄膜结构的表征 ,阐述了近年来对低温等离子体聚合物薄膜的物理性质 ,包括表面性质、渗透性、电学和光学性质等方面的研究进展 ,并描述了其在工业生产各方面的一些应用     

微波等离子体在不锈钢上制备抵抗蛋白质吸附表面

本文利用微波低温等离子体表面改性技术,对医用316L型不锈钢进行改性以增强其表面抵抗蛋白质粘附的能力,提高生物相容性。经过X射线光电子能谱和衰减全反射傅立叶变换红外光谱的分析和表征,发现沉积的涂层为类PEG结构,表面主要聚集大量—CH2—CH2—O键,并且氧原子和碳原子在金属和有机物界面层之间形成共价键结合。血浆蛋白吸附试验显示,与改性前相比,等离子体沉积在不锈钢表面的类PEG涂层可以有效抵抗蛋白质粘附。     

基于SBAS技术的煤矿采空区探查与稳定性评价

煤炭资源的长期开采,导致地下大面积采空区的存在.城市建设快速发展使得土地资源日益紧张,煤矿沉陷区土地成为可持续发展的重要资源.进行高精度和大面积的采煤沉陷地探查与采空区稳定性评价工作,有利于缓解地下采空与地面建设间日益尖锐的矛盾,对城市的可持续发展具有重要的现实意义.InSAR技术能够通过历史影像实现大覆盖面积、毫米级...     

新型环氧沥青增容剂的合成与表征

用蓖麻油酸与环氧树脂反应制备增容剂前驱体,对其半环氧化,得到环氧沥青增容剂。结果表明,在130℃,50 g二甲苯,1.5%催化剂条件下,制得的增容剂前驱体具有较好的透明度,黏度适中。前驱体制备增容剂最适宜的条件为:甲酸与双氧水比例为1∶1,70℃反应30 min。     

马来酸酐接枝聚丙烯流变性能的研究

用毛细管流变仪和DSC方法研究了马来酸酐接枝改性的聚丙烯(PP g MA)对PP/PP g MA共混体系流变性和热行为的影响。结果表明,在聚丙烯(PP)中加入固相接枝反应得到的PP g MA,在剪切应力作用下,粘度下降很快;并且该体系的熔点和熔程都有显著变化。     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题,结合上采样算法SMOTE与Edited Nearest Neighbor (ENN)数据清洗策略,提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况,并针对采样后数据噪声问题进行ENN数据清洗,结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型,在AEEEM数据库上使用交叉验证对提出的方案进行性能评估,结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。