菜摊儿的幸福生活

本设计是一个基于菜场摊位进行的复合功能公共空间的场所设计。选址位于陕西省西安市和平门附近,靠近东南城墙角。随着历史的演进,城墙外高楼林立,逐渐变成了现代图景。而城墙内,历史遗留的民居建筑缓慢发展,也相对衰败。然而每天从清晨延续至夜晚的交易,却给这片沧桑的地段带来了生机。本次竞赛主题是＂出乎意料的城市＂。摊位以混乱无序的形式意外地出现在沧桑的城墙脚下,而我们通过类型化的处理手法,将建筑分解为一系列单元,并由人们自主经营,将意料之外的设施变为情理之中的建筑。     

洪积扇砂砾岩体高渗透段沉积成因及开发地质意义

野外调查显示,高渗透段的主要有4种沉积成因和地貌控制成因;岩心测试资料发现,高渗透段渗流性能最好,以中粗砾岩和细砾岩为主,颗粒支撑结构,为大孔粗喉结构,测井曲线特征明显高渗透段的测井截至值为微电极幅度差大于3Ω.m,电阻率大于27Ω.m,生产测试表明高渗透段注水突进,水淹严重,容易形成水道。在此基础上,进一步研究表明：高渗透段高渗透段垂向上出现在单期水道的中下部,平面上多呈土豆状或带状展布,利用数值模拟技术确定了高渗透层段不同发育位置的连通情况,在此地质条件的约束下,利用序贯指示模拟建立了高渗透段的三维分布模型。     

不良地质条件下大断面洞室群开挖及混凝土施工技术

鲁基厂水电站尾水系统洞室群坪深浅,围岩以Ⅳ～Ⅴ类为主,有宽约35 m的全风化泥质粉砂岩带出露,相邻洞室多、近、跨度大、边墙高,安全问题相当突出;且施工场地狭小,交叉施工作业干扰大,工期紧.针对施上难点,开挖采用分层、分块、分段及预留岩台的施工技术,浇筑采用跳段开挖跳仓浇筑、倒挂混凝土分期承载、连续搭设的方式进行,从而有效的确保了工程安全及工程进展的顺利进行.     

砾岩油藏流动单元渗流特征及剩余油分布规律——以克拉玛依油田三3区克下组为例

利用岩心、测井资料开展流动单元研究,采用定性与定量相结合的方法,选择渗流系数、存储系数和夹层密度等参数将克拉玛依油田三3区克下组分为Ⅰ,Ⅱ,Ⅲ和Ⅳ类流动单元,并详细描述了各类流动单元的孔隙结构特征、分布规律及渗流能力特征。按流动单元进行了数值模拟研究,并分析了各类流动单元与剩余油分布的关系。研究表明:不同流动单元具有不同的渗流特征,从Ⅰ到Ⅳ类流动单元,毛细管压力曲线阀压不断增加,进汞曲线平缓段不断变短,最小润湿相饱和度大幅上升,残余油时水相相对渗透率不断下降,渗流能力不断下降;剩余油分布与储层流动单元类型密切相关,Ⅰ类流动单元水淹严重,Ⅱ和Ⅲ类流动单元是剩余油分布的相对富集区,Ⅳ类流动单元水淹较弱,但剩余油储量低。     

平度市市场监管局开展食品企业公开评价暨“透明工厂体验日”活动

<正>近日,山东省平度市市场监管局组织开展食品生产企业公开评价暨"透明工厂体验日"活动,进一步强化了食品生产环节安全监管工作,提升了全市食品生产企业的食品安全管理水平。活动中,平度市市场监管局邀请了全市食品安全专家、人大代表、政协委员、食品安全社会监督员、媒体记者等20余人组成检查组,走     

虚拟装配通用性的研究与应用

虚拟装配是虚拟设计和虚拟制造中的一个重要组成部分,通过它可以验证产品的可装配性以及获取正确的装配序列。介绍软件复用的思想以及构件技术的概念,设计并开发一个基于Vega Prime的通用的虚拟装配的构件,同时介绍构件中几个重要功能的实现。最后将该构件应用于某方向舵虚拟仿真系统中。     

基于高斯混合一时间序列模型的轨迹预测

针对不同时间道路车流量变化下轨迹预测误差变化大的问题,提出基于概率分布模型的高斯混合-时间序列模型（GMTSM）,对海量车辆历史轨迹进行模型回归和路段车流量的分析以实现车辆轨迹预测。首先,针对均匀网格划分方法容易造成相关轨迹点分裂的问题,提出迭代式网格划分来实现轨迹点的数量均衡;其次,训练并结合高斯混合模型（GMM）和时间序列分析中的差分自回归滑动平均模型（ARIMA）;然后,为了避免GMTSM中子模型自身的不稳定性对预测结果产生干扰,对子模型的预测进行误差分析,动态计算子模型的权重;最后,依据动态权重组合子模型实现轨迹预测。实验结果表明,GMTSM在路段车流量突变情况下,平均预测准确率为90.3%;与相同参数设置下的高斯混合模型和马尔可夫模型相比,GMTSM预测准确性提高了55%左右。GMTSM不仅能在正常情况下准确预测车辆轨迹,而且能有效提高道路车流量变化情况下的轨迹预测准确率,适用于现实路况环境。     

鲁基厂水电站首部枢纽工程截流施工

水电站大坝截流施工是水利水电大坝枢纽工程进展的一项关键节点,截流成功与否直接关系到工程的下一步施工是否顺利,鲁基厂水电站首部枢纽工程二期截流采用单戗双向不同高差立堵方式进行,对今后同类工程有一定的参考作用。     

基于注意力机制和特征融合的SSD目标检测算法

为提高SSD算法对于小目标的检测能力和定位能力,本文提出一种引入注意力机制和特征融合的SSD算法。该算法在原始SSD模型的基础上,通过将全局池化操作作用于高层的不同尺度的特征图上,结合注意力机制筛选出需要保留的信息。为提高对小目标的检测精度,本文引入反卷积和特征融合的方式,提高对小目标的检测能力。通过在PASCAL VOC数据集上的实验表明,该算法有效的提升了对小目标识别的准确率,改善了漏检的情况,大幅度提升了检测精度和算法的鲁棒性。