玻璃钢圆柱模板的研制及施工

近年来,随着我国建筑工业的发展,高级公共、民用建筑物的装饰标准逐年提高,在裙房大厅等柱截面采用圆体柱体形式亦越来越多的被建筑师和结构工程师所青睐及应用。但是就施工单位而言,目前推行的组合钢模板,虽具有用钢量省、组合灵活、经济效益显著等优点,但其自身的构造形式无法适应曲率半径小的圆曲面柱模施工工程。传统沿用的小木条拼接圆柱模板支撑工艺,则由于模板自身刚度差,配模用料及人工多,周转使用次数少,而且质量难以保证,经济性极差。如果配制专用圆体钢模板,技术上虽可行,但经济上不可取。因此新型小曲率圆柱模板的研制及应用就成为一般施工技术人员所急迫解决的课题。     

用统计物理的方法计算信源熵率

从数学模型的角度来说,信源和随机过程有着一一对应的关系。从混沌的角度来看,随机过程的多重分形谱是动力系统的重要特征,熵率只是多重分形维中特殊的一维,即信息维。该文指出了如何用统计物理的方法计算随机过程的多重分形维,以二态隐马尔可夫信源作为例子,该文计算了其熵率。计算结果和理论结果的比较表明,用统计物理的方法计算隐马尔可夫过程熵率具有实用价值。这一方法可以推广到一般信源熵率的数值计算。     

矿山地质环境调查与防治措施研究

由于矿山地质本身存在一定特殊性,经常会因各种因素引起不同程度的自然灾害,从而严重威胁附近居民的生命财产安全,很大程度限制区域经济发展。基于此,本文简单分析矿山地质环境调查内容及调查方法,并深入探讨矿山地质灾害防治措施及实际案例应用,以供参考。     

利用计算方法识别定义内含子保留的基因组特征

超过90%的人基因都存在选择性剪接。正确识别不同的选择性剪接模式对深刻理解基因剪接调控机制具有重要意义。内含子保留是一种较为常见的基因剪接模式。从基因组序列本身出发, 利用计算方法识别定义内含子保留的各种基因组特征,抽取统计意义上显著差异的特征,利用三种分类方法（SVM,NN,NB）对这些基因组特征进行了分类预测验证实验,保留内含子的平均预测精度达到70%,整体平均精度达到90%,取得了良好效果。研究方法也可应用于其他基因剪接模式的研究。     

基于POSS核凝胶因子的光、热双控液晶物理凝胶

本文创新性地将POSS核树枝状凝胶因子(POSS-G1-BOC)加入基体液晶分子5CB中,并且将偶氮苯化合物(Azo)作为光响应剂掺杂至该体系中制备得到液晶物理凝胶。通过管反演法、DSC、旋转流变仪等方法研究液晶物理凝胶的凝胶行为。采用SEM、紫外分光光度计、雾度仪等手段研究液晶物理凝胶的表观形貌、紫外吸收、透光率等。研究结果表明:在凝胶因子含量仅为0.5wt%即可形成凝胶强度良好的液晶物理凝胶,且此时体系溶胶-凝胶温度可达到111℃,远高于基体液晶的相转变温度35℃,具有良好的热稳定性。由于体系中偶氮苯光响应剂的存在,使得其对365nm紫外光及455nm蓝光也具有可逆的响应行为。本文成功地制备了具有光、热双控性质的液晶物理凝胶,为其在防伪商标、食品包装材料、光热传感器、生物医用材料等领域的应用提供了可能。     

东坡矿厚煤层综放面综合防灭火技术实践

简要介绍了山西东坡煤矿的煤层煤质情况,确定了东坡煤矿的自燃危险性。综合矿井的采掘条件,提出了防灭火技术,通过对防灭火技术的有效交叉使用,解决了东坡煤矿404采掘面的防灭火安全问题,为其他矿井的井下灭火提供了技术参考。     

V.Hukkanen公司腌制鲑鱼条使用斯道拉恩索公司的DeLight保鲜包装

V.Hukkanen公司的腌制鲑鱼条将使用斯道拉恩索公司创新设计的DeLight保鲜包装（如图4所示）,这种保鲜包装采用更环保的纸板包装替代了原来的铝制托盘。     

重屏蔽条件下铀材料丰度的时间关联测量分析

针对高原子序数物质屏蔽下的铀材料,提出了一种新的技术方法来估算其铀丰度。首先,用D-T中子发生器的14 MeV中子对铀材料及屏蔽层进行主动质询,同时利用裂变射线探测器得到裂变中子/γ射线时间关联测量谱。然后,利用成像探测器建立的断层扫描图像得到铀材料及屏蔽层的几何和材料参数,并调用不同的铀丰度参数进行蒙特卡罗模拟计算,得到时间关联计算谱。最后,寻找与测量谱最匹配的模拟谱,确定铀材料的实际铀丰度。通过对比裂变射线探测器实验测量得到的所有裂变中子/γ射线时间关联谱,结果发现在各种屏蔽层状态下,高浓铀材料与贫化铀材料的时间关联谱均存在显著差异,可用时间关联谱作为区分不同铀材料丰度的重要技术特征;对于相同铀丰度和屏蔽状态下的铀材料,模拟谱与测量谱吻合较好,表明时间关联谱的模拟与实验分析可为铀材料铀丰度的估算提供技术基础。     

基于深度信念网络的端信息跳变模式自适应策略

针对端信息跳变主动防御技术中跳变策略单一的问题,将多样异构的跳变模式引入端信息跳变系统,拓展了端信息的定义,并给出跳变策略的自适应调整方案.提出一种基于深度信念网络的端信息跳变自适应模型,形式化地描述了模型中数据收集、特征提取和状态预测等过程,定义了端信息跳变网络状态特征指标,并建立了特征数据集.利用深度信念网络对数据集进行建模,利用马尔可夫链预测下一周期的网络状态,并根据预测结果选取异构的跳变模式,从而实现端信息跳变模式的自适应变化.实验结果显示,模型网络状态识别和预测具有较高的准确性,并且异构的跳变策略能够有效抵御不同的攻击类型,进而验证了端信息跳变自适应模型的有效性和安全性.