粮食平房仓基础设计的偏心问题分析

给出两组计算平房仓基础底面积的计算公式,分析按老规范进行偏心基础设计中因偏心距取值不当而出现的问题,同时根据新规范,以基础底面积最小为优化目标,针对影响基础偏心距的一些因素,分析在不同条件下基础偏心距对基础可靠度和经济性的影响,从而确定基础偏心距的合理取值.     

齐齐哈尔市城市防洪堤险工弱段成险因素分析

在论述堤体、堤基岩性组成的基础上，对险工弱段成险因素进行了分析，提出预防和消险措施。     

机电轨道衡快速改造实践

针对机电结合轨道衡使用年限长、计量精度差、急需更新改造的现状。为缩短工期，在不停秤的情况下设计制造了工字钢及钢板焊接而成的横梁与原基础联接，使停秤时间由30天减少为2天．测试表明，各项功能正常，器件防护良好，为中准确度级合格．应用表明。称重速度快、性能稳定。减少了计量误差，提高了衡器精度，各项技术指标符合要求。     

基坑支护工程遗传优化设计中协同演化模型的研究

该文在两层协同演化模型的基础上,提出了一个用于基坑支护工程优化设计的三层协同演化模型,并对该协同演化模型的实现模型、约束处理、适应值调整等关键技术进行了比较详细的探讨。     

Quantitative and reliable in vitro method combining scanning electron microscopy and image analysis for the screening of osteotropic modulators

The increased generation and up-regulated activity of bone resorbing cells (osteoclasts) play a part in the impairment of bone remodeling in many bone diseases. Numerous drugs (bisphosphonates, calcitonin, selective estrogen receptor modulators) have been proposed to inhibit this increased osteoclastic activity. In this report, we describe a pit resorption assay quantified by scanning electron microscopy coupled with image analysis. Total rabbit bone cells with large numbers of osteoclasts were cultured on dentin slices. The whole surface of the dentin slice was scanned and both the number of resorption pits and the total resorbed surface area were measured. Resorption pits appeared at 48 h and increased gradually up to 96 h. Despite the observation of a strong correlation between the total resorption area and the number of pits, we suggest that area measurement is the most relevant marker for osteoclastic activity. Osteotropic factors stimulating or inhibiting osteoclastic activity were used to test the variations in resorption activity as measured with our method. This reproducible and sensitive quantitative method is a valuable tool for screening for osteoclastic inhibitors and, more generally, for investigating bone modulators.     

发生桩基沉降在役压力管道的断裂失效风险分析

含缺陷管道和压力容器的安全评定是石油化工行业中的一个重要课题，断裂力学的出现和发展为它们的安全评定提供了有力的手段。充分考虑工况载荷、缺陷尺寸、断裂韧度、机械强度等参数的不确定性，根据R6双判据准则，通过Monte Carlo模拟方法对发生桩基沉降的管道进行了失效风险分析，得到它的失效概率，对于掌握发生桩基沉降管道的安全可靠性具有一定的实用价值。     

基于先验知识与DBM采样的类不平衡用电数据分类方法

智能电网建设过程中现有客户标签体系不够完善,针对海量用户用电数据的分类管理中带有标签的样本数据量小以及类不平衡分布的问题,提出了一种基于先验知识与深度玻尔兹曼机(DBM)采样的不平衡用电数据分类方法。首先,提取负荷曲线的特征,建立采样原则,利用先验知识和DBM对负荷曲线进行采样。然后,将采样数据通过极限学习机(ELM)网络进行训练。最后以爱尔兰用户用电数据为数据源,通过与原始非采样、随机过采样、合成少数类过采样技术(SMOTE)的对比性实验分析结果表明,所提出的基于先验知识与DBM采样的不平衡用电数据分类方法能够更好地对类不平衡用电数据集进行分类,实现用户用电行为的分析,有效支撑用户侧错峰避峰工作。     

基于深度学习直流闭锁判断的高风险连锁故障快速搜索

大容量直流输电系统的快速发展及多馈入直流系统的出现,增加了系统发生连锁故障的风险。建立了基于深度学习的直流闭锁快速判断模型,提出一种高风险连锁故障快速搜索方法。直流闭锁快速判断模型以网络结构和故障位置相关的稳态特征量作为输入,利用堆叠降噪自动编码器(SDAE)提取输入的高阶特征,可以快速判断交流故障是否导致直流闭锁。根据交流故障后正常线路的负载率情况衡量该故障的影响程度,进而得到线路停运风险;搜索过程中采用深度优先策略,以高停运风险为搜索方向,优先获取故障概率较高的交直流连锁故障。实际电网仿真结果表明,所提方法能够快速给出高风险交直流连锁故障的传播路径和故障概率,可用于在线安全预警和防控决策。     

人工智能在能源互联网中的应用综述

人工智能技术具有高效解决复杂问题的突出优点。能源互联网是信息技术与能源相结合的产物,可以为消费者提供灵活的能源共享服务。由于可再生能源具有间歇性和波动性,对可再生能源的有效利用对能源供需信息的实时性要求越来越高,能源的供需曲线也变得更加复杂多变,因此人工智能技术在能源互联网中具有广泛的应用前景。人工智能技术已经被广泛地应用于能源互联网领域中的系统建模、预测、控制和优化等方面。文章对人工智能技术在能源互联网典型应用场景的研究现状进行了综述,并对未来的发展方向进行了展望。     

基于生成对抗网络的小样本数据生成技术研究

基于数据驱动的深度学习技术成为新一代智能电网的应用趋势,该技术对电网中有标注训练数据的量级提出更高的要求。为了获取更多有标注的智能电网样本数据,文章提出了一种基于改进的生成对抗网络（generative adversarial network,GAN）的训练样本生成算法。该方法通过交替训练改进GAN的生成模型与判别模型,无需先验知识的指导,自主学习原始样本的分布规律,生成新的数据样本。然后采用人工神经网络作为基础分类器,计算样本分类的准确率,检验生成样本的有效性。实验表明,改进GAN模型可以有效学习样本的分布规律,提升谐波分类的准确率,该方法同时具有良好的抗噪性和泛化性,对深度学习技术在智能电网中的深入发展具有重要意义。