双级时效对7050-T7451铝合金搅拌摩擦焊组织及应力腐蚀敏感性的影响

采用搅拌摩擦焊方法对3 mm厚7050-T7451铝合金进行焊接，为改善接头应力腐蚀敏感性，焊后进行121 ℃ × 5 h + 163 ℃ × 27 h双级时效处理. 通过对微观组织、显微硬度以及应力腐蚀敏感性的分析，研究双级时效对焊接接头性能的影响. 结果表明，双级时效后晶粒发生粗化，晶界内析出相和周边无沉淀析出带(PFZ)变宽，导致在热影响区和热力影响区出现大量不连续晶界；接头热影响区的显微硬度有所下降，但范围明显变窄，接头组织的均一性得到改善；时效处理后的接头在进行应力腐蚀试验 60天后仍未发生断裂，而未经时效处理的接头在1天内全部发生断裂，说明双级时效有效降低了焊接接头的应力腐蚀敏感性.     

Nb和时效时间对热轧中锰TRIP钢中P偏聚的影响

热轧态中锰TRIP钢首先经650 ℃退火2 h,随后在550 ℃进行等温时效热处理,采用场发射扫描电镜(FE-SEM)研究该钢中P的偏聚和时效析出行为的变化情况。结果表明,中锰TRIP钢中P在晶界的偏聚是一种非平衡偏聚现象,临界时间约为50 h,与理论计算结果48 h较为吻合。在局部偏聚区域内,C与P存在共偏聚的关系,即P偏聚量高的地方,C含量也高。而合金元素Nb具有抑制P偏聚的效果,在20~70 h时效时间内,可以相对降低6.57%~19.5%的最大P偏聚量。根据电子背散射衍射(EBSD)菊池线分析,P偏聚量低于2.28at%时,P为固溶状态,高于2.28at.%时,P为析出状态。     

影响煤层气开发效果的地质因素再认识

地质特征认识对煤层气开发效果起着重要作用。在资源特征相差不大的情况下,发现煤层气相邻井的产量差异仍较大。排除工程因素后,通过选取8类地质参数,细致比对了保德区块低产井与邻井的参数特征,筛查出其关键因素为煤层微幅构造与顶板封盖条件,其中以微幅构造为主。据此,重新认识并划分出区块新的次生褶皱背斜单元、向斜单元和斜坡单元,获得了不同次生褶皱构造单元的开发特征。结果表明,高、低产井分布与次生褶皱背斜、向斜相关性高达92%。其中:高产井主要分布在次生褶皱背斜变化较缓、呈隆起状的“平台”,且煤层顶板以泥岩、碳质泥岩为主,封盖性较好;低产井主要分布在次生褶皱向斜,同一井台各井开发效果差异表现为从向斜条带轴部—向斜条带内—向斜条带外的煤层气井平均单井产量不断增加,到向斜轴部的距离大于向斜曲率半径73.5%的范围为主力产气区,小于向斜曲率半径40.0%范围为产水主力区。这对煤层气新井部署、生产管理、开发调整等,具有一定的指导意义。     

基于云概率密度分布估计的大坝监测数据分析

大坝运行监测易受自然环境和监测条件影响，存在时间和空间上的变异性，监测数据具有不确定性。以云理论的随机性和不确定性分析方法为基础，并与空间数据辐射思想相结合，建立了云滴概率密度分布估计模型，然后导出云概率密度分布函数，依据样本监测数据推求母体空间数据的分布特征，并设计了基于逆向云算法云变换的计算程序。分析陆浑水库1979~1999年测压管监测数据和位移变形数据的云概率密度分布特征和云数字特征，得出了20 a来大坝的数据分布特征和运行状态。监测数据分析结果表明，云概率密度分布估计不仅能有效合理地分析大坝的运行状态，而且能够依据云数字特征来判断监测状态和监测环境的异常变化。      

基于特征融合的中文简历解析方法研究

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点，提出一种基于特征融合的中文简历解析方法，即级联Word2Vec生成的词向量和用BLSTM（Bidirectional Long Short-Term Memory）建模字序列生成的词向量，然后再结合BLSTM和CRF（Conditional Random Fields）对中文简历进行解析（BLSTM-CRF）。为了提高中文简历解析的效率，级联包含字序列信息的词向量和用Word2Vec生成的词向量，融合成一个新的词向量表示；再由BLSTM强大的学习能力融合词的上下文信息，输出所有可能标签序列的分值给CRF层；再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络，使用预先训练的词向量和Dropout优化神经网络，最终完成对中文简历的解析工作。实验结果表明，所提的特征融合方法优于传统的简历解析方法。     

福建平和深坑饰面石材(沉凝灰岩)矿地质特征及成矿规律研究

福建平和深坑饰面石材矿赋存于早白垩世黄坑组上段中,沉凝灰岩矿体呈层状分布,其矿石颜色、装饰性能、物理力学性能及荒料率等各项指标满足开采技术要求;矿床主要控矿因素有地层、岩浆岩及变质作用。     

基于聚类的数据加权优化在犯罪预测中的应用

近年来，我国传统暴力犯罪与成年人犯罪呈下降态势，但是，犯罪案由层出不穷。为有效提升公安实践工作中犯罪预测能力，打击各类违法犯罪事件,本文针对犯罪数据，提出一种新型犯罪预测模型。利用密度聚类分析方法将犯罪数据分类，然后进行数据降维提取关键属性生成特征数据，继而对特征数据进行加权优化并采用机器学习的方式对特征数据进行学习，从而预测犯罪案由。实验结果表明，与传统方法相比，本文方法具有更好的预测效果，为公安实践工作中类似案件的侦破和预防，提供新的路径支撑。