差动式调压室甩荷时水位波动以及大井面积和有效阻抗孔面积的计算方法

该文从差动式调压室的基本方程出发,推求了差动式调压室理想设计时水位波动的计算公式。研究了调压室大井面积和阻抗孔面积的确定方法。利用这种方法可以方便的设计差动式调压室的尺寸,确定最高涌波水位和第二振幅,计算调压室水位的波动过程。     

设置垫板的形件螺栓连接滞回性能试验研究

该文综述了对称和非对称型摩擦耗能连接40多年以来的发展历史和研究现状。摩擦耗能连接可用于结构的减震耗能,通过合理设计可实现地震作用下带摩擦耗能连接结构的低损伤,提高结构的韧性。研发滞回性能稳定、重复性好的摩擦耗能连接是相关研究的主要目标之一。该文从微观和宏观两个方面介绍了金属滑移面之间的摩擦磨损机理,从摩擦磨损的角度讨论了不同摩擦片材料对摩擦连接减震性能的影响。描述了螺栓预紧力大小对摩擦连接减震性能的影响,也总结了摩擦连接的抗腐蚀和抗火性能。阐述了摩擦耗能连接在钢结构支撑、梁柱节点和柱脚节点的应用,并介绍了相关节点的设计方法。对此类连接的关键技术进行了总结,并对该技术的后续研究进行了展望。     

基于功能磁共振成像的人脑效应连接网络识别方法综述

人脑效应连接网络刻画了脑区间神经活动的因果效应. 对不同人群的脑效应连接网络进行研究不仅能为神经精神疾病病理机制的理解提供新视角, 而且能为疾病的早期诊断和治疗评价提供新的脑网络影像学标记, 具有十分重要的理论意义和应用价值. 利用计算方法从功能磁共振成像(Functional magnetic resonance imaging, fMRI)数据中识别脑效应连接网络是目前人脑连接组学中一项重要的研究课题. 本文首先概括了从fMRI数据中进行脑效应连接网络识别的主要流程, 说明了其中的主要步骤和方法; 然后, 给出了一种脑效应连接网络识别方法的分类体系, 并对其中一些代表性的识别算法进行了阐述; 最后, 通过对该领域挑战性问题的分析, 预测了脑效应连接网络识别未来的研究方向, 以期对相关研究提供一定的参考.     

岩土偏压荷载对隧道的影响及其防治

以大坪子隧道工程实例为基础,计算了偏压荷载对隧道的围岩压力,分析了偏压隧道产生的原网及其影响,阐述了偏压荷载对隧道的影响。研究表明：偏压荷载对隧道有极大的危害,必须引起重视,并对如何防治提出了几点建议。     

镍钒钛三原子体系的平衡结构与性质

用密度泛函理论（B3LYP）方法和相对论有效原子实势（RECP）近似,研究了NiVTi、TiV2、NiV2、NiTi2和TiNi2的平衡结构与性质,讨论了最高占据轨道（HOMO）与最低空轨道（LUMO）之间的能级间隙,分析了聚合物体系的稳定性质。     

饱和吹填软土地基的加固效果分析

首先对强夯法在处理饱和吹填软土地基时所遇到的问题进行了总结,然后介绍了一种能有效解决这些问题的地基处理方法一真空动力固结法。结合某工程饱和吹填软土地基所采取的真空动力固结试验,从地面变形规律、承载力、有效加固深度、振动效应等方面评价了真空动力固结方法处理饱和吹填软土地基的效果,得到了一些有价值的结论,可供类似工程应用时参考。     

叠加效应影响下钻孔有效抽采半径的数值模拟及布孔间距优化

针对煤层瓦斯预抽钻孔布孔间距存在盲目性和不确定性等问题,以流固耦合原理为基础构建煤层瓦斯抽采流固耦合数学模型,借助FLUENT数值模拟软件对煤层瓦斯预抽钻孔有效抽采半径进行数值模拟研究,在多钻孔数值模拟的基础上对建新煤矿4207工作面煤层瓦斯预抽钻孔布孔参数进行了优化。结果表明:钻孔有效抽采半径随抽采时间的增加呈对数形式增大;多钻孔抽采时孔间相互扰动可产生抽采叠加效应,布孔间距越密集,钻孔之间瓦斯压力下降幅度越显著;在90 d的预抽期内,建新矿单孔抽采的有效半径为2.02 m,多孔抽采的布孔间距为2.86~4.50 m。结合煤层厚度提出了正三角形的布孔方式,经现场应用瓦斯参数达标,布孔方案切实有效。     

煤系气储层渗透率解析模型研究进展

渗透率是评价煤系气商业开采的重要参数之一,为了准确评价煤系气商业开采的可行性,基于天然裂缝性储层的几何模型,以及渗透率和孔隙率的立方关系、渗透率和有效应力之间的指数关系,调研分析了煤系气储层渗透率解析模型的研究现状。对影响煤系气储层渗透率的各个因素进行了分析,结果表明：气体在基质中的动力学扩散作用导致基质压力和裂隙压力不相等;面割理和端割理张开度的差异导致渗透率出现各向异性;储层为非连续介质,弹性模量随有效应力的变化而变化;有效应力系数和裂隙压缩系数对渗透率有明显的影响。基于分析结果,提出了弹性模量、有效应力系数及裂隙压缩系数的测试方法。     

An empirical study on improving dissimilarity-based classifications using one-shot similarity measure

This paper reports an experimental result obtained by additionally using unlabeled data together with labeled ones to improve the classification accuracy of dissimilarity-based methods, namely, dissimilarity-based classifications (DBC) [25]. In DBC, classifiers among classes are not based on the feature measurements of individual objects, but on a suitable dissimilarity measure among the objects instead. In order to measure the dissimilarity distance between pairwise objects, an approach using the one-shot similarity (OSS) [30] measuring technique instead of the Euclidean distance is investigated in this paper. In DBC using OSS, the unlabeled set can be used to extend the set of prototypes as well as to compute the OSS distance. The experimental results, obtained with artificial and real-life benchmark datasets, demonstrate that designing the classifiers in the OSS dissimilarity matrices instead of expanding the set of prototypes can further improve the classification accuracy in comparison with the traditional Euclidean approach. Moreover, the results demonstrate that the proposed setting does not work with non-Euclidean data.