清江县抗旱井的介绍

一、抗旱井的明显作用:抗旱井是清江县广大干群多年来,同干旱作斗争中摸索出的一种有效的小型水利。明显的例子是:1978年,我省发生了历史上罕见的大干旱,流经县境的七条大小河流,除赣江袁水之外,都先后断流、干枯,许多水库、电灌站被迫停止供水。干早严重地威协着晚秋作物,这时,抗旱井却显示了很大的威力。这一年由于县、社大力扶植,狠抓了打井、挖泉,使当年发挥效益的抗旱井有300余口,挖掘传统的泉圹井,拦截溪河潜流的截流井200余口。因而在全省各地普遍因灾减产的情况下,清江县却引人注目地获得了大丰收,粮食总产比历史最高年产还增长4.4％。     

清江县抗旱井的介绍

一、抗旱井的明显作用: 抗旱井是清江县广大干群多年来,同干旱作斗争中摸索出的一种有效的小型水利。明显的例子是:1978年,我省发生了历史上罕见的大干旱,流经县境的七条大小河流,除赣江袁水之外,都先后断流、干枯,许多水库、电灌站被迫停止供水。干旱严重地威协着晚秋作物,这时,抗旱井却显示了很大的威力。这一年由于县、社大力扶植,狠抓了打井、挖泉,使当年发挥效益的抗旱井有300余口,挖掘传统的泉圹井,拦截溪河潜流的截流井200余口。     

原子转移自由基方法合成聚合物刷的研究进展

从聚合物刷基底的选择和聚合方法的优化两方面介绍了原子转移自由基聚合方法合成聚合物刷的研究进展,讨论了聚合物刷在图案化材料表面、提高材料表面的生物相容性及其它方面的应用情况,并对其前景进行了展望.     

基于神经网络与复合离散混沌系统的双重加密方法

正交频分复用(OFDM)已被广泛应用于无线通信系统,其数据传输安全具有一定的实际意义。该文提出了一种双重加密方案,采用神经网络生成置乱矩阵实现第1次加密,通过基于Logistic映射与Sine映射的复合离散混沌系统产生的混沌序列进行第2次加密。该双重加密方案极大提升了OFDM通信系统的保密性,可以有效地防止暴力攻击。相比于单一的1维Logistic映射的混沌系统,基于Logistic映射与Sine映射的复合离散混沌系统具有更大的密钥空间。该文运用Lyapunov指数与NIST测试验证了该混沌系统的混沌特性及随机性,并仿真验证了双重加密方案的保密性能。仿真结果表明,该文所提出的加密方案密钥空间为4×1093,Lyapunov指数提高到0.9850,NIST测试中最大P值为0.9995。该双重加密方案可在不影响传输性能下极大提升OFDM通信系统的安全性。     

窄煤柱巷道非均匀变形机理及支护技术

为了解决窄煤柱巷道非均匀大变形控制难题,以丰汇煤矿窄煤柱巷道为工程背景,综合采用现场调研、室内实验、数值模拟和理论分析等方法,研究了不同煤柱尺寸影响下,采动巷道围岩应力与塑性区分布特征;分析了窄煤柱巷道变形破坏规律与采场覆岩结构运动特征,揭示了窄煤柱巷道非均匀变形机理,指出采动应力场叠加,支承压力大;覆岩结构非对称,偏载作用显著;煤柱尺寸小、强度低,难以为顶板提供有效支撑;支护方案对称布置,针对性差,是窄煤柱巷道产生非均匀变形的主要原因。基于窄煤柱巷道围岩控制难点,提出以"改变巷道区域支护方式、增加支护密度、破碎围岩注浆改性"为核心的差异化支护技术,加强对围岩局部大变形的控制,充分发挥围岩的自身承载能力;现场监测表明,窄煤柱巷道在服务期间围岩非均匀大变形得到有效控制,稳定性好;可为同类型巷道围岩的控制提供参考。     

基于并行约束规划的最大团识别研究

为提高大数据平台下大规模图例的最大团问题求解效率,提出一种基于并行约束规划的最大团识别算法.通过BMT图划分策略将一个复杂图例分割为若干个可独立计算的子图,并将其分配给Spark集群中的计算节点,每个计算节点采用约束规划方法对分割产生的子问题分别进行建模和求解,实现最大团问题的并行化处理.引入时间预测模型,设计基于任务运行时间预测模型的并行图划分方法,从而有效解决计算节点的负载均衡问题.实验结果表明,与基于BMC图划分策略的最大团并行识别算法相比,该算法具有更高的求解效率,可取得近似线性的加速比.     

爆炸应力波作用下空孔周围裂纹群的扩展规律

为探究爆炸载荷下空孔应力集中区裂纹群扩展规律,采用爆炸加载透射式焦散线系统,研究单炮孔作用下空孔周围预制裂纹扩展的动态行为。研究结果表明:在空孔与炮孔连线方向上,空孔迎爆侧、背爆侧预制裂纹起裂并扩展,其余方向预制裂纹没有扩展,背爆侧裂纹扩展长度大于迎爆侧裂纹扩展长度;迎爆侧、背爆侧裂纹不会同时起裂,两者起裂时间差为40μs左右,迎爆侧裂纹在扩展阶段的速度和应力强度因子峰值大于背爆侧裂纹相应值;空孔对于爆生裂纹的导向作用随炮孔与空孔距离L的增大越来越不明显,迎爆侧、背爆侧裂纹扩展速度、应力强度因子值随着L的增大而减小。     

无线城市社团发现的研究——在Spark上利用改进关联规则实现社团发现的算法

社团发现算法存在生成结果冗余及时间复杂度高等问题,虽然关联规则是解决社团发现问题的有效方法,但面临大量迭代计算的瓶颈。针对上述问题进行了研究,提出了一种改进社团发现的SIACD算法。该算法引入MAC地址和布尔矩阵的概念对数据进行预处理,利用基于项数的布尔向量交运算改进Apriori算法,再基于Spark实现算法并行化计算,通过关联规则的方式挖掘无线社团数据。实验结果表明,SIACD算法解决了生成结果冗余、复杂度高、迭代计算等问题,提升了社团发现的挖掘速度,提高了对大数据的处理能力。     

基于改进聚类和矩阵分解的协同过滤推荐算法

大数据背景下,对于传统的协同过滤推荐算法在电子商务系统中的数据稀疏性、准确性不高、实时性不足等问题,提出一种改进的协同过滤推荐算法。该算法首先通过矩阵分解实现对原始数据的降维及其数据填充,并引入了时间衰减函数预处理用户评分,用项目的属性向量来表征项目,用用户的兴趣向量来表征用户,通过k-means聚类算法对用户和项目分别进行聚类;然后使用改进相似性度量方法在簇中查找用户的最近邻和项目推荐候选集,产生推荐。实验结果表明,该算法不仅可以有效解决数据稀疏和新项目带来的冷启动问题,而且还可以在多维度下反映用户的兴趣变化,推荐算法的准确度明显提升。     

融合社交网络与关键用户的并行协同过滤推荐算法

为解决传统协同过滤推荐算法中存在的数据稀疏、冷启动以及推荐结果缺乏多样性等问题,提出一种融合社交网络与关键用户的协同过滤推荐算法。该算法在用户—项目评分矩阵基础上,融合用户社交网络信息得出社交信任矩阵,融合关键用户信息得出关键用户评分矩阵。利用三大评分矩阵,分配不同的权重比例,共同来预测用户对于目标项目评分。针对海量数据问题,采用Spark分布式集群实现该算法的计算并行化。实验结果表明,该算法能够有效缓解数据稀疏问题,提高处理速度和推荐准确度。