岩移沉降观测中数据缺失的一种估算方法

在矿区的岩移沉降观测过程中,由于环境、人为等原因导致观测数据缺失问题,损害了整体观测数据的完整性,影响后续沉降趋势预测.文中提出了一种最大期望算法,通过计算极大似然估计,交替执行E步和M步,最终得到观测缺失数据填补值.利用某矿区实测数据进行实验,对比分析发现最大期望算法对缺失数据填补更接近实际测量值,在实际应用中有一定参考价值.     

CSJ型炮孔测量仪倾角测量的改进设想

介绍了CSJ型炮孔测量仪的炮孔倾角测量原理及其倾角测量功能在实际应用中存在的缺陷,分析倾角测量误差过大的原因,推导最大偏差角的计算公式。针对该缺陷,提出了增加楔形弹片、柔性连接和电子压力传感器的改进设想。预计经过改进后的测量仪,其导向管能自动与孔壁贴伏,且贴伏程度可测,同时可测得炮孔的直径,降低人员操作与导向管尺寸对炮孔倾角测量的影响,提高测量精度。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

不同骨料体积率的轻混凝土损伤-断裂分析

利用三点弯曲梁试验,对不同骨料体积率的轻骨料混凝土进行了断裂试验研究;同时,将混凝土损伤模块和随机骨料投放模块植入基于耦合判据(Coupled Criterion)的有限断裂模型中,首次应用于轻骨料混凝土断裂的数值模拟中。结果表明:该模型能够有效的模拟荷载-位移曲线的全过程,并且同时描述材料的损伤和断裂,同时预测裂纹的萌生与传播;通过能量分析,得出损伤能与断裂能随轻骨料体积率变化的规律。     

浅谈TD Small Cell与宏网CS域双向切换的实现

文章首先介绍了TD Small Cel1与宏网互操作的必要性,从网络层面的宏观角度总结了TD Small Cell与宏网CS城实现双向切换的操作方法,其中重点分析了虚拟网关组网模式下CS域由宏切换的两种实现手段,并给出了相关应用建议。