长时间处在不舒适的环境中,将对人体健康产生严重影响。井下紧急避险设施中,影响避险人员舒适性感觉的因素众多,本文选取氧气含量、二氧化碳含量、温度和相对湿度四个关键因素为研究对象,采用分级评分法,进行了系列真人模拟生存试验,获得了单一环境变量和多个环境变量条件下总计169组有效人体舒适度投票数据.经统计分析,分别得出了密闭舱室内单一环境变量与人体舒适度感觉之间的函数关系以及避险人员舒适度预测模型,分析了氧气含量、二氧化碳含量、温度和相对湿度的允许范围及调控原则

本文根据文献热力学数据,导出了反应;[Mg]%F0+[O]%=MgO(s)的标准自由能变化ΔG°=-505009+145.03T,J.mol-1(1780 ≤ T ≤ 2000°k)进而用热力学分析了GH36合金在含MgO或MgF2渣系中电渣重熔合金中Si、Mn等成分对产生或保持合金中含有 ≥ 0.0020Wt%Mg的不可能性,提出了含Mg的GH36A合金电渣重熔时自耗电极中含有少量Al的必要性。研究了原始Al含量([Al]0)、原始Mg含量([Mg]0)以及熔渣成分对锭中Mg含量[Mg]的影响。当渣池温度为1690±10℃,0.32 ≤ [Al]0 ≤ 0.62Wt%,0.0035 ≤ [Mg]0 ≤ 0.0140Wt%,熔渣成分为0.10 ≤ NMgO ≤ 0.30,0.05 ≤ NAl2O3 ≤ 0.21,NCaO ≤ 0.15范围,建立了GH36A合金电渣重熔控制[Mg]的关系式。研究发现,含有适量的Mg、Al的GH36A合金可大幅度地提高合金在650℃,372.65×106Pa的缺口、光滑持久寿命,消除合金缺口敏感性

为实现推力矢量飞机的大迎角机动控制，提出一种基于自抗扰控制的三通道解耦控制策略.以第三代战机F16公开数据为基础，添加推力矢量模型，利用双发推力矢量喷管组合偏转产生大迎角机动的期望三轴力矩.在纵向、横向和航向通道分别独立设计自抗扰控制器，将系统中未建模动态、不确定性以及通道间的强耦合视作总扰动进行估计并补偿，并在纵向和航向通道引入角速度阻尼反馈项，使原始飞行器开环动力学闭环近似为一个广义对象，降低了自抗扰控制器的设计阶次.选取眼镜蛇机动和赫伯斯特机动两种典型的过失速机动动作进行控制策略验证，数值仿真结果表明，所设计的三通道独立自抗扰控制器能够消除通道间的强耦合，完成推力矢量飞机的大迎角机动控制.蒙特卡罗仿真测试表明，所提控制策略具有较强的鲁棒性

含氟矿石中生物浸出技术推广应用存在瓶颈,究其原因在于伴随含氟脉石矿物溶解,氟对浸矿微生物有较强的抑制作用.本研究利用氟的水化学特性,通过添加可形成稳定络合物的物质来转换F离子存在形态,进而使浸矿微生物可以耐受高氟环境.本文系统研究了氟对细菌的抑制机理,明确了氟的真实毒性形态HF,发现了氟对细菌存在跨膜抑制作用,氟胁迫条件下,干细胞内氟离子质量分数明显高于无氟对照组达到18%以上.选择在生物冶金体系中常见Fe3+做为研究对象,研究了Fe3+对F-的络合解毒作用,热力学分析结果可知,Fe3+可以与HF发生一级竞争络合反应,破坏HF络合结构.在铁离子存在条件下,细菌最高可以耐受F-质量浓度1.0 g·L-1的环境下生长.铁氟络合形态分析可知,只有当培养基中Fe3+质量浓度5倍过量于F-质量浓度,细菌才能正常生长,对应的FeF2+在氟化物中质量分数达45%时,而游离氟离子浓度为2.87×10-5 mol·L-1.络合机理实验结果表明,根据配位化学原理,随着F-/Fe3+浓度比的减小,配体浓度相对较低,氟与铁的络合物向低配位方向移动,可以通过调整培养基中的氟铁浓度比来调整氟铁络合产物,使细菌在高氟环境中生长成为可能

油气资源大数据智能平台的总体框架应以数据资源为基础、大数据平台算力为支撑、人工智能算法为核心，面向油气行业生产需求，构建集勘探、开发、生产数据于一体的油气数据资源池，通过数据清洗与融合提升数据质量，整合物理模拟与数据挖掘等手段，实现服务功能模块化，并在PC端、管控大屏、手机移动APP等多维平台实现智能监测、预警与展示。通过对深度学习等人工智能方法在油气工业领域的应用案例分析，表明其具有较好的应用前景。未来石油公司应与科研院所通力合作，挖掘石油工业数据的巨大潜能，实现降本增效，建设全新的智能油气工业生态圈，完成产业升级

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

7.1 数据处理与分析的概念 7.1.1 数据分析与数据挖掘 7.1.2数据分析与数据处理 7.1.3大数据处理与分析 7.2机器学习和数据挖掘算法 7.2.1概述 7.2.2 分类 7.2.3聚类 7.2.4 回归分析 7.2.5关联规则 7.2.6协同过滤 7.3 大数据处理与分析技术 7.3.1技术分类 7.3.2 流计算 7.3.3 图计算 7.4大数据处理与分析代表性产品 7.4.1 分布式计算框架MapReduce 7.4.2 数据仓库Hive 7.4.3数据仓库Impala 7.4.4 基于内存的分布式计算框架Spark 7.4.5 TensorFlowOnSpark 7.4.6 流计算框架Storm 7.4.7 流计算框架Flink 7.4.8大数据编程框架Beam 7.4.9查询分析系统Dremel

开篇案例: 案例一:1997年1月,我国江苏省某五金化工进出口公司(以下简 称“五金化公司”)与日本某综合商社(以下简称“综合商社” )在北京订了进口日本某产品3000公吨的合同,每公吨CF连云 港2000美元,1997年10月交货。1997年6月,因生产计划变化, 五金化公司拟减少进口数量,遂与综合商社在北京的全权代理 人协商,达成口头协议,将原合同进口数量减少至2000公吨, 其他合同条款不变。综合商社在北京的全权代理人未将合同修 改情况及时通知综合商社,1997年10月,综合商社按原合同规 定的数量发货,向五金化公司提供3000公吨的货物。五金化公 司发现供货量与修改的口头协议不符,于是对多出部分的1000 公吨货物拒收,因此发生纠纷。综合商社以五金化公司违反合 同为由向中国江苏省高级人民法院起诉,请求法院判决五金化 公司继续履行合同并赔偿损失

线性规划中所使用的数据,大多是些估计值,有的不够准确，这就需要研究当对某些数据作稍许改变 时，最优解是否变化?如何变化?更何况实际情况还常有变动，特别经济问题是如此,象产品价格的变动,资 源限制数的增减，约束条件的增减，变量的增减等等。这势必影响最优解和最优值。可见充分利用原最优 表，分析最优解对某些数据变化的反应程度即灵敏度是十分必要的，同时也避免了因条件的些许改变而去 从头求解，故灵敏度的分析亦称最优化后分析

许多商业决策中，期望货币值的确是一种不错的决 策准则。但还有许多时候，期望货币值（注意力集中 在收入）根本无法提供希望的最佳决策方案 例如：为一幢房子购买保险的决策并不会比不买保险 带来更高的期望货币值，否则，保险公司如何赚钱？ 类似地，即使决策的期望货币值是负的，许多人还是 会买彩票！ 这说明：货币值对决策者来说并不是所有可能结果的 真实价值的唯一之度量－－效用分析的意义在于：关 注产出的同时，需要关注风险！－－如，投资决策 重点：掌握效用分析基础及其与度量的关系