在初始泥层高75 cm和耙架转速为0、0.1、1和10 r·min?1条件，以及耙架转速为0.1 r·min?1和初始泥层高度为75、45和25 cm条件下，采用FBRM和PVM实时在线监测技术，对动态浓密系统泥层脱水过程絮团结构演化进行原位连续观测，获得了泥层脱水过程中，絮团直径、数量分布特征和实时图像。研究结果表明，尾矿浓密过程中絮团直径和数量随剪切时间延长呈现先增长后降低，再保持稳定的状态。根据絮团直径变化程度，将絮团密实化过程分为絮团生长期、絮团重构期和絮团破碎期3个阶段。在剪切速率0.1 r·min?1和初始泥层高度75 cm实验条件下，有利于絮团生长和絮团快速破裂重构，并提高絮团密实化程度，但过高的剪切速率作用对絮团结构影响程度下降。剪切速率的增加造成絮团平均直径减小，同时絮团平均直径减小的速率上升。随着初始泥层高度增大，絮团生长阶段时间更长，絮团直径峰值更大，重构期较长，絮团平均直径随初始泥层高度增加而增大。尾矿絮团分形维数可以反映絮团结构变化特征，结合PVM图像的分形维数和孔隙率计算，分析了剪切破坏力与絮团凝聚力存在的相互平衡关系，基于这种动态平衡对絮团破裂程度的影响，研究了尾矿浓密过程中的絮团密实化规律

4.1粘性流体的两种状态是什么?其各自的定义是什么?(参考分数:5分) 4.2流态的判断标准是什么?(参考分数:5分) 4.3某管道直径d=50mm,通过温度为1℃的中等燃料油,其运动粘度v=5.06×10-m2/s试求:保持层流状态的最大流量。(参考分数:6分)

为了提高小型两床变压吸附（PSA）制氧机在变产品气流量下的氧气体积分数，建立了改进的Skarstrom两床循环PSA制氧实验装置，研究了产品气流量对其氧气体积分数的影响。研究结果表明，在低产品气流量运行条件下，通过提高清洗气总氧量与原料气总氧量之比（P/F）以及降低最高吸附压力与最低解吸压力之比（θ）可消除氧气返混的不利影响；在高产品气流量运行条件下，通过提高P/F和θ可以提高实验装置中分子筛的工作能力，进而提高产品气中的氧气体积分数。在此基础上，对低和高产品气流量运行条件下的P/F和θ进行了调节，分别将产品气流量为3.55 L·min?1和19.88 L·min?1时的氧气体积分数从92.4%增加至了95.7%和从74.0%增加至了74.9%。本文的研究结果可为变产品气流量下PSA制氧工艺参数优化提供参考

为了确定适合工业应用的膏体浓度范围，从屈服应力角度完善了膏体定义：以屈服应力为（200±25） Pa时料浆中固相的质量分数为恰饱和质量分数，反推饱和率为101.5%～105.3%时料浆中固相的质量分数范围，即为工业应用膏体浓度.采用不同矿山的两种尾矿（1#尾矿和2#尾矿）对膏体定义分别进行室内实验和工程验证.结果表明：1#尾矿室内动态压密实验获得的底流中固相的最大质量分数为73.71%，膏体定义预测的理论膏体浓度最大值为73.89%，二者相差0.18%；2#尾矿通过深锥浓密机获得底流中固相的最大质量分数为68%，膏体定义预测的理论膏体浓度最大值为68.97%，二者相差0.97%.完善后的膏体定义对膏体浓度预测更可靠

为了深入探究MgO对烧结矿矿物组成及冶金性能的影响，采用扫描电子显微镜和荷重软化熔滴设备研究了MgO对含钛烧结矿矿相结构与软熔滴落性能影响.实验结果表明，随着烧结料中MgO质量分数从2.04%增加到3.96%，烧结过程液相生成量逐渐减少，烧结矿中的赤铁矿和铁酸钙等含量都有不同程度的降低，赤铁矿质量分数从13.57%降低到9.99%，铁酸钙的质量分数由38.7%降低到30.17%，磁铁矿、硅酸盐和烧结矿中的孔洞逐步增加.因此，增加烧结矿中MgO会降低烧结矿中液相生成量，不利于烧结矿转鼓强度和还原性的提高.高碱度含钛烧结矿中的镁主要分布于烧结矿中复合铁酸钙相中，进一步提高烧结矿中镁的质量分数，烧结矿的磁铁矿相比例将增加，有一部分镁固溶于磁铁矿中；在高镁烧结矿中，也会形成一定量的橄榄石，其中固溶有少量镁、钛等元素.随着烧结矿中MgO质量分数的增加，开始软化温度逐渐升高，试样软化开始温度均在1120℃以上，软化温度区间ΔtA随着MgO含量的升高而逐渐变宽

北京大学：《数据分析工具和实践》课程教学资源（讲稿）03 R数据对象（二）

电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）Lecture 04 Association Rules of Data Reasoning（FP-growth Algorithm）

电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）Lecture 04 Association Rules of Data Reasoning（Apriori Algorithm、Improve of Apriori Algorithm）

电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）Lecture 03 Regression Analysis（Logistic Regression）

 Data Integration  Data Reduction  Data Transformation Open Section