通过铸坯取样分析研究了板坯结晶器内拉速和电磁制动与小气泡分布之间的关系,探讨了拉速以及电磁制动对IF钢铸坯皮下气泡大小、数量和分布的影响规律.实验结果表明:铸坯皮下气泡直径小于0.1mm的气泡占总数的57%,0.1~0.5mm之间的占42.5%,大于0.5mm占0.5%,并且随着皮下距离的增加,被捕捉的气泡尺寸越来越小,而气泡数量边部比1/4处要多50%左右,1/4位置最少;拉速提高会导致气泡尺寸变小,在1/4及边部,气泡聚集位置由皮下9mm变为12mm附近,但是低拉速和高拉速均在皮下3mm位置处有气泡聚集;电磁制动下,铸坯中心处气泡尺寸变大,1/4及边部位置气泡尺寸变小,且会使气泡数量总体降低,主要表现在聚集位置处的气泡数量明显减少

为了确定适用于超音速射流流场数值模拟的湍流模型，首先从理论上分析常用的五种湍流模型之间的差异及其适用范围；其次，采用五种湍流模型，分别对不同马赫数下超音速射流流场进行数值模拟，将数值模拟结果与实测值和理论值进行对比分析.结果表明：剪切压力传输k-ω模型与其他模型相比，通过对输运方程的修正，保证其在计算射流流场时具有较高的准确性；在喷管内部和外部射流流场的模拟中，剪切压力传输k-ω模型的计算结果与理论值和实测值具有较高的吻合度，在五种湍流模型中最适合于超音速射流流场的数值模拟研究

采用扫描电镜/能谱仪表征了管线钢中夹杂物的形貌、尺寸、成分及数量,考察了不同Ti/Mg比的钢中夹杂物特征、硫含量及脱氧产物数量对MnS析出行为的影响,并进行了热力学计算.结果表明：Ti-Mg脱氧钢中夹杂物以MgO-Al2O3-Ti2O3、MgO-Ti2O3或MgO为核心,表面包裹或局部析出MnS,粒径小于1.3μm,数量为300~450 mm-2,形貌为圆形、多边形和方形;夹杂物中Ti/Mg原子数比为0.05~0.2时,夹杂物细小且近圆形;随硫含量减少,凝固过程中MnS析出倾向减小,MnS在夹杂物表面由包裹析出向局部析出转变,提高氧化物夹杂数量,有利于细小MnS的包裹或局部异质形核;Ti-Mg复合脱氧产物细小、弥散,可作为MnS异质形核核心,可同时降低MnS及氧化物的危害

数组:构造型数据类型;有序数据的集合,每 个元素都属于同一类型,用一个数组名和下标 唯一地确定数组中的元素。 好处:让一批相同性质的数据用同一个变量名 ,书写方便,可读性高;便于使用循环语句

2002-2003学年第一学期概率论与数理统计(A)期末考试试卷答案 一填空题(本题满分15分,共有5道小题,每道小题3分)请将合适的答案填在每题的空中 1.掷两颗骰子,已知两颗骰子的点数之和为6,则其中有一颗为1点的概率为 解: 两颗骰子的点数之和为6共有5种可能情况: (1,5)(2,4)(3,3)(4,2)(5,1), 而其中有一颗为1点有两种可能: (1,5)(5,1)

一、数量性状 二、数量性状的遗传机制 三、研究数量性状的几个遗传参数 四、近交和杂交 五、数量性状分析的分子方法

1.动态数列的水平指标有发展水平、平均发展水平、增长量与平均增长量。(X) 2.发展水平就是动态数列中的每一项具体指标数值,它只能表现为绝对数。(X)

一、动态数列的概念 动态数列又称时间数列。它是将某种统计指标,或在不同时间上的不同数值,按时间先后顺序排列起来,以便于研究其发展变化的水平和速度,并以此来预测未来的一种统计方法

建立快速有效的针对大规模文本数据的聚类分析方法是当前数据挖掘研究和应用领域中的一个热点问题.为了同时保证聚类效果和提高聚类效率，提出基于\互为最小相似度文本对\搜索的文本聚类算法及分布式并行计算模型.首先利用向量空间模型提出一种文本相似度计算方法；其次，基于\互为最小相似度文本对\搜索选择二分簇中心，提出通过一次划分实现簇质心寻优的二分K-means聚类算法；最后，基于MapReduce框架设计面向云计算应用的大规模文本并行聚类模型.在Hadoop平台上运用真实文本数据的实验表明：提出的聚类算法与原始二分K-means相比，在获得相当聚类效果的同时，具有明显效率优势；并行聚类模型在不同数据规模和计算节点数目上具有良好的扩展性

CABOSFV_C是一种针对分类属性高维数据的高效聚类算法,该算法采用集合稀疏差异度进行距离计算,并采用稀疏特征向量实现数据压缩.该算法的聚类效果受集合稀疏差异度上限参数的影响,而该参数的选取没有明确的指导.针对该问题提出基于集合稀疏差异度的启发式分类属性数据层次聚类算法(heuristic hierarchical clustering algorithm of categorical data based on sparse feature dissimilarity,HABOS),该方法从聚结型层次聚类思想的角度出发,在聚类数上限参数的约束下,应用新的内部聚类有效性评价指标(clustering validation index based on sparse feature dissimilarity,CVISFD)进行启发式度量,从而实现对聚类层次的自动选取.UCI基准数据集的实验结果表明,HABOS有效地提高了聚类准确性和稳定性