医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性

为了更加快捷、高效地判定边坡稳定与否，基于机器学习，融合主成分分析法（PCA）、参数调整、影响因素权重分析等，建立了一种边坡安全稳定性评价体系。研究发现，运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维，但此时模型效果有所下降；随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型，通过对其预测效果的对比分析，确定XGBoost为最佳评价模型。与此同时，采取卡方检验、F检验以及互信息法3种相关性检验手段，并通过计算评价因子的重要程度且加以可视化展示，明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性，最终将评估结果与实际结合提出了边坡安全防护措施

采用经典弹性力学方法建立了金属层合板翘曲解析计算力学模型，获得了厚度方向不均匀延伸与板形翘曲之间的定量关系；并分别建立了在线和离线两种状态下金属层合板翘曲变形的有限元数值模拟模型，对解析计算力学模型进行了验证；在此基础上，揭示了金属层合板产生板形翘曲缺陷的力学根源以及各因素对金属层合板板形翘曲缺陷演变的影响规律，同时对比分析了双层和三层结构层合板与均质板的翘曲变形差异以及铜/碳钢层合板与不锈钢/碳钢层合板二者之间的翘曲变形差异。研究表明，金属层合板翘曲高度与延伸差、厚度比呈正比关系，与厚度呈反比关系，且基层与覆层的切变模量相差越大，厚度比对金属层合板翘曲变形的影响越大。基于数值模型，模拟研究了层合板在理想均匀分布的初始温度下，历经去应力退火过程时，其板形翘曲的变形行为及规律，并与均质板进行比较。最后，在工业生产现场取样已翘曲层合板，通过测量其弯曲变形量进而反求其初始延伸差，验证了解析计算力学模型的准确性

提出采用煤较低温度下选择性还原选铜尾矿中的铁, 还原球团磁选回收铁的技术, 并考察了还原温度、还原剂用量、还原时间、活化剂用量对选铜尾矿选择性还原回收铁的影响, 得出最佳工艺条件: 还原温度为1200℃, 还原剂用量为原料质量25%, 还原时间为2 h, 活化剂用量为原料质量5%;在最佳工艺条件下, 磁选精矿中铁质量分数超过90%, 铁回收率大于95%.借助X射线衍射仪、光学显微镜和扫描电子显微镜等检测手段对原料、还原球团、磁选矿的矿相组成和结构进行分析, 揭示了铁矿相还原及金属相生成/融合演变规律: 升高温度促进金属相的还原、融合兼并和生长; 增加还原剂用量使金属颗粒的融合兼并变得更加普遍; 延长还原时间促进金属粒子的融合和铁橄榄石相的还原; 活化剂促进金属粒子的扩散和融合.金属颗粒的兼并生长促使其粒度增大, 粗粒金属颗粒在磁选工序裹夹带入磁选精矿的渣相量相对较少, 磁选精矿铁含量显著提高

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

从非开挖水平定向钻进（Horizontal directional drilling，HDD）装备技术、地下生命线工程的探测与信息化、双向对穿HDD技术、大口径HDD技术、HDD回拖力计算模型、地表变形与冒浆6个方面开展了文献调研工作，分析了HDD装备与技术研究应用进展：世界上最大回拖力（20000 kN）的电驱动钻机被设计并研发；电磁感应法被广泛用于既有生命线的空间探测，复杂干扰下的数据解析与精度提高仍是研究重点；基于三维数据，融合建筑信息模型、人工智能、大数据等技术，借鉴美国“811”体系，局部完成了地下生命线的信息化；采用对穿技术完成了长距离的地下生命线敷设；基于过程化的HDD工艺参数、设备参数和控制监测技术被大量应用，有效提升了应用中的风险识别能力；针对不同地层条件下的回拖力计算为设备选型提供了依据，并为HDD多学科融合研究提供了途径；复杂地质条件下的冒浆、卡钻等热点和难点也得到初步探索研究，构建了理论、实验和数值分析模式，为提高HDD的应用效率和质量提供了依据。综合国内外研究进展，进一步分析了HDD的发展趋势

为了揭示硼铁精矿的碳热还原机理,以高纯石墨为还原剂,进行硼铁精矿含碳球团等温还原实验,并采用积分法进行动力学分析.还原温度分别设定为1000、1050、1100、1150、1200、1250和1300℃,配碳量即C/O摩尔比=1.0.当还原度为0.1<α<0.8时,温度对活化能和速率控制环节有重要影响:还原温度≤1100℃时,平均活化能为202.6 k J·mol-1,还原反应的速率控制环节为碳的气化反应;还原温度>1100℃时,平均活化能为116.7 k J·mol-1,为碳气化反应和Fe O还原反应共同控制.当还原度α≥0.8时(还原温度>1100℃),可能的速率控制环节为碳原子在金属铁中的扩散.碳气化反应是含碳球团还原过程中主要速率控制环节,原因在于硼铁精矿中硼元素对碳气化反应具有较强烈的化学抑制作用

以齐大山铁矿选矿分厂铁尾矿为例，对重选尾矿、磁选尾矿、浮选尾矿和综合尾矿4种不同种类尾矿的工艺矿物学性质进行对比分析，并对尾矿中铁的可回收性进行评价。研究结果表明，尾矿中铁矿物主要为赤铁矿，脉石矿物主要是石英，有害元素S、P的含量低；尾矿中铁的金属分布率随着粒级的变化，呈两端高、中间低的规律。重选尾矿中铁矿物主要包裹在粗颗粒脉石中，浮选尾矿中铁矿物主要赋存在细颗粒连生体中，磁选尾矿中的铁矿物粒度极细，综合尾矿粒度范围宽、粒度分布极不均匀。采用单一重选和磁选方法对不同种类尾矿进行再选，浮选尾矿指标最佳，重选尾矿次之，综合尾矿最差，磁选尾矿属于不可选。鞍山式贫赤铁矿分选尾矿中铁的赋存状态决定了铁的再回收潜力，可为此类分选尾矿的处理提供理论借鉴

采用高温固相法成功制备了 Li2x−ySr1−xTi1−yNbyO3(x=3y/4, y=0.25, 0.5, 0.6, 0.7, 0.75, 0.8) 锂离子固体电解质，并通过X 射线衍射（XRD）、扫描电子显微镜（SEM）、交流阻抗图谱、恒电位极化等分别研究了各个组分的晶体结构、微观形貌、离子电导率和电子电导率. XRD 显示当 y≤0.70 时，材料为立方钙钛矿型结构，几乎没有杂质相生成. SEM 表明随着掺杂含量 的增加材料的晶粒尺寸逐渐增大. Li0.35Sr0.475Ti0.3Nb0.7O3 锂离子固体电解质有着高离子电导率，为 3.62×10−5 S·cm−1，其电子电导率为 2.55×10−9 S·cm−1，活化能仅为 0.29 eV. 使用以 Li0.35Sr0.475Ti0.3Nb0.7O3 为隔膜的 LiFePO4/Li 半电池经过 100 圈循环后，放电比容量仍有 93.9 mA·h·g−1，容量保持率为 90.72%

通过单矿物浮选试验揭示了有机抑制剂SDD对铜活化闪锌矿的抑制情况. 在此基础上,采用Zeta电位测试、Versa STAT电化学工作站的局部交流阻抗(LEIS)测试、前线轨道理论计算对SDD和BX(丁基黄药)在铜活化闪锌矿表面的竞争吸附机理进行了研究. 浮选试验结果表明:SDD是一种铜锌分离的高效抑制剂,能够有效的抑制闪锌矿,而黄铜矿几乎不受影响;此外,还发现SDD具有用量少且十分敏感的特性,在pH为10,SDD为4.0×10-5 mol·L-1的最佳条件下,能够将铜活化闪锌矿的回收率降低至16.59%,而黄铜矿的回收率为81.64%. Zeta电位和局部交流阻抗(LEIS)分析表明:SDD不但能够占据铜活化闪锌矿表面的活化位点,而且其吸附能力强于BX,这极大的降低了BX在铜活化闪锌矿表面的吸附量,从而对铜活化闪锌矿表现出良好的抑制作用. 前线轨道理论计算进一步证实SDD与铜活化闪锌矿作用能力强于BX