基于块体化程度和物元可拓理论,提出一种适用于顶板稳定性分级的BET法(classification method based on blockiness and extension theory).从三维空间上运用块体化程度指标刻化顶板围岩的完整性,建立以块体化程度、单轴抗压强度、节理条件和地下水条件为指标的评价体系;构建物元可拓模型的经典域、节域和待评物元,分析指标间不相容问题,用可拓层次分析法计算指标权重;综合计算关联度,制定出稳定性分级方法与标准.选取广西铜坑矿四个裂隙岩体试验区,进行BET分级法的工程应用研究.将BET法分级结果分别与RMR法、RSR法、Q法等传统方法及BT法的结果进行了对比.结果表明:与其他各类分级方法相比,BET法所选指标体系更全面,评价方法更客观、科学,评价结果更准确

第一节 盈亏平衡分析 一、盈亏平衡分析的定义 二、盈亏平衡分析的基本公式 三、盈亏平衡分析的局限性 ❖ 第二节 敏感性分析 一、敏感性分析的定义及任务 二、步骤 三、单因素敏感性分析 四、多因素敏感性分析 第三节 概率分析

空间分析源于60年代地理和区域科学的计量革命,在开始阶段,主要是应 用定量(主要是统计)分析手段用于分析点线、面的空间分布模式。后来更多的 是强调地理空间本身的特征、空间决策过程和复杂空间系统的时空演化过程分析。 实际上自有地图以来,人们就始终在自觉或不自觉地进行着各种类型的空间分析。 如在地图上量测地理要素之间的距离、方位、面积,乃至利用地图进行战术研究和 战略决策等,都是人们利用地图进行空间分析的实例,而后者实质上已属较高层次 上的空间分析

针对油泵齿轮轴特殊形状设计了齿轮轴精锻模具.通过有限元仿真和精锻实验研究了齿轮轴成形过程和金属流动规律.分析了对油泵齿轮轴精锻工艺中产生齿形角隅填充不满缺陷的原因：角隅填充是成形终了时成形载荷陡增的主要原因之一，由于齿轮轴精锻模具结构的特殊性，其强度无法满足齿形角隅填充所需高成形载荷的需要.基于角隅填充状况，提出了齿形端面斜面分流和环形槽分流，并对传统精锻工艺和两种分流锻造工艺进行了有限元仿真.分析结果表明两种分流方法均能有效减小齿形角隅填充时金属流动阻力，保证齿形良好填充，降低成形载荷，并且斜面分流优于环形槽分流.锻造实验验证了有限元仿真的准确性

试卷号:B020017(答案 注:各主观题答案中每步得分是标准得分,实际得分应按下式换算: 第N步实际得分一本题实际得分解答第N步标准得分 解答总标准得分 一、解答下列各题 (本大题共3小题,总计13分) 1、(本小题4分) 证明:f(x)= arctanx在[0,1]上连续,在(0,1)可导 即f(x)在[0,1]上满足拉格朗日中值定理的条件

一、纳米材料的概述:从分子识别、分子自组装、吸附分子与基底的相互关系、 分子操作与分子器件的构筑,并通过具体的例证加以阐述,包括在STM操作下单分子 反应;有机小分子在半导体表面的自指导生长;多肽半导体表面特异性选择结合;生 物分子/无机纳米组装体;光驱动多组分三维结构组装体;DNA分子机器

12 环境影响的经济损益分析 12.1 环境损益分析 12.1.1 环境损失分析 12.1.2 环境效益分析 12.2 经济损益分析 12.2.1 防渗工程投资概算 12.2.2 资金回报分析 12.3 社会损益分析 12.4 环境经济损益分析结论

第10章边坡稳定的可靠度和风险分析 10.1边坡稳定的风险分析 10.1.1边坡稳定分析中的不确定因素 随着对结构应力、变形和稳定分析手段的逐步完善,这些分析中包含的不确定因素也暴 露得更加明显。工程师们逐步意识到,在进行工程设计和安全评价时,不仅要很好地了解各 种分析、判断手段,而且要把握在进行这些分析过程中包含的各项不确定因素。工程建设中 的重大决策实际上就是对各项不确定因素造成的风险的评价

在粗锡精炼过程中引入超重力场，运用超重力技术研究Sn-3% Fe（质量分数）熔体中杂质元素铁在超重力场中的定向富集和过滤分离的规律，达到提纯净化粗锡的目的.结果表明，对于超重力场G=500以10℃·min-1冷却速率凝固后的Sn-3% Fe熔体，超重力场极大强化富铁相在粗锡熔体中的沉降运动，使先析出富铁相全部富集到试样的下部区域，上部几乎找不到富铁相颗粒.下部尾锡中的铁质量分数达到4.817%，而上部精锡中的铁质量分数降低到0.036%，精锡中铁的脱除率高达98.78%.在超重力场中过滤的Sn-3% Fe熔体可实现富铁相杂质和精锡液的有效分离，当重力系数大于30时，精锡的回收率随重力系数的增大而提高.在超重力场G=100，240℃条件下，Sn-3% Fe熔体过滤1 min后，精锡液几乎全部被分离到坩埚底部，富铁相杂质被截留在过滤碳毡上部，下部精锡中找不到富铁相杂质的颗粒，精锡中铁质量分数降至0.253%，富铁渣中铁质量分数高达11.528%.精锡中铁的脱除率高达91.44%，超重力场中精锡的回收率高达82.69%

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度