呵呵现在任给一函数f(x),我们怎么知道小波级数可以无限逼近这个函数呢 我们想象任给beta>0,可以将f(x)曲线按每beta长度分成很多小段,对应很多点 若我们可以用一函数g(x)来拟合这些点,那么g(x)和(x)在任意x上的误差将小于beta 若点数量为2^n个那么我们就可以分别用^(n-1)个L波和2^(n-1)个H波拟合 然后可将L波再分解,最后得到一棵树(分解的级数由你决定)

低阶煤的高值化利用对拓宽能源途径,提高能源效率和解决环境问题具有重要意义.以N-甲基吡咯烷酮为有机溶剂,对4种低阶煤进行热萃取,获得低灰分、高挥发分的热溶煤产物.通过热重分析研究了热溶煤的燃烧特性,并利用拉曼光谱分析,对比了原煤与热溶煤碳结构的变化规律.结果表明:与原煤相比,热溶煤的灰分含量明显降低,挥发分含量增高,固定碳含量减少,热值增大.其中KL、GD和ZS 3种热溶煤的H/C原子比大于原煤,XB的热溶煤小于原煤.KL、GD和ZS 3种热溶煤的峰强度(ID/IG)和峰面积(AD/AG)的比值大于相应的原煤,其有序化程度减小,结构缺陷增多,相应的其热溶煤的燃烧反应性增大.而XB热溶煤的ID/IG和AD/AG的值小于相应的原煤,有序化程度增大,燃烧反应性降低

一、随机变量及其分布 二、离散型随机变量的分布函数 三、离散型随机变量的概率函数 四、连续型随机变量及其概率密度 五、随机变量的函数的分布

针对装备各类故障样本分布不平衡、现有算法故障诊断精度较低的问题，通过引入p范数约束多核极限学习机和基于AdaBoost的集成学习策略，定义了一种p范数约束下正则化加权多核集成极限学习机的故障诊断模型。首先，在p范数约束下，基于各类故障样本自身规模，分别进行了两种自适应的样本权重分配；其次，在每层分类器的优化中，将多核学习的多源数据融合能力和极限学习机运算高效的特点相结合，同时，将样本的权重$ {\\boldsymbol{W}} $

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路

一、在层次聚类分析中,输入中不指定要分成的类的个数。系统的输入为(X,s),系统的输出是类的层次。 二、大多数层次聚类过程不是基于最优的思想, 而是通过反复的分区直至收敛,找出一些近似的、未达最优标准的解决方案。 三、层次聚类算法分为:分裂算法和凝聚算法

8.1 共价键 8.2 杂化轨道理论和分子的几何构型 8.3 分子间力

强降雨作用下排土场非饱和带中的孔隙气压力会阻碍散土体的雨水入渗，从而进一步影响排土场的安全稳定。然而传统分析方法往往将孔隙气压力视为大气压力而忽略其对排土场安全的影响。本文依托江西某矿山高台阶排土场工程，基于现场实验和调查结果，结合水平分层的排土场典型剖面，分析了传统方法与考虑孔隙气压力的高台阶排土场渗流规律及其安全稳定性，探讨了强降雨条件下孔隙气压对高台阶排土场湿润锋、孔隙水压力和边坡安全系数的影响。研究结果表明：降雨入渗初期的孔隙气压不显著，其对高台阶排土场稳定性不产生直接影响；但随着降雨的持续，孔隙气压作用开始显现，使得高台阶排土场的入渗速率降低，湿润锋下移速度变慢，孔隙水压上升变缓，强降雨对高台阶排土场稳定性的影响也出现一定延时；在降雨入渗中期，孔隙气压将保持恒定，延时效应会随入渗深度的增加而增强；在降雨入渗后期，当湿润锋下移至分层临界面时，孔隙气压平衡被破坏，将继续增大直至新的恒定值，对高台阶排土场的影响加剧；在湿润锋下移至相同深度时，孔隙气压作用下的高台阶排土场安全系数明显降低。研究成果将为强降雨条件下的高台阶排土场的长期安全运行和灾害监测预警提供理论依据

利用扫描电镜分析了自耗电极和电渣重熔钢中夹杂物的特征，结合热力学计算，分析了氧硫复合夹杂物在电渣重熔过程中的转变机理。结果表明，电渣重熔采用气氛保护结合脱氧操作可以将自耗电极全氧质量分数由0.0017%降低至0.0008%。电渣重熔之后钢中小于3 μm夹杂物的比例显著增加。自耗电极中的夹杂物为CaS与含质量分数3%和11%左右MgO的CaO–Al2O3–SiO2–MgO结合的两类复合夹杂物。电渣过程未被去除的氧化物夹杂中的SiO2被钢液中酸溶铝还原，保留至电渣锭中。电渣锭中含约1%MgO和2%SiO2且成分均匀的CaO–Al2O3–SiO2–MgO是在电渣过程中新生的夹杂物。自耗电极中的CaS通过分解为钢液中溶解Ca和S，以及通过与液态氧化物夹杂中Al2O3反应的途径在电渣过程被去除。电渣锭中低熔点氧化物夹杂周围环状CaS是钢液凝固过程中溶解S、酸溶铝Al与氧化物夹杂中CaO的反应产物，高熔点氧化物夹杂周围环状CaS是钢液凝固过程中Ca和S偏析后反应新生的夹杂物。复合夹杂物中补丁状CaS是在电渣重熔钢液冷却过程中由复合夹杂物熔体中析出的

研究具有超疏水表面特性的疏水涂层实际防覆冰效果.首先理论分析了水滴在固体表面浸润性影响因素,利用不同硅烷水解缩合反应制备出低表面能的含氟硅树脂,之后引入分形理论在含氟硅树脂中添加二氧化硅微粒制备疏水涂层.观察掺杂微粒的涂层表面微观结构,并测试水滴在不同涂层表面的接触角;为直观分析涂层防覆冰效果,将不同涂层涂覆试验件后在结冰风洞中进行覆冰测试.结果显示掺混不同量级微粒的疏水涂层表面形成复合粗糙结构,有着更好的粗糙度;含氟硅树脂表面水滴接触角较普通硅树脂提升10°,含有不同量级粒径微粒的涂层表面水滴接触角较单一粒径微粒掺混的涂层提升近20°,达到超疏水表面效果;具有复合微观结构的疏水涂层涂覆的试验件在5 m·s-1和15 m·s-1的风速下较无涂层表面覆冰减少率分别达到35.6%和25.9%,较只有一级粗糙结构的表面有效防覆冰时间长,具有较好的防覆冰能力.结果表明本文设计的超疏水涂层达到超疏水表面效果,且具有较好的防覆冰性能