针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50%、57.5%、70%和72.5%;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85%和82.5%,且该模型具有极快的运算时间,仅需0.1 s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法

研制了一种无机材料构成的验电标识,放置在导线周围,通过电场驱动电子的运动,促进载流子复合,进而使材料发光,从而判断带电情况,其作为验电标识使用非常便捷.选取了氮化镓GaN材料进行研究,以GaN、InGaN等材料为基础,通过溶胶凝胶法、气相外延等方法制备接触层、基片层、材料层等结构,进而获得了验电标识,该验电标识的发光层是具有多量子肼结构的纳米棒阵列.然后对其进行了电学光学性能参数测试,获得了有关特性曲线,通过Ansoft-maxwell有限元软件进行仿真,分析材料在特高压输电线路周围的电场分布,通过试验分析验电标识发光所需求的电磁环境.最后模拟导线现场进行测试.研究表明,该低场致发光特性的验电标识具有发光功耗低,发光明显等优点,其处于所在区域的电场强度达到1.2×106V·m-1以上时,可激发发光,此时所注入电流约为1.1 mA.通过仿真和试验分析可知带电特高压输电线路周围的空间电场强度满足验电标识发光指示的要求,同时空间杂散电流和材料本身的电容效应提供注入电流.该验电标识通过材料本身发光特性来指示带电状态,安装在距离特高压导线轴线13 cm及以内的范围即可实现验电,通过封装具有较好的耐候性能,同时避免了复杂的电路装置验电存在易受电磁干扰,可靠性差等问题

第一节财政收入分类 第二节财政收入规模分析 第三节财政收入结构分析

5.1概论 5.2膜分离技术的类型 5.3微滤(MF) 5.4超滤(UF) 5.5反渗透(RO) 5.6透析(DS) 5.7电透析(ED,IEED) 5.8膜材料的要求 5.9膜材料的种类 5.10膜结构特征 5.11超滤膜的分子截留作用 5.12膜组件

(一)、波动方程定解问题的分离变量求解 (二)、热传导方程定解问题的分离变量求解

一、白血病的分子机制 二、白血病的分子检测 三、白血病分子检测的临床应用

2.1误差的分类 2.2误差的表示 2.3测量值和随机误差的正态分布 2.4少量数据的统计处理 2.5提高分析结果准确度的方法 2.6有效数字及运算规则

9.1、概述 9.2、萃取分离法 9.3、离于交换分离法 9.4、液相色谱分离法 9.5、气浮分离法 9.6分离和富集方法简介

一、填空题 1.纯物质的临界等温线在临界点的斜率和曲率均为零,数学上可以表示为 (apla)=0(在点)和(a2plav2=0(在C点) 2.表达纯物质的汽平衡的准则有G()=G(T)G(,)=G(,v)(吉氏函 数)、《cqeove)wav《方程pt,vdv=p-vsmawell面积 dT TAv rap 规则)。它们能(能/不能)推广到其它类型的相平衡。 3. Lydersen、 Pitzer、lee- KeslerT和Tja的三参数对应态原理的三个参数分别为T,Z T,P,O、T,,O和T,Pr, 4.对于纯物质,一定温度下的泡点压力与露点压力相同的(相同/不同);一定温度下的 泡点与露点,在P一T图上是重叠的(重叠/分开),而在p图上是分开的(重叠/分 开),泡点的轨迹称为饱和液相线,露点的轨迹称为饱和汽相线,饱和汽、液相线与三 相线所包围的区域称为汽液共存区。纯物质汽液平衡时,压力称为蒸汽压,温度称为 沸点

一、纺织纤维及其分类 二、纱线及其分类 三、织物及其分类