作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性

本书共分五部分：第一部分是第1章绪论，主要说明工况监视与故障诊断的意义，发展概况，研究、设计系统的指导思想；第二部分是第2、3章、主要说明传感器、信号采集及数据处理；第三部分是第4、5、6章，主要说明一般诊断方法原理及其应用场合；第四部分是第7、8章，以旋转机械及机械制造两个性质不同的工程领域的特点说明诊断方法的应用；最后第五部分是第9章，以大型旋转机械为例，说明工况监视与故障诊断系统的结构、主要模块内容，使读者有一完整的概念

降雨是诱发滑坡的主要因素之一,尤其在暴雨条件下,更易激发滑坡.随着南帮边坡开采高陡化,滑坡发生频繁.为研究降雨条件下南山矿凹山采场南帮边坡稳定性特征,采用MSR300型雷达对边坡进行了连续4 a的实时稳定性监测,基于采集到的采场降雨数据和边坡滑移数据,分析了降雨量和降雨强度与边坡变形规律,对凹山采场滑坡各阶段进行了划分,建立了凹山采场边坡失稳模型和预警阈值.结果表明:凹山采场变形与降雨量呈正相关,服从幂函数规律;边坡变形速度曲线与降雨强度有良好的一致性,滑坡一般发生在最大降雨强度之后;滑坡阶段主要包括初始变形阶段,稳定变形阶段和加速变形阶段;报警阈值分别为:6 h时序内,位移阈值为20 mm,速度阈值1.5 mm·h-1;12 h时序内,位移阈值为30 mm,速度阈值为2.5 mm·h-1.凹山采场滑坡曲线与岩土体非稳定蠕变曲线具有较高的相似性,位移曲线出现了\阶跃\现象,速度曲线出现了\尖凸\现象,这种情况易引起滑坡事故,其中在位移曲线的\拐点\处和相应速度曲线的\凸点\处发生滑坡的可能性最大.研究成果为类似矿山边坡稳定性监测和破坏机制提供了科学依据和参考

为消除陡脉冲带来的干扰，分析了陡脉冲干扰的特点，建立了陡脉冲噪声数学模型，提出了基于变分模态分解（Variational mode decomposition, VMD）的心电信号滤波算法，提取叠加在心电信号中陡脉冲干扰分量、识别陡脉冲干扰分量并剔除陡脉冲干扰分量；为减少VMD分解层数、提高实时性并减少内存消耗，提出了心电信号预处理算法；针对医疗环境中的随机噪声伴随陡脉冲出现的情况，分析了VMD后子信号中随机噪声的特点，提出了基于VMD子信号能量估计的阈值去噪算法；利用变分模态分解的带通滤波器组特性，提出了基于变分模态分解子信号重组的QRS波群检测算法，配合滤波算法以提高心电信号特征检测精度。以添加了高斯白噪声和模拟陡脉冲干扰的MIT?BIH数据库心电信号和医疗环境中采集的心电信号为实验对象，分别实现对滤波算法和QRS波群检测算法的定量对比分析

水污染控制工程是环境工程专业的一门重要学科，是建立在实验基础上的科学。许多水处理方法、处理设备的设计参数和操作运行方式的确定，都需要通过实验解决。例如，采用塔式生物滤池处理某种工业废水时，需要通过实验测定负荷率、回流比、滤池高度等工艺参数才能较合理地进行工程设计。 水污染控制工程实验是水污染控制工程的重要组成部分，是科研和工程技术人员解决水和污水处理中各种问题的一·个重要手段。通过实验研究可以解决下述问题： (1)掌握污染物在自然界的迁移转化规律，为水环境保护提供依据。 (2)掌握污水处理过程中污染物去除的基本规律，以改进和提高现有的处理技术及设备。 (3)开发新的水处理技术和设备。 (4)实现水处理设备的优化设计和优化控制。 (5)解决水处理技术开发中的放大问题。 目录：绪论、第一章 实验设计、第二章 误差与实验数据处理、第三章 水样的采集与保存、第四章 水污染控制工程实验

采用X射线衍射采集海水鲈鱼鳞片中羟基磷灰石(002)、(130)、(211)面网和鳍骨中羟基磷灰石(031)、(120)、(132)面网极图数据并计算了取向分布函数(ODF)以分析其择优取向特征,其中鳞片极图数据显示出羟基磷灰石结晶学c轴主要有3个择优取向,分别是与鳞片法线方向平行、相交39°和相交63°,而鳍骨极图推测出其羟基磷灰石c轴择优取向大致有五个方向,分别与鳍骨截面法线相交3°、9°、17°、24°和36°.ODF的计算结果表明,鳞片中羟基磷灰石有比较明显的择优取向是结晶学c轴近似平行于鳞片表面,同样,鳍骨ODF中羟基磷灰石择优取向为结晶学c轴近垂直于截面.极图和ODF结果上的差别是由于极图本身是晶体取向的二维投影图,单张极图显示的择优信息不够完整,因此ODF用来解析生物矿物的择优取向特征更为准确.鳞片和鳍骨中羟基磷灰石结构中的择优取向现象是因为生物矿化过程中有机质的调控作用而使结晶学c轴趋向平行胶原纤维长轴方向,并且这种择优特征也是硬体组织具有优良力学性能的要求

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

管 理 科 学 与 工 程 （ 1201） 《高级运筹学》 《系统科学与系统工程》 《高级计量经济分析》 《文献阅读与学术写作》 《管理科学与工程前沿》 《高级信息管理》 《管理科学研究方法》 《系统仿真与建模》 《社会网络分析》 《ESG 理论及应用》 《六西格玛管理》 管 理 科 学 与 工 程 （ 0871） 《数据驱动的管理方法》 《大数据治理》 《大数据分析与挖掘》 《高级信息系统分析与设计》 《大数据技术及应用综合实践》 《高级统计学》 《科技美学与创新思维》 《深度学习》 《高级管理学》 《大数据分析与管理》 《信息经济学》 《复杂网络理论与应用》 大 数 据 技 术 与 工 程 《大数据技术与工程前沿》 《创新创业与职业规划》 《数据采集与预处理》 《大数据可视化》 工 业 工 程 与 管 理 《工业工程与管理概论专题（英）》 《文献阅读与写作》 《质量与可靠性》 《运营管理》 《人因与设计》 《领导力与组织沟通》 《工程经济学》 《工程系统建模与仿真》 《定量分析：模型与方法》 《项目管理》 《供应链与物流管理》 《精益生产》 《数字经济》 《数字企业管理》 《数字创新与创业》 《项目管理案例研究》 《企业经营模拟实训》 《生产过程仿真与作业改善实训》 《工程伦理》 《文献阅读与学术写作实践》 《知识产权》 物 流 工 程 与 管 理 《专业实践》 《物联网概论》 《物流大数据前沿与技术》 《物流系统分析与优化》 《物流系统建模与仿真》 《物流系统应用实践》 《现代物流与供应链管理》

 大数据处理的基本流程  大数据处理模型  大数据关键技术  大数据处理工具  大数据时代面临的新挑战 WordCount 关联规则基本模型 聚类 本章内容首先介绍了大数据处理的基本流程和大数据处理模型，接着介绍了大数据的关键技术，其中，云计算是大数据的基础平台和支撑技术，本章以Google 的相关技术为主线，详细介绍Google 以及其他众多学者和研究机构在大数据技术方面已有的一些工作，包括文件系统、数据库系统、索引和查询技术、数据分析技术等；接下来，介绍了大数据处理平台和工具，就目前技术发展现状而言，Hadoop 已经成为了大数据处理工具事实上的标准。最后，介绍大数据时代面临的新挑战，包括大数据集成、大数据分析、大数据隐私问题、大数据能耗问题、大数据处理与硬件的协同、大数据管理易用性问题以及性能测试基准。 大数据采集架构 预测模型

8.1 流计算概述 • 8.1.1 静态数据和流数据 • 8.1.2 批量计算和实时计算 • 8.1.3 流计算概念 • 8.1.4 流计算与Hadoop • 8.1.5 流计算框架 8.2 流计算处理流程 • 8.2.1 概述 • 8.2.2 数据实时采集 • 8.2.3 数据实时计算 • 8.2.4 实时查询服务 8.3 流计算应用 8.4 流计算开源框架 – Storm • 8.4.1 Storm简介 • 8.4.2 Storm的特点 • 8.4.3 Storm设计思想 • 8.4.4 Storm框架设计 8.5 Spark Streaming 8.5.1 Spark Streaming设计 8.5.2 Spark Streaming与Storm的对比 8.6 Samza 8.6.1 基本概念 8.6.2 系统架构 8.7 Storm、Spark Streaming和Samza的应用场景 8.8 Storm编程实践 8.8.1 编写Storm程序 8.8.2 安装Storm的基本过程 8.8.3 运行Storm程序