热轧支持辊的健康状态在带钢板形质量和轧制稳定性控制中起着关键作用，非线性、强耦合、少样本等特点使得热轧支持辊健康状态的预测复杂，目前各大钢厂仍以定期维护和事后维修为主。本文提出了一种支持辊虚拟健康指数的构建方法以及基于Copula函数的复杂工况健康状态预测模型。首先结合支持辊弯窜辊数据表征支持辊健康状态，再使用K-means聚类方法对支持辊工况进行划分，将各工况下过程数据分别构建Copula预测模型，最后根据实际轧制计划的排布顺序融合各工况模型的预测结果。提出的基于Copula函数的预测模型在某钢厂1780热连轧产线得到应用，结果表明，该模型能够准确有效的按照轧制计划实现支持辊的健康状态预测，以更科学的策略指导支持辊更换维护

CSEEA核算矩阵通用框架 Framework of CSEEA 按照SEEA基本框架,具体设计出了中国环境经济综合核算矩 阵通用框架如表8所示。这一矩阵将由27行28列组成(暂定), 2-26行反映流量数据,10-27列反映资产数据。存量和流量帐 户通过2-26行、10-27列的资产变化相互连接。其中,行被划 分为七大类,列则被划分为六大类

由于转炉冶炼过程中的热力学和动力学反应复杂，副枪控制模型和传统的烟气分析模型存在很大的局限性，导致了转炉冶炼终点碳含量的预测精度偏低，是实现智能炼钢的主要技术瓶颈. 针对上述问题，提出了基于烟气分析的炼钢过程函数型数字孪生模型. 首先，利用烟气分析得到连续监测的实时数据，以此来实时监控转炉熔池内钢水的碳氧反应状态; 然后，根据熔池反应所处的不同阶段，利用函数型数据分析方法建立吹炼前期和吹炼后期的函数型预测模型; 在此基础上，按照吹炼前期和吹炼后期这两个阶段来分别自动修正模型中的系数函数，从而能在复杂的实际工况条件下完成对熔池碳含量的准确预测. 通过260 t氧气转炉的工业应用实例，证实函数型数字孪生模型具有良好的自学习和自适应能力，对异常冶炼状态具有良好的鲁棒性，可以实现全过程的熔池碳含量动态预测，终点碳质量分数在± 0. 02% 范围内的命中率为95%. 利用函数型数字孪生模型在拉碳阶段对钢水中碳含量的预测值来控制终吹点. 更为重要的是，在保证入炉原料成分、温度、质量等参数稳定的前提下，采用该模型可以有望取消基于副枪的停吹取样步骤，从而降低生产成本，提高产品质量和生产效率，具有广泛的工业应用前景

一.是非题(2’×10) (x)1、队列逻辑上是一个表头和表尾既能插入又能删的线性表。 (√)2、任何一个递归过程都可以转换成非递归过程。 (x)3、与n个键值的集合{k1,k2,…,kn}相对应的堆是唯一的

总结所考知识点分布: 一、线性结构: mp算法中next数组的值 线性表的归并 两个栈模拟队列

1. O(m+n) next:01112212321 nextval:01102201320 21/(1-a)推导参见严蔚敏《数据结构》(C语言版)p.261

受限空间内视觉疲劳是造成事故的主要原因之一。为探究有限空间内光照对视屏显示终端（Visual display terminals，VDT）作业视觉疲劳的影响，选取24名作业人员，在搭建的受限空间平台内进行VDT打字作业1 h，在50～700 lx范围内设置7个光照梯度使用眼动仪采集瞳孔直径数据。将采集数据进行归一化和降噪处理。实验结果表明，随着照度增大，瞳孔直径总体呈减小趋势，且瞳孔?照度关系符合幂函数关系；照度400，550和700 lx环境下瞳孔直径变化率在?12%～8%之间浮动，且随着光照强度的增强，作业人员视觉疲劳发生的程度增加；在低照度50，100和200 lx环境下，瞳孔直径变化率在?8%～4%之间浮动，且随着强度的减弱，作业人员视觉疲劳发生的程度也会增加。本研究提出使用窗口化的瞳孔直径标准差σ判断视觉疲劳出现时间，低照度下的σ峰值出现时间早于高照度下σ峰值出现的时刻，300 lx照度下σ峰值出现的时刻最晚，50～300 lx弱光照下对视觉造成的疲劳程度大于300～700 lx强光照下造成的疲劳

基于面部动态表情序列，针对静态表情缺少时间信息等问题，将空间特征与时间特征融合，利用神经网络在图像分类领域良好的特征，对需要进行细节分析的表情序列进行处理，提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks, S-LRCN)的微表情识别方法。首先选取微表情数据集提取面部图像序列，引入迁移学习的方法，通过预训练的卷积神经网络模型提取表情帧的空间特征，降低网络训练中过拟合的危险，并将视频序列的提取特征输入长短期记忆网络(Long short-team memory, LSTM)处理时域特征。最后建立学习者表情序列小型数据库，将该方法用于辅助教学评价

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

一、软件工程基本概念，软件生命周期概念，软件工具与软件开发环境。 二、结构化分析方法，数据流图，数据字典，软件需求规格说明书