政府绩效评估指标体系是开展政府绩效评估的前提。我国地方政府绩效评估指标体系研究集中于两个方面,一是探讨地方政府绩效评估指标体系设计的方法和技术;二是结合我国现实,尝试具体设计我国地方政府绩效评估的指标体系。目前,我国地方政府绩效评估指标体系基本摆脱了宏观抽象、结构单一的缺陷,逐步走向科学化、全面化、具体化、综合化,但仍存在着很多不足。进一步改进我国地方政府绩效评估指标体系研究,应加强政府职能和行政成本的研究,明确政府活动与经济社会成就之间的对应关系,并把社会公平、社会和谐、政务公开性以及政府与公民的关系纳入地方政府绩效评估指标体系

尾砂固结排放能有效解决尾砂的处置问题，然而固结后的尾砂堆体多处于地表，其性能受自然环境影响较大。我国北方地区存在广泛的冻融循环现象，冻融作用会影响固结体的强度和声电特性，为探究冻融循环条件下全尾砂固结体损伤状态和机制，以李楼铁矿全尾砂固结体为研究对象，对经历不同冻融循环次数的全尾砂固结体试样进行无侧限抗压强度试验、扫描电镜（SEM）试验、电阻率试验和超声波波速试验，借助Matlab软件二值化数字图像处理技术对试样的表面裂隙进行定量分析，并利用电阻率和超声波检测技术对固结体试样冻融循环损伤进行联合检测。结果表明：随冻融循环次数的增加，固结体的无侧限抗压强度呈指数型减小趋势，冻融循环早期（0～5次）固结体的强度减少量最多；冻融循环对固结体的损伤是逐渐累积的过程，全尾砂固结体表观劣化特征发展过程为：微裂隙萌生→裂隙延伸发展→外表层破坏→内部结构破坏；固结体初始强度越大，表面裂纹数越少；内部微观结构由密实状态向疏松状态转变；固结体无侧限抗压强度与电阻率、超声波纵波波速呈正相关，遵循对数函数关系，建立了强度?电阻率和强度?超声波波速无损检测模型；电阻率和超声波波速能准确全面地评价冻融循环条件下全尾砂固结体的损伤状态

矿区废弃地为室外大型非结构化环境，包含多种类型的障碍物且存在诸多不确定性因素，给移动机器人全覆盖路径规划造成了极大的困难。本文使用牛耕式单元分解法结合生物激励神经网络算法完成移动机器人对矿区废弃地的全覆盖路径规划。首先，针对矿区废弃地已知环境，采用牛耕式单元分解法对复杂环境做出区域分解，将具有综合复杂性的地图分解为多个不含障碍物的子区域；然后，根据子区域的邻接关系构建无向图，采用深度优先搜索算法确定子区域间的转移顺序；最后，采用生物激励神经网络算法确定子区域内部行走方式以及子区域间路径转移。仿真结果表明，生物激励神经网络算法在解决机器人路径转移问题方面比其他路径规划算法更高效，所得的方法能够处理复杂的非结构化环境，完成废弃矿区移动机器人的覆盖路径规划

以电动汽车车用额定容量为42 A·h的三元方壳锂离子电池单体和模组为研究对象，研究其在加热条件下单体的绝热热失控特性及成组后侧向加热热失控蔓延特性。结果表明，锂离子电池在发生热失控时，内部最高温度可达920 ℃，电池表面和内部最大温差达403 ℃；热失控首先在迎向热流的面触发，随后蔓延至整个电池；满电状态下的锂离子电池内部热失控蔓延时间介于8～12 s；热失控蔓延过程中锂离子电池的温度特征与绝热热失控测试相比存在较大差异性；热失控喷发颗粒物中，LiF及石墨质量分数占80%以上；模组中失控电池产生的总能量中用于自身加热和喷发损失的占90%左右，热失控释放总能量的10%足以触发热失控蔓延。本文为研究三元锂离子电池模组安全设计、热失控蔓延抑制及新能源汽车的火灾事故调查提供了参考

以特殊钢钢渣、炭黑、促进剂、硫磺、氧化锌、硬脂酸与复合橡胶制备特殊钢钢渣基复合橡胶。测试了内辐射指数、外辐射指数、安定性、拉伸强度、撕裂强度、拉断伸长率、邵尔A硬度、极限氧指数、燃尽时间、浸出液中重金属浓度、矿物组成、粒径分布、导热系数、孔结构、化学成分、微观形貌和热稳定性。研究了特殊钢钢渣作为橡胶功能填料的可行性与环境风险。结果表明：特殊钢钢渣的矿物组成为Ca2SiO4、Ca3Al6Si2O16、（Fe, Mn）2SiO4、Ca3Al2（SiO4）3、Na2TiSiO5、CuMn6SiO12、Na2SiO5、Pb3Ta2O8、Pb3SiO7等金属固熔体，特殊钢钢渣具有良好的粒径分布，其安全性与安定性满足相关国标的要求。特殊钢钢渣基复合橡胶中特殊钢钢渣掺量为20%～40%时，特殊钢钢渣基复合橡胶的拉伸强度为20.0～21.5 MPa、撕裂强度为45.2～48.6 kN·m?1、拉断伸长率为475%～501%、邵尔A硬度为63.5～65.3、极限氧指数为18.5～18.6、燃尽时间为264～292 s、导热系数为0.15～0.17 W·m?1·K?1。特殊钢钢渣的主要重金属氧化物为Cr2O3、PbO和CuO，且以稳定的金属固熔体存在，特殊钢钢渣基复合橡胶中Cu、Zn、Cd、Pb、Cr、Ba、Ni、As等重金属浸出浓度远低于危险废物鉴别标准限值，因此将特殊钢钢渣作为橡胶功能填料安全、可行

尾矿库溃坝灾害应急响应时间短、潜在威胁巨大,往往造成惨重人员伤亡与巨额财产损失. 近些年尾矿库安全事故发生数量的总体下降趋势充分体现出现代化技术及安全管理方面的进步,然而重大事故发生频次却不减反增,2015年巴西Samarco铁矿与2014年加拿大Mount Polley重大溃坝事故及其惨重后果,再次为尾矿库安全敲响警钟. 我国现存尾矿库8869座,含\头顶库\1425座,安全形势复杂. 本文在收集大量相关领域文献的基础上,聚焦尾矿库溃坝灾害防控体系中的安全监测、灾害预警与应急准备、安全管理与标准规范这三大方面核心内容,分别综述对比国内外现状及前沿进展,探讨分析我国当前所面临的问题并尝试提出改进建议,为尾矿库防灾减灾理论研究与技术革新提供参考. 结果表明:(1)我国尾矿库安全监测标准更高,但仪器耐久性、可靠度与实用性不足,专用监测器件与新技术的研发应用势在必行;(2)灾害预警方法单一且可信度不高,而信息技术融合应用成为发展趋势;(3)应急管理与预警决策需以充分的科学论证为基础,当前研究在试验手段与计算方法上存在局限;(4)我国拥有完善的安全管理标准规范体系,但在安全等别划分、全生命周期管理、主体变更、事故总结等方面相对欠缺

高海拔寒区矿山岩质边坡变形破坏机制研究已取得一定的研究成果，但基于现行理论与技术还难以全面解决未来高寒边坡失稳机理和灾害防控的所有问题，至今尚未建立起完善的高寒边坡开采研究体系和边坡稳定性判别标准. 本文对高寒岩质边坡变形破坏的室内岩石力学试验、边坡物理相似模拟、多场多相耦合数值模拟、变形破坏原位监测、高海拔寒区岩质边坡失稳机理五个方面开展了大量的文献调研，总结高寒岩体变形破坏有关的研究成果，继而对存在的问题进行探讨并分析当前研究的不足，总结出高寒岩质边坡变形破坏研究领域亟待解决的关键问题：一是开采扰动条件下高海拔寒区矿山边坡岩体结构损伤劣化机制，二是冻融循环条件下流?固?气多相多场耦合边坡失稳时效特征与评价方法；并就未来高寒边坡变形和破坏研究方向及发展趋势予以分析，指出开展不同应力路径冻融循环耦合作用下岩体结构损伤劣化机理研究，开展爆破采动条件下高海拔寒区岩质边坡结构面致溃机制及边坡失稳破坏研究，开展地震荷载作用下高海拔寒区节理岩质边坡地震动力响应及致灾规律研究，研究多场多相耦合条件下节理岩体损伤劣化机理，开展高海拔寒区矿山边坡抗寒多参量实时安全监测及失稳预警技术研究五个方面是未来研究的趋势

光催化作为一种低成本且高效安全的环境净化技术，被认为是全球能源危机和环境污染问题最好的解决方式之一。赤泥作为一种固废不仅含有丰富的铁氧化物，且具有较高的比表面积、孔结构等特点，近年来，赤泥基光催化材料在光催化降解水中有机污染物的研究中备受关注。本文介绍了赤泥的特性，概括了赤泥基光催化材料的制备方法，总结了赤泥基光催化材料在光催化降解水中有机污染物方面的应用，阐述了赤泥基光催化材料催化降解水中有机污染物的机理，探讨了现有赤泥基光催化材料存在的问题。最后，基于以往的研究结果对赤泥基光催化材料未来的发展趋势提出了展望及建议

多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验