通过对5个试件进行拟静力加载试验，研究了加载方式对角柱和边柱节点抗震性能的影响.试验通过对加载方式（单向加载、双向轴对称加载和双向中心对称加载）和钢管柱宽厚比（D/t=22和33）主要参数的变化分析，着重研究了试件的滞回性能、刚度退化和耗能性能等特性.试验结果表明：加载方式对试件刚度及承载力影响十分明显.在双向中心对称荷载作用下，试件的承载力比在单向荷载作用下试件的承载力降低约20%；而在双向轴对称荷载作用下，试件的承载力与在单向荷载作用下试件的承载力基本相同.方钢管柱宽厚比是影响试件承载力的主要因素之一，随着宽厚比的增加，试件承载力逐步减小.所有试件的滞回曲线均呈饱满的纺锤体状，等效黏滞阻尼系数在0.2左右，具有稳定的耗能能力

一 能从宏观和统计意义上理解压强、温度等概念 。了解了解系统的宏观性质是微观运动的统计表现 ，了解统计方法。 二 掌握分子平均能量按自由度均分原理，会计算理想气体的内能。 三 理解麦克斯韦速度分布律、速率分布函数曲线的物理意义，理解“三种速率”的意义和求法，了解玻尔兹曼能量分布律。 四 了解物质中三种迁移现象的概念、宏观规律等。 五 了解液体的表面现象。 第一节 理想气体的压强和温度 第二节 能量按自由度均分原理 第三节 分子的速率 第四节 物质中的迁移现象 第五节 液体的表面现象

地球大气中的一切物理过程都伴随着能量的转换，而辐射能，尤其是太阳辐射能是地球大气最重要的能量来源

• 功、能量定义 • 势能、动能 • 保守力系 • 质点及质点系动能定理 • 质点系的机械能 • 碰撞

提出了一个基于合金组元原子半径和电负性判断非晶形成能力的方法.建立了原子半径差与电负性差之比Δd/Δe与临界冷却速度Rc的数值模型,并在所有五种不同合金系中获得一致且开口向上的抛物线关系.在此基础上,设计并制备了四种不同成分的Zr-Al-Ni-Cu金属玻璃,并测量它们的临界尺寸Zmax、过冷液相区间ΔTx和约化玻璃转变温度Trg.结果表明,Zr54Al13Ni15Cu18的玻璃形成能力最佳,而且用Δd/Δe模型预测的四种金属玻璃的玻璃形成能力顺序与所有实测参数(包括Zmax、ΔTx和Trg)表征的顺序基本一致.因此,用Δd/Δe的预测方法比较同一合金系内不同合金之间玻璃形成能力的优劣是可靠的

为了简化钢轨万能轧制过程的三维几何模型,首先把带箱形孔型立辊简化为等效的平辊,然后分别给出轨腰、轨头及轨基的运动学许可速度场,求出在此速度场下相应变形区的塑性变形功率以及速度间断面上消耗的功率,计算中考虑了由于前滑和后滑而产生的摩擦功率.根据刚塑性体的变分原理求解水平辊和两个立辊轧制力和轧制力矩的近似解.通过比较理论值和实验值可知,利用变分原理求出的力能参数近似解稍大于实验值但最大误差不超过20%,因此根据变分原理进行力能参数计算和轧制工艺参数设定及优化是比较可靠的

针对煤层深孔聚能爆破瓦斯抽放封孔技术问题,通过分析聚能爆破施工工艺及封孔物质力学行为,发现爆破孔孔径和封孔材料性质是影响封孔长度的主要因素.综合分析爆破安全、抽放工艺和施工条件,确定聚能爆破合理封孔长度为7.5~10.0 m.以焦煤集团九里山矿14121和24021工作面为例,对煤层深孔聚能爆破封孔技术可行性进行了验证

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

利用量子化学的SCF-Xα-SW电子结构计算方法,计算得到了RE4Cr2O9(RE=La,Pr, Nd,Sm,Gd,Dy,Ho,Er)等体系的电子态密度分布、费米能和能隙宽度等电子结构参数,并结合 RECrO3导电陶瓷的导电特征,分析了导电性能和电子结构参数之间的关系.研究表明:随着RE原子序数的增加,其费米能附近的态密度依次增大,主要为f电子,非f电子数量逐渐减少,因此,参与导电的电子应与f电子无关.这是RECrO3导电陶瓷电导率随RE原子序数增大而下降的主要原因

前面讨论了参数的点估计,它是用样本算出的一个值去估计未知参数即点估计值仅仅 是未知参数的一个近似值,它没有给出这个近似值的误差范围 例如,在估计某湖泊中鱼的数量的问题中,若根据一个实际样本,利用最大似然估计法 估计出鱼的数量为50000条,这种估计结果使用起来把握不大实际上鱼的数量的真值可 能大于50000条,也可能小于50000条且可能偏差较大 若能给出一个估计区间,让我们能较大把握地(其程度可用概率来度量之)相信鱼的数量 的真值被含在这个区间内,这样的估计显然更有实用价值