介绍了几种主要的转炉烟气分析碳含量预报模型，并分析了其中的指数衰减模型及其三种改进算法的基本原理和优缺点。在综合三种模型优点的基础上，提出了基于“极限碳含量拟合+曲线同步更新”算法的改进指数模型。首先，利用历史炉次吹炼后期的脱碳氧效率和碳含量数据，通过指数拟合得到“历史脱碳曲线”和极限碳含量参数；其次，使用当前炉次吹炼中期的最大脱碳氧效率值对“历史脱碳曲线”的特征参数进行替换，得到当前炉次吹炼后期的“参考脱碳曲线”，再对其进行归一化处理，得到归一化的“参考脱碳曲线”；然后，采用多点校正的方法，计算当前炉次吹炼至各等距离校正点时“参考脱碳曲线”的脱碳量，并根据计算脱碳量与转炉实际脱碳量的偏差，对熔池碳含量及脱碳曲线参数进行计算与校正，得到“计算脱碳曲线”；最后，通过逐次迭代计算对“参考脱碳曲线”和“计算脱碳曲线”进行同步更新，进而实现对转炉吹炼后期熔池碳含量的精准预报。研究表明，改进的指数模型具有较高的准确率，终点碳含量预报误差在±0.02%范围内的命中率达到90%

分级加载压缩蠕变试验未能充分考虑稳定蠕变中的黏塑性应变，故采用三轴循环加卸载压缩蠕变试验来实现岩石的黏弹、塑性应变分离，从而使岩石黏弹、塑性应变在岩石蠕变的各个阶段得以充分考虑。以某水电站闪长玢岩为例，探讨该类岩石蠕变特性。在破坏前，岩石的瞬时弹性应变以及瞬时塑性应变随着偏应力逐级增大呈线性增长；随着偏应力的增加，黏弹性应变和黏塑性应变呈非线性增长。引入一个分数阶Abel黏壶与Kelvin模型串联形成新型黏弹性模型；用分数阶Abel黏壶代替传统的黏塑性模型中的线性牛顿体并基于损伤建立黏塑性损伤模型。然后将新型黏弹性模型和黏塑性损伤模型与瞬时弹性模型和瞬时塑性模型串联组成一个新的岩石蠕变损伤模型。最后将该模型与岩石蠕变曲线进行拟合，从而证明该模型的适用性

为了提升航班运行风险预测精度，基于某航空公司2016—2018年航班运行风险数据，在验证15个风险时间序列的混沌特性后，构建基于多变量混沌时间序列的风险预测模型。首先，对15个风险时间序列进行多变量相空间重构，采用主成分分析法（PCA）对相空间进行降维处理；然后，基于迭代预测的方式，分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型；最后，以降维后的相空间作为输入，计算并比较分析未来1～7 d的风险预测结果。结果表明：多变量相空间重构后总维数为62维，经PCA降维处理，降至31维；在不同的预测模型中，降维后RBF模型预测效果最佳；其中，预测第1天结果相对误差<25%出现频数为82.62%，至第5天仍达75%以上；该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%，且前5 d均低于20%，满足航空公司使用要求。1～5 d预测结果对航班风险管控具有实践操作价值，证明基于多变量混沌时间序列的风险预测方案可行、有效

在650、680和710 ℃不同温度条件下对碳质量分数为0.66%的淬火高碳钢进行了石墨化处理，并利用场发射扫描电子显微镜、电子探针、X-射线衍射仪和透射电子显微镜对其石墨化过程的组织进行金相分析，以及利用组织转变动力学理论，绘制了其石墨化过程的动力学曲线，并建立了相应的动力学方程。研究结果显示：在石墨化过程中，淬火马氏体首先向析出碳化物的稳定状态转变，且在碳化物为渗碳体Fe3C时，石墨粒子析出速度开始明显增加；基体组织中针叶状α-Fe发生再结晶，由等轴状铁素体逐步代替针叶状的α-Fe；铁素体中的碳含量随着石墨化时间的延长而逐步降低，即由过饱和状态转变为稳定态，碳含量在石墨粒子中突变增为峰值，而铁含量则突变降为谷值，由此表明，渗碳体分解的碳向石墨核心扩散，铁自石墨核心处扩散出来，而形成石墨粒子；石墨粒子面积分数随时间变化的曲线呈S形状，即该动力学过程符合动力学模型JMAK（Johnson-Mehl-Avrami-Kolmogorov）方程，且该方程中的n值为1.5～1.7

对高炉灰在直接还原焙烧-弱磁选工艺中用作印尼某海滨钛磁铁矿还原剂的可行性及其机理进行研究.结果表明,以萤石为添加剂的条件下,高炉灰可代替煤做还原剂,通过高炉灰与萤石的共同作用,可以在直接还原过程中提高还原铁粉中铁的回收率及品位并降低TiO2质量分数,同时回收高炉灰中铁.三种不同产地高炉灰还原效果的比较表明,高炉灰性质对还原效果有影响.在相同用量条件下,津鑫高炉灰(JX)还原效果最好;在JX高炉灰用量30%、萤石用量10%、焙烧温度1250℃以及焙烧时间为60 min时,焙烧产物通过两段磨矿和两段磁选,最终得到最佳的还原铁粉中铁品位为91.28%,TiO2质量分数降至0.93%,包括海滨砂矿和高炉灰中铁的铁总回收率达到89.19%

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

从细观角度、采用颗粒离散元法开展了预制裂隙花岗岩循环加卸载的数值模拟试验。首先，使用图像处理技术识别花岗岩中的不同细观组分、结合室内单轴压缩试验结果对细观力学参数进行了标定。然后，通过编制颗粒流代码追踪裂隙的类型和扩展过程，分析岩石破坏过程中裂隙发展的阶段性特征。结果表明：不同倾角裂隙岩石的新生裂隙走向与预制裂隙贯通方向基本一致；根据新生裂隙的优势倾向分组得到裂隙起裂角与预制裂隙倾角的关系：倾角β≤45°时剪切和张拉裂隙的起裂角单调递减，倾角β≥60°时剪切和张拉裂隙的起裂角单调递增；循环扰动荷载增加了裂隙岩体的轴向变形，轴向累积残余应变曲线呈反S形、提高扰动荷载应力上限促使曲线进入加速阶段；试件峰值强度随裂隙倾角增大表现出先减小后增大的趋势，峰值强度为实验室完整岩石单轴抗压强度的63% ~ 89%，反映了较为明显的劣化现象；在循环荷载作用下，剪切裂隙和张拉裂隙增长曲线表现出明显的变化特点，在裂隙不稳定扩展阶段中张拉裂隙数目增长速率显著大于剪切裂隙，对分析岩石变形破坏过程具有一定的参考意义

针对目前铷矿提取工艺污染严重、资源综合利用率低的现状, 本文提出采用酸浸—溶剂萃取工艺提取铷云母矿中的铷.研究了浸出温度、硫酸浓度及浸出时间对铷浸出率的影响, 并借助X射线衍射、扫描电镜、能谱分析等手段, 研究了浸出过程中铷云母矿的物相转变.实验结果表明, 铷云母矿酸浸的最佳条件为浸出温度250 ℃、H2SO4质量浓度200 g·L－1、浸出时间1.5 h, 在此条件下铷浸出率达85.2%.X射线衍射图谱表明铷云母矿的主要矿物组成为石英、黑云母、白云母、正长石及钠长石.扫描电镜-能谱分析结果表明矿石中的铷主要以类质同象取代钾的位置分别存在于黑云母及白云母中.浸出过程中发生的主要反应为载铷云母的溶解.在萃取剂浓度1 mol·L－1、有机相与水相的体积比O/A = 3∶1、萃取级数为3级条件下进行逆流萃取实验, 萃余液中的铷质量浓度为0.003 g·L－1, 铷的萃取率达98%.在HCl浓度1 mol·L－1、相比O/A = 4∶1、反萃级数为2级条件下反萃负载铷的有机相, 铷反萃率达99%.以浸出渣为原料, 采用碱熔—中和沉淀工艺制备出了白炭黑产品, 实现了资源的综合利用.采用X射线衍射、红外光谱分析技术对白炭黑进行了表征, 结果表明产品成分为水合二氧化硅, 符合非晶态白炭黑的特征.化学定量分析结果表明白炭黑产品含SiO2质量分数91.65%, 所制备的白炭黑满足国家化工行业标准

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

1建筑风水学概述 1.1什么是建筑风水学? 历史上最先给风水下定义的是晋代的郭璞,他在《葬书》中说:葬者,生气也。气乘 风则散,界水则止。古人聚之使不散,行之使有止,故谓之风水。清人范宜宾为《葬书》 作注云:\无水则风到而气散,有水则气止而风无,故风水二字为地学之最,而其中以得水 之地为上等,以藏风之地为次等。”这就是说,风水是古代的一门有关生气的术数,只有在 避风聚水的情况下,才能得到生气。 什么是生气呢?《吕氏春秋-季春》云:生气方盛,阳气发泄。”生气是万物生长发育 之气,是能够焕发生命力的元素