《工程科学学报》：岩爆数据库管理系统开发及应用研究

《工程科学学报》：基于数据融合的智能医疗辅助诊断方法

《工程科学学报》：基于近邻的不均衡数据聚类算法

《工程科学学报》：油气资源开发的大数据智能平台及应用分析（北京科技大学、中国科学院计算机网络信息中心、中国石油大学（华东）石油工程学院）

管道滑坡危险性评价是长输油气管道沿线滑坡灾害预防和治理中规划决策的重要依据.该评价组织由定量和定性两类指标构成,评价系统具有随机性和模糊性的特点.针对常用的定性和半定量评价法在处理系统的随机性和模糊性上存在顾此失彼和人为主观性强的问题,引入能同时有效反映事物随机性和模糊性的云理论,运用黄金分割率法构建5级标度的管道滑坡危险性状态标尺云和指标重要性权重云,提出定量指标的不确定性推理过程和定性指标专家群语言云转化的浮动云偏好集结算法,构建了油气管道滑坡危险性的综合评价模型并进行了工程例证分析.4处待评样本的综合评价结果与半定量法结果基本一致,并与实际相符.该模型软化了指标边界的硬划分,简化了指标数据的预处理;实现了评价的定量与定性融合和集成决策;提高了结果的精确性、合理性和可视化

利用Gleeble-3800热模拟实验机研究了工业纯钛TA2的热变形行为.变形温度为750~1000℃，步长50℃，应变速率分别为0.01、0.1、1和10 s-1.实验结果表明，TA2在热压缩变形过程中发生了加工硬化以及动态回复、动态再结晶.随着变形温度的降低和应变速率的增加，流变应力逐渐增加.为了准确预测TA2的高温流变行为，基于实验数据和双曲正弦Arrhenius模型构建了考虑应变影响的本构方程，本构方程中材料常数α、n、Q、lnA与应变之间存在6阶多项式关系.本文所提出考虑应变影响的本构方程可以用于研究工业纯钛TA2的高温流变行为

通过15N-14N同位素气体交换技术消除液相传质的影响，利用在线质谱分析仪测定了在1873 K下，铁液中氮溶解的界面反应速率常数。结果表明，总流量为600～800 mL?min?1时可以忽略气相传质的影响，保护气中增加H2的比例有利于降低钢液中杂质元素的浓度。铁液中加入一定量碳、铝、硅，分析得到这三种元素对氮溶解速率是抑制的。依据本实验的数据利用空位解离模型建立反应速率常数ka与氧、硫、碳、铝、硅的活度关系，吸附系数分别是KO=0.96，KS=9.32，KC=0.02，KAl=0.51，KSi=1.16。纯铁液中氮的溶解反应表观速率常数为ka=4.8×10?6 mol?m?2?s?Pa

采用共沉淀法制备了Ni(OH)2前驱体材料，通过高温固相法制备了LiNiO2和B掺杂LiNiO2（B的摩尔分数为1%），利用X射线衍射（XRD）、里特维尔德（Rietveld）精修、扫描电子显微镜（SEM）、恒流充放电测试、循环伏安（CV）和电化学阻抗谱（EIS）对材料的晶体结构、表面形貌和电化学性能进行了系统性表征.XRD和Rietveld精修结果表明，LiNiO2和B掺杂LiNiO2均具有良好的层状结构，B因为占据在过渡金属层和锂层的四面体间隙位而导致掺杂后略微增大材料的晶格参数和晶胞体积，同时增大了LiO6八面体的间距，进而促进锂离子运输.由于掺杂的B的摩尔分数仅为1%，LiNiO2和B掺杂LiNiO2均表现为直径10 μm左右的多晶二次颗粒，且一次颗粒晶粒尺寸没有明显区别.长循环数据表明B掺杂可以有效提高材料的循环容量保持率，经100次循环后，B掺杂样品在40 mA·g−1电流下的容量保持率为77.5%，优于未掺杂样品（相同条件下容量保持率为66.6%）.微分容量曲线和EIS分析表明B掺杂可以有效抑制循环过程中的阻抗增长

岩爆破坏以其突发性与瞬间破坏性等特点,在工程中很难予以预防.本研究基于动力学与能量作用原理,通过固有振动频率等振动特征指标实现对边界剪切弹性系数的计算.在物理模型试验中,应用多普勒激光测振仪对岩爆体破坏全过程进行远程振动特征监测.试验得出,结构面强度的非协调弱化效应是岩爆发生的必要条件,结构面弱化的时空差异是发生瞬时性岩爆还是迟滞型岩爆的主要因素.当结构面弱化较慢时,则为迟滞型岩爆,反之,则为瞬时性岩爆.基于固有振动频率可识别岩体结构面的弱化速率,岩爆发生全过程中,结构面的总耗散能仅为赋存弹性能的0.06%,使得几乎所有的弹性动能都将转化为冲击动能,表现为岩爆体以高速的形式弹射出来.基于频率下降速率等监测数据分析,可识别岩爆结构面强度的非协调弱化特征.因此,增加固有振动频率等动力特征监测指标,无疑会进一步提高对岩爆孕育演化特征规律的认识,并在地下空间工程岩爆预警监测方面发挥重大作用

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率