采用核磁共振成像技术对柱浸渗流过程进行非接触、无损探测,得到溶液静止和流动时的核磁共振图像.通过对速度值分布的分析,评价了速度场均匀性,得到了均匀性指数与喷淋强度的关系,进而研究了细观渗流速度场分布特性和孔隙内速度场演化规律.研究表明:流速分布具有明显的不均匀性,流速值与孔隙大小并不严格一致;不同喷淋强度下速度值分布趋势相似,最大流速与喷淋强度正相关;通过分析速度场均匀性与喷淋强度间关系可得到喷淋强度阈值,实验中0.7 L·cm-2·h-1为此粒级级配的喷淋强度阈值.现场应用动态喷淋强度可明显改善堆场的渗透性,提高铜的浸出率

基于随机介质移动理论,构建了采动影响型地下煤火诱发地表裂隙率的时空统一分布模型,并实例分析了矩形火区引发地表线（张）裂隙率、面裂隙率以及剪裂隙率的分布及动态变化规律.地表线（张）裂隙率、面裂隙率和剪裂隙率的极大值分别分布在采（燃）空区边界内侧约20 m（约为煤层厚度的3~4倍）的位置、四周边界线的四个中点位置和四个边角端点所对应的地表区域.随着煤层燃烧,垂直于煤火发展方向上的线裂隙率以及空区边界处对应的地表面裂隙率均呈半正态曲线形式变化并最终稳定于最大值;而剪裂隙率、煤火发展方向上的线裂隙率及空区内部对应的地表面裂隙率均呈正态曲线形式变化

为解决T6态高强铝合金强度高而耐蚀性难以满足使用需求，采用三级时效工艺来改善析出强化相特别是晶界析出相的形貌、尺寸、分布等，并通过研究不同回归处理制度对组织、性能的影响而获得适宜7B50铝合金中厚板的三级时效工艺.研究发现提高回归温度或延长回归时间均会使中厚板心部及表层组织的晶内和晶界析出相发生粗化并析出稳定η-MgZn2相，导致强度下降、电导率上升，其中回归温度对强度和电导率的影响显著.三级时效处理虽使晶内析出相尺寸有所增加，但却使T6态连续分布的晶界析出相呈断续分布，结合心部和表层强度及电导率测量结果认为合适的回归处理制度为165℃/6 h.然而，热轧引起中厚板表层较心部更为严重的变形使表层含有更多的亚晶或亚结构且其分布更均匀，从而使表层更快到达峰时效，进一步的回归再时效处理则使表层析出更多稳定η相，而η相的形成与晶内析出相的粗化长大是造成表层和心部强度差异的关键.虽然淬火/三级时效态表层和心部的晶粒结构存在差异，且局部出现亚晶合并长大，但其对强度的提升效果远低于表层析出稳定η相所引起的强度下降.可见，三级时效工艺并不能缓解7B50铝合金中厚板心部和表层的性能差异，但可使表层和心部的强度、电导率满足某实际工况要求

定义设F(x,y)及Fx(x),F(v)分别是二维随机变 量(X,Y)的分布函数及边缘分布函数.若对于 所有x,y有

分布的上侧a分位数 1.正态分布的上侧a分位数设X~N(0,1),0ua)=a的数ua为标准正态分布的上侧a分位数;

5G标准下的蜂窝网络正在向异构化、超密集化的方向发展，传统的基于六边形网格模型的研究方法较为理想化且并不精确，越来越不适用于如今的异构网络.针对这个问题，目前常用的方法是使用基于随机几何的泊松点过程来研究异构网络的基站部署，这种方法假设基站的空域分布完全随机，因此得到了覆盖概率的理论下界.但是由于宏蜂窝边缘（盲区）以及热点地区（忙区）等特殊区域中，站点的分布可能形成簇，此时，基于泊松点过程的空域分布将不再准确.针对这个问题，本文使用泊松簇过程研究三层异构蜂窝网络的基站部署与规划.首先，提出基于泊松簇过程的基站部署系统模型，讨论了基于簇分布的基站形成过程；其次，在充分分析用户受到的聚集干扰基础上，采用基于瞬时信干噪比的小区选择机制，推导出了中断概率模型，并讨论了三种特殊条件下的中断概率；最后，通过仿真对比分析了基于泊松簇过程与泊松点过程的中断概率的差异以及信干噪比阈值变化时的中断概率的变化曲线，证明了基于簇的空域基站部署具有更低的中断概率

在第二章中,我们讨论了一 维随机变量函数的分布,现在我 们进一步讨论: 当随机变量X,X2,…,X的联合分布 12 已知时,如何求出它们的函数

采用弹性力学有限单元分析和光弹实验方法以解决高精度传感器结构设计问题是当前研究传感器结构的一个新尝试。本文介绍了用有限元及光弹对剪幅武传感器变形状态、应力状态进行了分析,由计算和试验的结果,提出此类传感器结构设计中关于:a)轮幅上的剪应力分布;b)轮幅上等剪应力区和等倾线分布;c)影响剪应力分布的结构因素等的分析和试验结果。分析和实验结果表明:1.沿轮幅轴线最大剪应力分布是不均匀的;2.在轮幅上存在一最大剪应力的等剪应力区;3.最大剪应力所在部位其主应力倾角不一定是45°。为了满足传感器精度的要求,通过实验可以指示合理的结构形式,电阻应变片应粘贴的部位与尺寸范围,以及对于一个给定的传感器应变片的最大允许尺寸等

第四章多维随机变量及其分布 4.1多维随机变量及其分布函数、 边缘分布函数 在前一章中,我们所讨论的随机现象只涉及到一个 随机变量,但在很多随机现象中,往往要涉及到多 个随机变量

二维随机向量及其分布函数 设随机试验E的样本空间是Ω. X=X(a)和Y=Y()是定义在Ω上的随机变 量,由它们构成的向量(X,Y),称为二维随机向 量. 二维随机向量(X,Y)的性质不仅与X及 Y的性质有关,而且还依赖于X和Y的相互关系, 因此必须把(X,Y)作为一个整体加以研究. 为此,首先需要引入二维随机向量(X,Y) 的分布函数的概念