在一定的时间间隔内,各位置上风速的平均值 几乎是不变的,但随高度增加而增大,这就是 平均风,又被称为稳定风,其周期大小约在10 分钟以上,远离一般结构物的自振周期

本章主要介绍桥梁动力特性、作用于桥梁上的风 荷载的计算及桥梁动力失稳判断等内容。此处的桥 梁动力特性主要涉及桥梁的自振周期及频率,本章 介绍了如何用结构动力学方法和一些经验公式进行 计算。风荷载计算在基准风压基础上考虑了重现期 结构体型、地形、地理条件等因素的影响。桥梁动 力失稳包括颤振失稳和驰振失稳,本章介绍失稳机 理及如何用运动方程和经验公式来判断桥梁是否可 能发生动力失稳

针对超声心动图像质量差、噪声多，传统卷积神经网络架构对超声心动图像的学习能力有限、表达不充分的缺点，提出了一种基于标准切面识别的房间隔缺损（Atrial septal defect，ASD）智能辅助诊断模型。该模型通过对超声心动图像进行切面识别，充分融合其不同切面的语义特征，使得诊断的准确率得到明显提升。此外，还对其进行双边滤波保边去噪，并基于此模型搭建房间隔缺损智能辅助诊断系统（简称ASD辅助诊断系统）。结果表明，该ASD辅助诊断系统的准确率高达97.8%，且与传统卷积神经网络相比大大降低了假阴性率

主要讨论高层建筑结构顺风向静动 力风荷载的计算,采用前面所述风振动 力分析的原理和方法,即按风振随机振 动的振型分解法,且一般只考虑第一振 型的影响

一、控制测量(control survey) 1、目的与作用 (1)为测图或工程建设的测区建立统一的平面控制网(horizontal control network)和高 程控制网(vertical control network) (2)控制误差的积累 (3)作为进行各种细部测量的基准

针对装备各类故障样本分布不平衡、现有算法故障诊断精度较低的问题，通过引入p范数约束多核极限学习机和基于AdaBoost的集成学习策略，定义了一种p范数约束下正则化加权多核集成极限学习机的故障诊断模型。首先，在p范数约束下，基于各类故障样本自身规模，分别进行了两种自适应的样本权重分配；其次，在每层分类器的优化中，将多核学习的多源数据融合能力和极限学习机运算高效的特点相结合，同时，将样本的权重$ {\\boldsymbol{W}} $

为研究钢筋混凝土在耦合盐环境中的腐蚀劣化规律及寿命分布，将钢筋混凝土试件置于0.32 mol·L−1NaCl和0.4 mol·L−1MgSO4盐溶液中，利用电化学工作站定期无损检测，以极化曲线、交流阻抗图谱及电化学参数指标进行耐久性分析，选择3参数Weibull进行可靠性建模，通过Anderson-Darling法（A-D）进行先验假设检验，采用相关系数优化法(CCOM)、极大似然法(MLM)及矩估计法(MEM)进行参数估计，综合可靠度曲线、密度曲线、失效率曲线对钢筋混凝土在氯盐、硫酸盐、镁盐腐蚀环境中的寿命进行分析

目的一一测定线路中桩处的高程,绘制纵断面图( profile),为线路设计提供基 础资料。 工作步骤“先基平( principal levelin后中平( profile leveling” 基平测量( principal leveling)

为了明确径向流吸附器变压吸附制氧的传热传质规律并提高制氧效率，建立π型向心径向流吸附器（CP-π RFA）的气固耦合两相吸附模型，通过计算流体力学方法对能量模型、吸附热以及颗粒尺寸等因素进行了数值模拟

圆曲线测设的传统方法:主点测设一一详细测设 一、主点(major point)的测设 1.曲线要素的计算