裂隙粗糙度是影响裂隙岩体渗流特性和流体流动复杂性的重要因素，为了深入研究单轴压缩条件下粗糙度对渗透系数的影响，采用3D打印技术和数字建模方法制备了粗糙度不同的裂隙试样，通过自制的试验装置对不同法向压力下的裂隙试样进行了试验。结果表明，在没有法向压力的条件下，随着粗糙度的增加，渗透系数以负指数函数形式减小，采用Forchheimer方程定量的分析了渗流流量与水力梯度之间的非线性关系，Forchheimer方程可以很好地描述粗糙裂隙表面的流动过程，线性项系数随着粗糙度的增大而减小，非线性项系数随着粗糙度的增大而增大；在恒定法向压力且大于水压的条件下，裂隙试样的渗透系数随着粗糙度的增大线性减小，随着水压的增大，粗糙度对渗透系数的影响作用增强；定义了系数$\\delta $

以迄今为止查阅到的中国大陆金属矿区实测地应力数据为基础，经优化处理后最终采用165组数据，基本覆盖了我国大陆主要金属矿山分布地区.采用回归分析法给出了中国大陆金属矿区测量埋深范围内的地应力场特征，并尝试从地应力的角度对中国大陆金属矿区断层的稳定性进行了讨论.结果显示，中国大陆金属矿区垂直主应力、最大与最小水平主应力总体上随埋深呈线性增加；最大与最小水平主应力之差Δσ随埋深的增加有增大的趋势，但规律性不显著；最大水平主应力与垂直主应力之比Kh，max主要集中在1.00~2.50之间，最小水平主应力与垂直主应力之比Kh，min主要集中在0.50~1.50之间，平均水平主应力与垂直主应力之比Kh，av主要集中在1.00~2.00之间，随着埋深的增加，3个侧压系数的变化幅度逐渐减小，Kh，max趋向于1.83，Kh，min趋向于0.80，Kh，av趋向于1.31；最大与最小水平主应力之比与埋深没有显著的关系，主要集中在1.5~2.0之间，近似服从正态分布；断层在埋深小于500 m范围内有滑动的可能，埋深超过500 m时，逆断层有滑动的可能，走滑断层处于相对稳定状态

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

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

面向对象可视化编程基础 面向对象程序设计的主要特点是其抽象方 法接近于人的自然思维方式,很容易被应用人 员所接受,它的最大优点是开发效率高、代码 重用率高

制冷的任务是将被冷却物体中的热量移 向周围介质(水或空气),使物体温度降 低,且低于周围介质的温度,并能保持 一定的温度。热量常从高温物体传向低 温物体,但制冷过程可使热量从低温物 体传向高温物体,这个过程要消耗能量 。制冷剂在制冷机中循环周期地从被冷 却物体中取得热量,并传递给周围介质 ,同时制冷剂也完成了状态的循环,实 现这个循环必须消耗能量

AMCM2002问题-A风和喷水池 在一个楼群环绕的宽阔的露天广场上,装饰喷泉把水喷向高空。刮风的日子, 风把水花从喷泉吹向过路行人。喷泉射出的水流受到一个与风速计(用于测量 风的速度和方向)相连的机械装置控制,前者安装在一幢邻近楼房的顶上。这 个控制的实际目标,是要为行人在赏心悦目的景象和淋水浸湿之间提供可以接 受的平衡:风刮得越猛,水量和喷射高度就越低,从而较少的水花落在水池范 围以外

第三章面向对象的程序设计 本章导读 一、掌握类与对象的概念,类与对象的定义方法及二者间的区别。 二、掌握类的成员函数的定义方法、保存方法及调用方法。掌握类中成员的访问机制和方法。 三、了解对象的作用域和生存期

为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础

5.1面向对象建模 5.2面向对象分析(OOA) 5.3面向对象设计(OOD)