通过分析突水水流井巷中漫延时空性变化的影响因素,提出了突水过程的三维动态仿真模型架构.经数据模型化、数据规则化、弧巷直巷化及井巷三维网络化处理,生成了井巷空间网络系统.通过研究水流在井巷空间网络中下向漫延、上向升涨的路径算法,构建了突水水流流经井巷的路径网络.结合突水水流流动的水力特征,解算了突水水流的漫延速度和到达时间.建立了能够真实模拟水流漫延过程的时空动态性变化的三维动态仿真模型.以国内某典型矿山的实际数据为例,验证了突水过程三维动态仿真模型的有效性

以嗜酸氧化亚铁硫杆菌T.f6优势菌株为原始菌,采用盐酸羟胺对其进行化学诱变,重点研究了化学诱变对菌种活性、生长繁殖以及尾矿浸出体系的影响.结果表明,羟胺诱变能使菌种产生明显变异,能很好地提高菌种活性和生物浸出能力.盐酸羟胺质量分数1.0%时所得诱变菌的氧化活性最高,32h后Fe2+氧化率达到100%,而在相同条件下原始菌的Fe2+氧化率达到100%则延迟32h.尾矿浸出30d,诱变菌的铜浸出率比原始菌提高了20.7%,比酸浸铜浸出率提高了85%;同时,到达浸出终点的时间比原始菌提前了5~8d.说明诱变菌浸出效果好于原始菌,远优于化学浸出.菌种诱变前后扫描电镜测试表明,诱变菌种的形态没有变化,但细胞大小有所改变,表面变得光滑且出现胞外分泌物,同时细胞间聚团现象明显

1、课程简介:本课介绍了科学研究和科学试验基本知识、田间试验的设计原理和方 法、田间试验的实施原则和方法、试验资料的整理、概率和正态分布等、统计退推断的原 理和方法、次数资料的统计分析、方差分析的原理和方法、单因素试验的统计分析、多因 素试验的统计分析、直线相关和回归分析、多元线性回归与相关分析等内容。本课另称 “试验统计方法”“试验与统计”“生物统计”等。 2、地位和任务:本门课程是作物、植保、园艺本科专业必修的专业基础、工具课, 其任务是培养学生树立注重调查、注重试验的唯物主义科学观和实践第一的科学素质使学 生掌握与所学专业领域有关科学调查、试验等工作中方案的设计、过程的实施和结果统计 分析的基本能力

为了更加快捷、高效地判定边坡稳定与否，基于机器学习，融合主成分分析法（PCA）、参数调整、影响因素权重分析等，建立了一种边坡安全稳定性评价体系。研究发现，运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维，但此时模型效果有所下降；随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型，通过对其预测效果的对比分析，确定XGBoost为最佳评价模型。与此同时，采取卡方检验、F检验以及互信息法3种相关性检验手段，并通过计算评价因子的重要程度且加以可视化展示，明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性，最终将评估结果与实际结合提出了边坡安全防护措施

测量的基本知识(包括误差、信号描述、测量装置的基本特性） 传感器技术（包括常用传感器原理） 信号处理技术（包括模拟和数字信号处理方法） 课程主要内容 常用参量的测试（包括应力应变、力、振动、温度和流量） 综合试验（包括机械量的动态测量和控制） 本章学习要求： 1.掌握测试技术的概念及研究内容 2.了解测试技术的地位与作用 3.了解测试技术的应用情况 4.掌握测试系统的基本构成 5 .了解测试技术的发展动态 6.了解主要测试仪器生产厂商 第一讲 测试技术绪论 2.1、测量的基本知识 2.2、静动态试验数据的描述 2.3、测量系统的基本特性 第二章 测量技术 第二章 测量与测试信号分析的基础（信号的描述与分析） 第三章 测试系统的基本特性 第四章、测试系统特性 第四章 传感器技术 第五章 模拟信号调制、滤波和模数转换 第七章 信号处理初步 第四章 常见参量的测试

建立了强电解质水溶液KBr-H2O、NH4Br-H2O和ZnBr2-H2O作用浓度的计算模型,计算了上述三个溴化物二元水溶液体系在温度为298.15K、质量摩尔浓度达到饱和前的作用浓度.热力学模型计算的组元作用浓度以纯物质为标准态和摩尔分数为浓度单位,与文献报道的组元活度以无限稀为标准态和质量摩尔浓度为浓度单位经过活度的标准态转换后可良好地吻合,且转换系数在计算的浓度范围内基本守恒.以上热力学模型计算的组元作用浓度能反映出强电解质水溶液的结构本质;在本模型的假设下电解质水溶液呈现理想溶液特征,组元的作用浓度在计算的浓度范围内严格遵守质量作用定律

根据鄂西地区高磷鲕状赤铁矿的矿物特性结合煤基直接还原方式的特点进行了脱磷实验研究,实验过程中还原煤为哈密煤.实验结果表明:采用煤基直接还原+磁选工艺在实验室条件下可以获得最低磷质量分数为0.031%的铁精粉;为了达到这一实验结果,必须保证满足还原脱磷条件的最佳还原温度和配碳量(本实验条件下,最佳还原温度为1250℃,矿煤比1.25),生球要有适宜磷还原的二元碱度(R ≤ 0.8),适中的原矿粒度(2 mm以下),最后保证达到反应平衡的还原时间(50 min)

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

采用Burgers模型对排土场散粒体蠕变的减速蠕变和等速蠕变两阶段进行描述,利用分层总和法的思想,将垂直填筑的排土场进行分层处理,底层在上覆‘自重’变荷载作用下发生沉降变形,分别采用定常和非定常Burgers蠕变模型从理论解析角度推导排土场填筑动态过程中沉降、工后沉降及累计沉降计算公式.以齐大山铁矿排土场监测数据进行实例验算,应用结果表明:非定常Burgers模型和定常Burgers模型拟合的相关系数均较高,非定常Burgers模型沉降最终收敛于5.07 m,定常Burgers模型沉降曲线具有发散性,可见非定常Burgers模型能更好地表述排土场沉降真实工况;将排土场分为十个分层,结合FLAC3D软件的蠕变数值分析计算,得出各单层沉降率的变化规律,即各单层工后沉降量上层沉降值小于下层和中间层,且上层沉降量呈现单调递减变化,越接近排土场顶部单层沉降量越小;中间层沉降量相对下层沉降量要大,其中第5单层的沉降量最大

针对传统医疗手段无法有效量化评估手术中不同硅油加注量对于视网膜裂孔贴附效果的问题，本文提出一种面向视网膜脱离手术的硅油填充模拟方法，基于物理建模与计算机数值离散化技术对眼内受力、硅油填充状态进行分析，并对填充模拟过程进行三维模型构建与可视化，实现医疗过程决策辅助目的。首先对人类眼球与手术器具进行基础建模与模型采样，模拟手术流程中眼球状态；然后，根据水与硅油的密度、黏滞系数、表面张力等不同物理性质，对水?硅油两相流动及交互进行模拟；最后，构建固液交互模型，实现多相液体在眼球中的运动与填充。实验结果表明，本文方法能够较好地呈现眼球内多相流体运动交互效果，实现了诸如表面张力、固液耦合、液体分层、连通器效应等效果，实现了对眼内腔中通过导管注入硅油与排出水分流程的模拟，为预测硅油填充后的眼内状态提供了一种有效的方式，辅助医生进行手术流程规划与效果预测