针对高强度带钢表面粗糙度的特殊要求和控制难题,采取批量工业生产实验和数理统计的方法,研究高强度带钢表面粗糙度的轧制转印及变化规律,以及轧机工作辊表面粗糙度的变化规律.确定了高强度带钢表面微观形貌由末机架决定,分别建立了高强度带钢表面粗糙度预测模型、轧制转印率模型和轧机工作辊表面粗糙度预测模型.比较了高强度带钢与普通强度带钢的轧制转印行为.研究结果可用于工业生产过程中预测高强度带钢表面粗糙度,合理安排冷轧轧制顺序和轧制计划,以及预测确定工作辊上下机时间节点

浮选回收率是金矿选矿过程重要的生产指标，目前主要是通过人工化验的方法检测获得，人工检测周期较长，造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上，分别采用多元线性回归和BP神经网络的方法，建立了金矿厂浮选回收率的预测模型.预测误差分析表明，BP神经网络预测模型能较好地预测金矿厂的浮选回收率，当预测相对误差在±3%范围内时，模型的预测精度达到91%，对于实际生产具有良好的参考作用

在前面一章中我们介绍了线架模型的绘制方法，在本章中将要介绍表面模 型和实体模型的绘制方法。表面模型用面描述三维对象，它不仅定义了三维对 象的边界，而且还定义了表面即具有面的特征。实体模型不仅具有线和面的特 征，而且还具有体的特征，各实体对象间可以进行各种布尔运算操作，从而创 建复杂的三维实体图形

1规划模型的基本概念 规划模型的一般形式三要素 (1)决策变量,通常是该问题要求解的那些未知量,不妨用n维向量x=(1x2,xn)表示,当对x赋值后通常称为该问题的一个解 (2)目标函数,通常是该问题要优化(最大或最小)的那个目标的数学表达式,它是决策变量x的函数,可以记作f(x) (3)约束条件,由该问题对决策的限制条件给出,即x允许取值的范围x∈,称为可行域。通常

为了准确获取采空区空间体积，以采空区三维激光扫描系统探测到的原始数据为依据，提出采空区体积的三角网模型微积分算法.算法首先确定模型剖切的主轴方向，用一组等间距平行面对模型进行相切并获得剖面的无序点集，运用所提出的凸包压入法生成采空区剖面的初始边缘轮廓线；再将初始边缘轮廓线内的其他交点添加到剖面中，形成完整的采空区剖面形态；最后利用平面三角形有向面积叠加计算剖面面积，将剖面面积与微小间距进行积分获取采空区的体积.工程应用表明，所研究的采空区体积算法稳定性好，精度高，可实现对复杂采空区体积的有效计算

1.光弹性实验的物理基础 某些高分子材料(环氧树脂、聚碳酸脂等)具有暂时双 折射效应 ，制成与实物形状和尺寸几何相似的模型， 并且给模型施加与实物相似的载荷，在特定的偏振光 场中观察，模型中出现与应力有关的干涉条纹。依照 光弹性原理，可以算出模型内各点的应力大小和方向， 实物的应力可依据相似理论换算得到

利用Gleeble-1500D热模拟试验机对316LN奥氏体不锈钢进行单道次热压缩试验,分别设置变形温度为900~1200℃、应变速率为0.001~10 s-1、真应变为0.1~0.9及试样的初始晶粒度为122~297μm之间,以研究热变形条件及初始晶粒度对316LN钢动态再结晶行为的影响.对试验数据进行处理,得到临界应变与峰值应变以及临界应力与峰值应力的比值分别为0.38和0.89,建立了动态再结晶动力学方程和晶粒尺寸演变方程.对建立的动态再结晶模型进行修正,将修正后的模型嵌入DEFORM-3D有限元模拟软件中进行计算,发现修正模型的模拟值和试验值符合较好,证明修正模型的准确性

一、联立方程模型及其偏倚 二、联立方程模型的识别 三、联立方程模型的估计

建立快速有效的针对大规模文本数据的聚类分析方法是当前数据挖掘研究和应用领域中的一个热点问题.为了同时保证聚类效果和提高聚类效率，提出基于\互为最小相似度文本对\搜索的文本聚类算法及分布式并行计算模型.首先利用向量空间模型提出一种文本相似度计算方法；其次，基于\互为最小相似度文本对\搜索选择二分簇中心，提出通过一次划分实现簇质心寻优的二分K-means聚类算法；最后，基于MapReduce框架设计面向云计算应用的大规模文本并行聚类模型.在Hadoop平台上运用真实文本数据的实验表明：提出的聚类算法与原始二分K-means相比，在获得相当聚类效果的同时，具有明显效率优势；并行聚类模型在不同数据规模和计算节点数目上具有良好的扩展性

基于个体脆弱性模型将毒气扩散场景下人员疏散过程中的个人风险量化,并根据警报传播和人员跃迁规律求解不同警报接收端部署比例下的个人风险.运用运筹学中图论及多目标优化方法建立高含硫井场警报接收端部署双目标优化模型,并基于贪心算法思想提出求解该模型的实用算法,从而获得模型的较好非劣解.以某山区高含硫井场应急预警通知项目为例,通过程序运算得到该井场警报接收端部署子区域的边界及对应的部署比例.分析表明,在降低部署成本及缓解道路拥塞水平方面,该优化部署方法比传统的平均部署方法更具优越性