微震能级随时间发生变化，高能级微震事件与冲击地压有良好的对应关系，为预测矿山微震能量时序变化，基于一维卷积神经网络（Convolutional neural networks，CNN），建立微震能级时间序列预测模型；通过模型训练，实现以前十次微震事件的能量级别作为输入来预测下一次微震事件的能量级别。由于微震样本数据类间不平衡问题，导致模型测试时将106能量级别的微震事件全部判断为105能量级别的微震事件，为进一步提高模型对106能级微震事件预测的准确率，对模型进行改进并使用混合采样方法训练改进后的模型；利用砚北煤矿250202工作面微震能级实测部分数据，改进后模型的总体测试正确率达到98.4%，其中106能量级别的微震事件测试正确率提升到99%。将模型应用于砚北煤矿250202工作面进行微震能级时序预测，模型的预测正确率整体达到93.5%，且对高能级微震事件的预测正确率接近100%

通过二维冷态物理模型对氧气高炉炉身喷吹煤气在炉内分布进行了实验研究，分别研究了炉身煤气总量、辅助风口直径以及炉身喷吹煤气量与炉身煤气总量之比对炉身喷吹煤气在炉内分布的影响.结果表明，炉身喷吹煤气量与炉身煤气总量之比对炉身喷吹煤气在炉身分布起决定性作用，而炉身煤气总量和辅助风口直径的影响较小.同时，在炉身煤气上升过程中涡流扩散效应的影响也较小.通过对根据实验数据绘制的炉身等浓度分布图进行研究发现，炉身煤气分布主要分为两个不同的区域，一个是炉身喷吹煤气主流区，另一个是从高炉下部产生的上升煤气主流区.在炉身等浓度分布图的基础上通过回归分析的方法推导出炉身喷吹水平喷吹煤气的渗透公式.此外，辅助风口被安装在炉身下部有利于铁矿石在炉身的间接还原

钢渣用作建筑材料时,由于其中含有大量游离氧化钙(f-CaO),稳定性较差,通常需要改性钢渣以提高其稳定性、胶凝性. 在对钢渣、高炉渣进行化学成分和矿物组成分析的基础上,对高炉渣改性钢渣的可能性进行了热力学计算,结果表明高炉渣中的SiO2与钢渣中f-CaO反应,生成胶凝相,同时降低了钢渣中的f-CaO含量. 本文通过研究热态高炉渣改性钢渣,结合X射线衍射、拉曼光谱、扫描电镜及能谱分析等研究方法,对改性钢渣的矿物成分、f-CaO含量、黏度变化等进行了分析. 研究发现随着热态高炉渣配比量的增加,改性渣黏度缓慢增加,改性钢渣中f-CaO、RO相含量降低,改性渣的胶凝性能提高. 在1550℃下,钢渣中添加10%高炉渣时,改性渣中2CaO·SiO2(C2S)、3CaO·SiO2(C3S)含量显著提高,f-CaO质量分数降至1.64%,稳定性大大提高,符合建材化使用要求. 此外,进一步使用焦炭还原改性渣中的铁,轻松实现了渣铁分离,提高改性渣的易磨性

空间曲线及其方程 一、空间曲线的一般方程 空间曲线C可看作空间两曲面的交线 F(x,y,z)=0 G(x,y,z)=0 空间曲线的一般方程.特点:曲线上的点都满足方程,满足方程的点都在曲线上,不在曲线上的点 不能同时满足两个方程

针对单个球团未反应核模型在研究多球反应体系中存在的局限性,首先基于单球团未反应核动力学模型,构建了等温固定床中多球体系下球团矿还原模型;然后通过引入无因次变量,得到方程的解析解,并且采用特征线法进行求解得到了方程的数值解;最后在中温管式炉中设计了等温固定床球团矿还原试验.实验结果与模型计算值有较好的吻合

炉顶煤气循环-氧气鼓风高炉炼铁新技术的工艺特点决定了煤粉在其回旋区内的燃烧条件与传统高炉相比将发生很大变化.本文建立了氧气高炉直吹管—风口—回旋区下部煤粉流动和燃烧的数学模型,研究了入口布置方式、氧含量、循环煤气温度以及H2O和CO2含量对煤粉燃烧的影响.模拟结果表明:三种引入方式中,假想的循环煤气和氧气混合进入方式明显优于循环煤气和氧气单独进入方式.当氧的体积分数由80%增加到90%,相应的煤粉燃尽率由87.525%提高到93.402%.循环煤气温度对煤粉燃尽率的影响并不显著.循环煤气中H2O和CO2的体积分数提高5%,风口轴线上气体的最高温度分别降低124 K和113 K

分析了有限空间内爆炸的能量释放特点和毁伤方式,从冲击波特性、热效应、准静态压力结构动态响应数值模拟、炸药综合威力评估6方面综述了有限空间内爆炸作用的研究,认为应建立表征内爆威力的屋顶举起实验装置,加强多毁伤元耦合作用对目标破坏的研究,将屋顶举起作功能力和准静态压力纳入内爆炸威力评估体系,建立科学有效的内爆炸威力评估方法

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

1. 掌握卡方检验的原理和方法（公式）的来源及推导过程。 2. 掌握卡方检验的适用条件（样本特性）和样本数据的的特点。 3. 知道卡方检验中对变量进行加权的意义。 4. 掌握卡方检验中实际数和理论值的运算关系，以及不同的实际数和理论值条件下对检验结果的影响。 5. 学会通过卡方检验的结果来分析试验设计中的假设检验是否具有显著性统计意义。 6．行列分割的意义和方法