以往对全尾砂膏体屈服应力的研究局限于理想屈服应力流体框架内，认为一定材料配比条件下，膏体的屈服应力是确定的，即认为屈服应力是膏体料浆固有的一个物理属性值。通过开展不同质量分数全尾砂膏体屈服应力测量实验，分析了测量速率与测量时间对不同浓度膏体屈服应力的影响，发现屈服应力值的大小与测量过程相关。对比分析峰值屈服应力、动态屈服应力、静态屈服应力，发现全尾砂膏体屈服应力随测量时间–测量速率在一定条件下的变化规律，即峰值屈服应力、静态屈服应力正比于膏体的测量速率，动态屈服应力反比于测量时间，以变异系数Cv评价料浆屈服应力的离散程度，其中74%质量分数膏体动态屈服应力变异系数最大，Cvmax=27.07%，而66%质量分数膏体静态屈服应力变异系数最小，Cvmin=2.33%。进而从细观层面分析了膏体屈服过程中颗粒间作用力、颗粒网络结构随测量时间–测量速率的变化规律，解释了全尾砂膏体屈服应力易变性机理

6·1基本概念及究意义 在一定条件下,人类的工程活动可以诱发地 震,诸如修建水库,城市或油田的抽水或注水, 矿山坑道的崩塌,以及人工爆破或地下核爆炸等 都能引起当地出现异常的地震活动,这类地震活 动统称为诱发地震( induced earthquake)。 其形成一方面依赖于该区的地质条件、地应力状 态和有待释放的应变能积累程度等因素;另一方 面也与工程行为是否改变了一定范围内应力场的 平衡状态密切相关

光催化作为一种低成本且高效安全的环境净化技术，被认为是全球能源危机和环境污染问题最好的解决方式之一。赤泥作为一种固废不仅含有丰富的铁氧化物，且具有较高的比表面积、孔结构等特点，近年来，赤泥基光催化材料在光催化降解水中有机污染物的研究中备受关注。本文介绍了赤泥的特性，概括了赤泥基光催化材料的制备方法，总结了赤泥基光催化材料在光催化降解水中有机污染物方面的应用，阐述了赤泥基光催化材料催化降解水中有机污染物的机理，探讨了现有赤泥基光催化材料存在的问题。最后，基于以往的研究结果对赤泥基光催化材料未来的发展趋势提出了展望及建议

作为一个煤炭大国，煤炭在我国的能源结构中占据重要地位。然而，煤炭的过度使用不可避免的造成了环境污染和温室效应等问题。因此发展洁净煤技术是解决煤炭利用问题的重要方式，对于我国经济的可持续发展至关重要。HyperCoal（HPC）是通过溶剂萃取技术得到的一种煤衍生物，由于具有低灰、低水、高热值、高反应性、良好热塑性、环境友好等特性，在洁净煤技术中有着重要的应用。基于此，本文指出了目前我国对HPC的应用研究现状，并详细阐述了本研究团队在配煤炼焦和制备石墨电极领域的突破性研究进展。然而，目前HPC在推广和应用过程中还存在一些问题。在未来，还亟需解决HPC的规模化生产问题，并对HPC的萃取机理和作用机制开展更加深入的研究

正弦余弦算法是一种新型仿自然优化算法，利用正余弦数学模型来求解优化问题。为提高正弦余弦算法的优化精度和收敛速度，提出了一种基于差分进化的正弦余弦算法。该算法通过非线性方式调整参数提高算法的搜索能力、利用差分进化策略平衡算法的全局探索能力及局部开发能力并加快收敛速度、通过侦察蜂策略增加种群多样性以及利用全局最优个体变异策略增强算法的局部开发能力等优化策略来改进算法，最后通过仿真实验和结果分析证明了算法的优异性能

研究了全状态约束与输入饱和情况下的全向移动机器人轨迹跟踪控制问题.首先，针对一类三轮驱动的全向移动机器人，考虑系统存在模型参数不确定与外部扰动，建立了运动学与动力学模型；其次，利用障碍Lyapunov函数，结合反步设计方法，有效处理全向移动机器人跟踪过程中存在的状态约束，保证所有状态变量不会超出状态约束的限制区域；然后，针对系统参数不确定和未知有界扰动，设计相应的自适应律进行处理；同时，提出一种抗饱和补偿器保证机器人输入力矩满足饱和约束；并且利用Lyapunov理论分析证明了当选取合适的控制参数时闭环系统中的所有信号均能保证一致有界；最后，通过与未考虑状态约束和输入饱和的控制器以及经典比例-微分控制器进行仿真对比，验证了该方法的有效性和鲁棒性

主要危害 (1)沿海地区沉降使地面低于海面,受海水侵袭; (2)一些港口城市,由于码头、堤岸的沉降而丧失 或降低了港湾设施的能力; (3)桥墩下沉,桥梁净空减小,影响水上交通; (4)在一些地面沉降强烈的地区,伴随地面垂直沉 陷而发生的较大水平位移,往往会对许多地面和地下 构筑物造成巨大危害; (5)在地面沉降区还有一些较为常见的现象,如深 井管上升、井台破坏,高摆脱空,桥墩的不均匀下沉 等,这些现象虽然不致于造成大的危害,但也会给市 政建设的各方面带来一定影响

为解决RNN–T语音识别时预测错误率高、收敛速度慢的问题，本文提出了一种基于DL–T的声学建模方法。首先介绍了RNN–T声学模型；其次结合DenseNet与LSTM网络提出了一种新的声学建模方法— —DL–T，该方法可提取原始语音的高维信息从而加强特征信息重用、减轻梯度问题便于深层信息传递，使其兼具预测错误率低及收敛速度快的优点；然后，为进一步提高声学模型的准确率，提出了一种适合DL–T的迁移学习方法；最后为验证上述方法，采用DL–T声学模型，基于Aishell–1数据集开展了语音识别研究。研究结果表明：DL–T相较于RNN–T预测错误率相对降低了12.52%，模型最终错误率可达10.34%。因此，DL–T可显著改善RNN–T的预测错误率和收敛速度

第五讲导数与微分(一) 一、引言 二、导数定义与性质 三、函数的微分 四、可导、可微与连续的关系 五、基本导数(微分)公式

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断