崩塌灾害的早期预警一直是岩土工程领域研究的热点问题之一.传统的监测预警方法监测指标相对单一, 更多关注于加速破坏前兆的识别, 使得崩塌的早期预警存在诸多困难.本文首先引入动力学监测指标, 对岩土体破坏过程中的动力响应进行综述, 得出基于固有振动频率等动力学监测指标可以为危岩体的损伤提供数据支持.随后基于最新的实验研究发现动力学监测指标可以有效反应边坡的物理力学特征的变化, 进而可以实现岩体损伤与稳定性的动态识别和定量判断.在对国内外现状进行综述发现, 基于分离阶段破坏前兆识别的岩块体崩塌灾害预警思路, 具有更好的时效性, 是未来崩塌早期预警的发展方向, 同时对崩塌的早期预警指标体系进行展望, 得出基于动力学指标、静力学指标和环境量指标三位一体的早期监测预警指标体系, 必将在工程监测与灾害预警方面发挥更大潜力, 为从事应对崩塌等脆性破坏灾害预警预防的研究工作者提供有效参考

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

一、掌握反应速率的表示法以及基元反应、反应级数、反 应分子数等基本概念。 二、重点掌握具有简单反应级数的速率公式的特点,能从 实验数据求反应级数和速率常数。 三、了解几种复合反应的动力学公式及活化能求法。 四、重点掌握根据稳态近似法和平衡态近似法由复合反应 的反应历程导出反应速率公式。 五、掌握链反应的特点及速率方程的推导。 六、了解气体碰撞理论和过渡状态理论。 七、了解溶液中的反应和多相反应。 八、掌握光化学定律及光化反应的机理和速率方程。 九、了解催化作用的通性及单相多相催化反应的特点。 §11.1 化学反应的反应速率及速率方程 §11.2 速率方程的积分形式 §11.3 速率方程的确定 §11.4 温度对反应速率的影响,活化能 §11.5 典型复合反应 §11.6 复合反应速率的近似处理法 §11.7 链反应 §11.8 气体反应的碰撞理论 §11.9 势能面与过渡状态理论 §11.10 溶液中的反应 §11.11 多相反应 §11.12 光化学 §11.13 催化作用的通性 §11.14 单相催化反应 §11.15 多相催化反应 §11.16 分子动态学

通过对低碳含铝钢20Mn2精炼过程的取样分析,得出精炼渣的熔化温度偏高,渣中存在大量固相CaO,并导致钢中含有CaO类夹杂物,精炼渣吸附夹杂物能力差.利用Fact Sage热力学计算,从渣的低熔点区域控制和渣-钢反应这两个方面对渣系进行研究与优化.结果表明,CaO/Al2O3质量比在1.5左右添加质量分数为3% CaF2可以有效降低渣的熔化温度,渣的熔化温度随着CaF2含量的升高呈现先降低后升高的趋势,MgO的质量分数控制5%左右低熔点区域面积达到最大.在SiO2质量分数大于30%区域,钢中氧含量大体上随着CaO/Al2O3质量比的增加而降低,在SiO2的质量分数低于30%区域随着CaO含量的升高而降低,钢中酸溶铝含量在SiO2含量高的区域随着Al2O3/SiO2质量比的增加而升高,在SiO2含量低的区域随着CaO/SiO2质量比的增加而增加.根据热力学分析结果得出合理的渣系范围：CaO 50%-60%,Al2O320%-35%,SiO25%-10%,MgO 5%-8%,CaF20-5%.优化渣系的实验结果表明,优化后渣系熔化温度降低,钢中夹杂物数量、面积和平均尺寸均有明显下降

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

MATLAB意为“矩阵实验室”，源自 Matrix Laboratory ，它是一种科学计算软件。 Matlab语言是由美国的Clever Moler博士于1980年。开发的设计者的初衷是为解决“线性代数”课程的矩阵运算问题。 目前MATLAB已经成为国际上最流行的软件之一，除了可提供传统的交互式的编程方法之外，还能提供丰富可靠的矩阵运算、图形绘制、数据处理、图像 处理和Windows编程工具等。因而出现了各种以MATLAB为基础的工具箱，应用于自动控制、图像信号处理、生物医学工程、语音处理、信号分析、时序 分析与建模、优化设计等广泛的领域，表现出了一般高级语言难以比拟的优势。 美国Mathwork软件公司推出的Matlab软件就是为了给人们提供一个方便的数值计算平台而设计的

针对高温含水条件下非氧化物材料经常面临的性能失效问题,以六方BN粉体(平均粒度为1.2μm)为研究对象,利用高温热重分析、X射线衍射以及扫描电镜等手段,考察了BN粉体在不同温度(1273-1373K)含水条件下f水和空气的体积比为3:7)的反应行为,并与其在干燥空气下的反应行为进行对比.BN粉体在含水条件下的反应有如下特点:在反应初期,试样质量增加率快速增加;在反应后期,试样质量增加率变缓.结合热力学分析探讨了BN材料在高温含水条件下的反应机理:质量快速增加阶段主要发生BN与O2之间的氧化反应,试样质量增加率变缓阶段主要是由于氧化产物B2O3与H2O反应生成了挥发性产物.随着温度的升高,两反应阶段试样的质量增加率均有所提高.利用周模型对BN材料在高温含水条件下的反应动力学进行了较为精确且定量的拟合,结果与实验数据吻合良好

以GaN和(Ga1-xInx)P半导体的金属有机物气相外延生长(MOVPE)为例分析了V族气源物质NH3和PH3热分解对半导体化合物外延生长成分空间的影响.根据外延生长过程中NH3和PH3实际分解状况,建立了气源物质不同分解状态下的热力学模型,进而应用Thermo-calc软件计算出与之对应的成分空间.计算结果与实验数据的对比表明:GaN和(Ga1-xInx)P半导体的MOVPE过程的热力学分析必须根据V族气源物质NH3和PH3的实际热分解状况,进行完全平衡或限定平衡条件下的计算和预测,完全的热力学平衡分析仅适用于特定的温度区段或经特殊气源预处理的工艺过程

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

本书对数据库的讨论及前几章中提供的信息都说明,当前各种公共数据库中的序列信息的数 量正急剧增加。与我们已知的核酸序列一样,所有蛋白质序列,无论是直接测得还是由核酸 序列中的开放阅读框转换而来,都包含有决定其结构功能的内在信息。可惜用实验方法获取 这些信息的速度远远赶不上单纯序列数据产生的速度。象圆二色谱、旋光色散、X光晶体衍射 和核磁共振都是确定结构特征的强有力技术,但它们的实现需要大量时间,并对技术和技巧 都有很高要求