Monte Carlo法在检测浮选矿物品位中的应用

采用Monte Carlo法产生矿粉样品的XRF谱,对30个矿粉样品的品位进行了分析,结果表明该方法能够对浓度值为百分之几及其以上的元素进行有效分析。还对影响分析效果的各种因素进行了讨论,结果表明学习谱的个数越多,标准样品浓度分布范围越广,分析结果越精确可靠。此方法分析速度快,可以用于对矿物品位进行在线分析。     

解决边疆少数民族失地农民问题实证研究——基于对瑞丽市失地农民的调查

瑞丽市是一个多民族聚居城镇水平较高的边境城市，随着城镇进程的提速，这里的失地农民问题非常突出。瑞丽市积极探索解决失地农民问题的长效机制，着力保障失地农民利益，初步走出一条“妥善解决失地问题，统筹城乡协调发展”的路子。     

基于嵌入式实时操作系统的现场控制系统

随着以太网技术的不断发展,嵌入式系统与以太网相结合应用于工业控制系统领域已经成为了一种趋势.本文在嵌入式实时操作系统μC/OS-II下开发出了基于工业以太网的现场控制系统.该设备完成必需的控制任务的同时.实现了基于RTOS的TCP/IP通信,作为嵌入式Web Server接入工业以太网中.在实现了HTTP协议的基础上.利用公共网关技术完成了在浏览器端对嵌入式系统的内部参数设置及端口控制等功能.     

分布式防火墙与代理服务器技术相结合的安全性文件存取研究

本文研究以企业组织内部网络的文件安全性为范围,结合分布式防火墙技术在封包层次的过滤与控制功能,以及代理服务器在应用层次的存取分析与控制功能,辅以传统的SSL安全联机及VPN虚拟私有网络技术,并以使用者的应用为导向,来控制网络行为,以形成一个多层次的安全性文件存取机制。     

分布式奇异值分解最小平方估计算法

对奇异值（SVD）分解求解最小平方估计的问题进行了研究。提出迭代式分割与合并的算法（IDMSVD）,目的是改善奇异值分解在估计参数时非常耗费时间以及内存空间的问题。基于IDMSVD提出了分布式迭代式分割与合并算法（MRDSVD）,使用Hadoop平台的MapReduce来实现,实验结果显示,IDMSVD可以有效改善SVD求最小平方解耗费运行时间与内存空间的问题,MRDSVD算法可进一步改善IDMSVD的运行时间。     

城市垃圾厌氧堆肥产气控制的初步研究

通过对C/N比为30：1,含水率为85%的模拟垃圾进行间歇式厌氧堆肥实验,初步分析和研究了厌氧堆肥的温度、氧化还原电位、pH值等参数与系统产气量的关系。结果表明,系统的pH值是产气量的一个重要控制参数,而氧化还原电位只在实验初期对产气有一定影响,并且中温（35℃）堆肥的效果优于高温（55℃）堆肥。     

植物监测与大气污染

大气污染日趋严重,对于大气污染物的监测是日常工作中一项非常重要的问题,利用植物的一些特殊机理可以对污染物进行监测。文章主要讨论了植物监测大气污染物的机理、监测植物以及此方法的特点,提出了今后在植物监测上的工作重点。     

矿产资源可持续开发利用首要改善指数评价方法初探

为科学评价矿山企业的矿产资源开发利用水平,从采选和选矿技术专业角度,以矿山企业实际生产指标和国土资源部颁布的"三率"最低指标为基础,初步探索提出了一套矿产资源可持续开发利用首要改善指数评价方法,并分别阐明了各指标的含义和计算方法,为客观反映我国矿产资源开发利用水平现状提供一种新的思路。     

基于双Logistic混沌映射的数字图像加密算法研究

本文提出了一种基于双Logistic混沌映射的数字图像加密方案。在双混沌数字图像加密方案中主要利用了两级Logistic混沌映射来进行伪随机序列数的创建和生成,并通过两次创建过程来得到图像扩散和置乱的随机序列数。在加密和解密处理过程中,双混沌数字图像加密方案采用的密钥为一级Logistic混沌映射的计算参数和二级Logistic混沌映射的初值,加密过程采用先扩散后置乱的顺序进行,解密过程按照相反顺序进行处理。通过对加密方案在.NET平台下进行试验仿真,可以得到方案的加密效果是比较好的,同时也可以基本正确完成图像的解密处理。最后,在方案试验仿真工作的基础上,对方案的密钥空间大小、方案对密钥的敏感性、加密图像的像素关联性以及信息熵等方面进行了详细分析和研究,证明了方案的安全性和执行效率。结果表明,该算法安全高效,在图像保密通信中具有较大的应用潜力。关     

基于GA-Bi-LSTM的盾构隧道下穿既有隧道沉降预测模型

为了对盾构隧道下穿既有隧道的安全控制提供支撑，以既有地铁隧道的沉降预测误差为目标，采用遗传算法(GA)对双向长短期记忆网络(Bi-LSTM)结构中的时间序列的长度、隐藏层的单元数、隐藏层层数、LSTM的层数以及dropout进行参数优化，并在综合考虑工程地质参数、空间参数和盾构施工参数的基础上，构建GA-Bi-LSTM既有隧道沉降预测模型。以长沙轨道交通3号线平行下穿长沙轨道交通1号线区间工程为依托，基于该区间内的既有隧道沉降监测值以及对应的输入参数数据，对模型进行训练和测试。研究结果表明：提出的GA-Bi-LSTM模型对既有隧道沉降预测的平均绝对误差(MAE)、均方根(RMSE)、样本回归值(R²)分别为0.42,0.45,0.90，平均相对误差仅为10.78%，相较于BP,SVM,LSTM,Bi-LSTM神经网络模型拥有更好的预测精度，说明该模型具有较好的可靠性和实用性，可为新建隧道下穿既有隧道的沉降预测提供一种新的思路和方法。