DeepWeb可配置聚焦爬虫设计与实现

大数据时代如何精确而有效地抓取用户所需要的数据成为了一个至关重要的问题,提出一种可配置的聚焦网络爬虫框架,基于配置文件的设置,构建一个数据采集精确、可控性强的聚焦网络爬虫。在此基础上改进聚焦爬虫工作流程,实现Deep Web表单自动提交以及Deep Web数据抓取。实验通过高能物理研究所网站与手机腾讯微博的数据爬取以及爬虫在高能物理研究所大数据平台上的实际运行效果说明了爬虫设计的有效性与实用性。     

深切河谷区地应力场分布规律研究

 基于对南水北调西线工程7个坝址区水压致裂法地应力测试结果的统计分析,初步得出深切河谷区最大水平主应力量值随深度呈分段线性关系的结论。分析结果还表明在河谷埋深较浅部位(即应力释放区),最大水平主应力值随深度的增加幅度较小,而在较深部位(即应力集中区),最大水平主应力值随深度的增加幅度较大。此外,利用有限差分程序FLAC3D,对阿达坝址区的地应力场进行反演。研究结果表明：(1) 河谷卸荷作用对浅部谷坡的地应力场影响较大,在该区域采用水压致裂法确定地应力场误差可能会比较大;而对河床区域应力场方向的影响较小,采用水压致裂法来确定河床区域的应力场是可行、可靠的;(2) 不仅河谷区地应力场存在3个分区即应力释放区、应力集中区和应力平稳区,岸坡地应力场也存在上述3个分区;(3) 阿达坝址区河谷底应力集中范围在河床下60～140 m范围内;(4) 深切河谷区应力集中区的深度受岩体卸荷强弱程度和地形地貌的差异影响较大。     

X80管线钢钙处理后软吹时间对夹杂物行为的影响

探讨了钙处理后软吹40 min过程X80管线钢夹杂物的行为变化.结果表明,软吹前25min,钢中总氧含量由0.001 2％降低到0.000 8％;软吹25 min至40 min,钢中总氧含量略有回升.钢中夹杂物的数量随着软吹时间的增加而减少,软吹25 min后较大尺寸夹杂物基本去除完毕.继续增加软吹时间,有利于进一步去除钢中尺寸在1～5 μm的夹杂物.随软吹时间的延长钢水温降增大,利于CaS夹杂物的生成,对后续浇注不利.综合考虑夹杂物的去除效果和软吹过程的温降等因素,认为管线钢钙处理后软吹时间控制在20 ～25 min较为合理.     

甲基叔丁基醚裂解制异丁烯装置工艺探讨

对于精细化工的生产加工过程而言,异丁烯是其重要的原材料,在工业的弹性体以及芳烃烷基化等相关化工行业,纯度相对较高的异丁烯得到较为普遍的应用。从相关的生产原理、生产工艺、改善催化剂活化条件的操作、反应温度的优化、合理调整吸收塔的吸收量以及反应器操作改进前后的效果比较分析等方面就甲基叔丁基醚裂解制异丁烯装置工艺问题作相关探讨。     

综采工作面机尾甩斜子后收尾采煤方法

介绍综采工作面机尾甩斜子后收尾的采煤方法,在回采过程中所遇到的问题的处理,此方法所获得的经济效益显著。     

厂房内重型冲床基础沉箱防护工程综合处理技术

在长春拖拉机厂重型冲床基础沉箱防护工程中,由于在沉箱过程中采用的地下降水措施不当,出现厂房墙体开裂、倒塌、墙体损害程度严重等问题。通过详细的分析与研究,制定出切实可行处理方案,采用降水、注水、托换和变形观测等综合手段,有效地控制了不均匀沉降,沉箱顺利完成。经过观测和综合评价,效果好,具有推广价值。介绍了该沉箱防护工程中的综合处理技术。     

基于MSP430的步进电机调焦控制系统设计

光电经纬仪在对空中目标进行跟踪测量时,为了获得清晰的图像,提高作用距离,需要进行调焦.文中设计了基于MSP430F169单片机的调焦控制系统,采用步进电机作为执行机构,电位器作为位置测量元件,UP-4HB01B作为步进电机驱动芯片.定位控制实验结果证明:调焦控制系统最大误差为0.0375 mm,平均误差为0.01125 mm,均方误差为0.005 665 mm,能够满足调焦控制系统的要求.     

基于BP神经网络的纯电动汽车动力传动系统效率建模及分析

精确的动力传动系统效率模型是优化纯电动汽车换挡规律以充分挖掘整车性能潜力的前提.基于电机和机械式自动变速器(Automated Manual Transmission,AMT)效率的主要影响因素制定了动力传动系统效率实验方案,在采集的电机和AMT效率数据的基础上,应用反向传播(Back Propagation,BP)神经网络建立了电机和AMT各挡效率模型,进而获得动力传动系统效率模型,分别分析输入转矩、输入转速、润滑油温度、挡位对动力传动系统效率的影响.所建立的效率模型,能准确揭示动力传动系统效率随工况的变化规律,为考虑效率变化的换挡规律优化奠定了基础.     

基于神经网络和模型迁移学习的不相关多源频域载荷识别

针对使用模型初始权重随机设定的神经网络模型进行不相关多源频域载荷识别时训练效率低、精度低的问题,提出一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法.首先,利用某频率点的历史数据对不相关多源载荷识别的多输入多输出神经网络模型进行训练;其次,将该频率下的神经网络的模型参数迁移到相邻的目标频域的神经网络中作为网络权值的初值;再次,利用目标频率的历史数据对神经网络进行微调训练,从而得到目标频率的不相关多源频域载荷识别模型;最后,将该频率的训练好的神经网络的模型参数迁移到下一个相邻频率的模型,循环该过程直到建立所有频率点的神经网络模型.在圆柱壳声振实验数据集上的载荷识别结果表明,该方法具有较好的网络权值初值、能有效减少训练时间,比不使用迁移学习的神经网络方法、基于传递函数和最小二乘广义逆的方法、基于多元一次线性回归的方法具有更高的识别精度.     

基于需求/服务模式的大规模个性化网络服务定制方法

服务互联网环境下,海量的服务需求可能被不同用户同时提出.如何在保证成本有效的情况下实现大规模用户需求的个性化服务定制仍然缺乏有效的解决方案.针对该问题,提出了一种基于需求/服务模式的大规模个性化网络服务定制方法.首先,基于历史服务模式库构建与更新可复用的服务网络;其次,针对当前的每一批用户需求,通过定制服务网络中的服务子网生成满足每一个用户需求的服务解决方案.最后,通过实验验证了所提方法的有效性.