河道淤泥气泡混合土微观构造及力学性质相关性

基于河道淤泥气泡混合土(FMLSS)的微观构造特征,通过微观构造观察和分析,评价了FMLSS的强度特性和破坏机理。试验结果表明,保持FMLSS含水量一定,随着气泡掺入量的增加,FMLSS的内部平均等效孔径和气孔面积百分比含量呈线性增大趋势、而随着水泥掺入量的增加呈减小趋势;随着气泡掺入量的增加,FMLSS的气孔大小分布的均匀性降低,气孔平均等效孔径增大。试验结果还表明,FMLSS的强度发挥及破坏机理与FMLSS的气孔分布的均匀性以及等效孔径等微观构造参数存在明显的相关性。     

ODS 反相键合相色谱柱的使用、维护

本文对ODS反相键合相色谱分析的核心部分——ODS色谱柱的使用、保存、维修及再生等方面的经验和技术作了详细的介绍,并总结了包括ODS柱在内的有关液相色谱柱的异常现象及原因一表,以利故障的查寻和排除。     

变电站自动化系统时间同步协同攻击的检测与防护方法

为了使攻击的后果最大化,受国家支持的攻击者可以使用时间同步的协同机制发起高度隐蔽的网络攻击,而无须进行通信。这可能会使多个变电站内的所有断路器同时跳闸,从而引发大停电。提出了一种基于时间加速的方法来检测时间同步的协同攻击。在变电站自动化系统年度检修期间,通过逐步加速系统时间来触发时间逻辑,以识别是否存在潜在的恶意软件。此外,还提出了一种基于变电站自动化系统的异步化时间同步管理方法。将根据结构脆弱性指数识别的几个关键变电站的时间保持异步。因此,这些关键变电站将不会与其他变电站一起遭受时间同步的协同攻击,并且可以大大降低相关后果。基于IEEE 39节点系统的数值模拟表明,通过使2个关键变电站保持时间异步,可以显著减少2到3个变电站的协同攻击的负荷损失,并且电网可以具备应对时间同步协同攻击的韧性。     

人工神经网络技术在无损检测中的应用

介绍神经网络技术在无损检测领域的应用现状 ,包括神经网络技术应用于设备缺陷特征的确定和设备缺陷评判、设备运行的状态监测以及数据融合等 ,并对这项技术在无损检测中的进一步应用作了展望     

乙酰胆碱M3受体拮抗剂的从头设计

M3受体是人体内分布广泛的一种重要的毒蕈碱乙酰胆碱受体亚型,与膀胱过度活动症、心律失常、呼吸道及支气管疾病密切相关.设计与合成M3受体拮抗剂对于开发治疗相关疾病的药物具有重要理论意义和应用价值。本文采用同源模建方法,构建了人M3受体蛋白的三维结构,基于M3受体拮抗剂的结构构建了其药效团模型,其中较理想的模型含有6个药效团特征元素。利用药效团模型进行了虚拟筛选,虚拟筛选的数据库是本实验室构建的虚拟化合物库,发现了10个新型的对M3受体有拮抗作用的化合物。最后对这10个化合物进行了分子对接,根据对接结果,发现3个化合物对接能量及结合方式比较合理,为M3受体拮抗剂的合成研究及活性测定奠定了基础。     

500kV智能变电站无人值班技术的应用与实现

文章首先简要阐述了实现500kV变电站无人值班的重要意义,并在此基础上对无人值班技术在500kV智能变电站中的应用进行论述。期望通过本文的研究能够对500kV变电站无人值班模式的早日实现有所帮助。     

试谈Tcl的闭包

为在Tcl编程语言中加入闭包（匿名函数）,先对Tcl和闭包进行必要的了解,结合两者的特点,提出了针对Tcl的闭包解决方案,通过在闭包代码段前增加上下文环境信息以及组成,以列表参数和代码段为基础的闭包结构,成功地模拟出了闭包这一编程特性,给简化Tcl代码和优化Tcl代码结构提供了一个简单而高效的工具。     

一种IPv6环境下DDoS实时检测方法

DDoS攻击是当今网络包括下一代网络IPv6中最严重的威胁之一,提出一种基于流量自相似的IPv6的实时检测方法。分别采用改进的WinPcap实现流数据的实时捕获和监测,和将Whittle ML方法首次应用于DDoS攻击检测。针对Hurst估值方法的选择和引入DDoS攻击流的网络进行对比仿真实验,结果表明:Hurst估值相对误差,Whittle ML方法比小波变换减少0.07%;检测到攻击的误差只有0.042%,准确性达99.6%;增强了DDoS攻击检测的成功率和敏感度。     

基于线程池技术集群接入点的应用研究

本文在深入研究高级线程池技术的基础上,分析、研究了固定线程数目的线程池和线程数目动态变化的线程池,提出用对数幂渐增变化算法设计的线程数目动态变化的线程池,该方案应用于电信业务支撑系统集群接入点信令服务器,实验结果表明,该算法有很好性能,而集群接入点方案在请求响应模型的服务器领域中有广泛的应用价值.     

SVM+BiHMM:基于统计方法的元数据抽取混合模型

提出了一种SVM BiHMM的混合元数据自动抽取方法.该方法基于SVM(support vector machine)和二元HMM(bigram HMM(hidden Markov model),简称BiHMM)理论.二元HMM模型BiHMM在保持模型结构不变的前提下,通过区分首发概率和状态内部发射概率,修改了HMM发射概率计算模型.在SVM BiHMM复合模型中,首先根据规则把论文粗分为论文头、正文以及引文部分,然后建立SVM模型把文本块划分为元数据子类,接着采用Sigmoid双弯曲函数把SVM分类结果用于拟合调整BiHMM模型的单词发射概率,最后用复合模型进行元数据抽取.SVM方法有效考虑了块间联系,BiHMM模型充分考虑了单词在状态内部的位置信息,二者的元数据抽取结果得到了很好的互补和修正,实验评测结果表明,SVM BiHMM算法的抽取效果优于其他方法.