叠合楼板在学校项目中的施工应用

叠合楼板系统结合了预制楼板系统与现浇楼板系统的优势,并以其独特的结构优势而获得广泛应用。结合学校类项目叠合楼板施工案例,总结分析叠合楼板的建造关键技术及创新措施,可为今后同类型体系的施工提供借鉴。     

Rn 上的线性局部保控映射

设φ：Rn →Rn 是一个线性映射,对任意x∈Rn ,都存在与x有关的线性保控映射ψx ,使得φ（x）＝ψx（x）,则称φ是欧氏空间上的一个线性局部保控映射。线性保控映射是线性局部保控映射,其逆命题不成立。文中定义了两个与φ相关的Rn的子集Iφ和IIφ,如果任意Rn上的点都属于Iφ（或IIφ）,那么这个线性局部保控映射φ是线性保控映射。     

提高组串光伏发电效率的直流动态重构控制策略

针对均匀低光照下组串式逆变器效率低的问题,提出一种提高组串逆变器并行效率的直流侧开关重构策略.基于一种光伏直流开关拓扑结构对多光伏串和多逆变器的连接进行控制.考虑光伏系统效率和并行开关电气寿命等系统运行指标,控制逆变器运行台数使系统效益指标函数最优.提出防止逆变器功率越限策略,利用最小二乘回归算法预测天气短时间变化范围,确定光伏系统允许的开关重构方案;对比不同时刻其他最佳开关连接方式,选出最终连接方案最小化开关切换次数.最后,利用控制决策决定直流开关重构的最终方案,将提出的策略与常规光伏发电和仅考虑目标函数发电作数据对比,验证该策略的有效性与可行性.     

基于Blending集成学习模型的电力市场日前出清电价预测

精准的掌握未来电价信息对把握市场的运行状态、支撑市场参与各方进行有效决策、推动市场主体合理优化资源配置具有重要意义。因此基于Blending集成学习机制构建了一种面向于日前电价预测的综合模型。该模型充分考虑电价的高波动性特点,采用Ashin变换,减小了输入数据波动性对预测模型的影响;选取SVM、LightGBM、EWNN、SARIMAX 4种较为成熟的单一电价预测模型作为初级学习器,进而保证了基于Blending集成学习模型的预测精度。选用美国PJM电力市场实际运行数据对上述构建的电价预测模型进行验证,通过对预测结果的对比分析,表明构建的基于Blending 集成学习机制的电价综合预测模型集成了多种传统预测模型的优点,具有较好的准确性与稳定性。     

基于ASM的元模型形式化语义的研究*

提出一种在模型驱动开发过程中的形式化语义描述方法。该方法利用元建模技术,形式化地描述了元模型及其语义间的映射关系,以提供精确的语义描述,从而为模型驱动开发提供有力的支持。将描述框架用于模型转换规则的定义以及元模型的分析与验证,并以简单Petri网为例,说明该方法可以有效地支持模型转换和代码生成。     

纳秒脉冲电场联合多壁碳纳米管对皮肤癌细胞活性的剂量效应研究

为了研究多壁碳纳米管(MWCNTs)联合纳秒脉冲电场(nsPEF)影响离体细胞活性的剂量效应,采用CCK-8检测法对比分析皮肤癌A375细胞活性随电场强度E、脉宽t、脉冲个数N等单因素的变化规律。研究表明,细胞活性随电场强度和脉宽的变化具有阈值效应(S形变化),而随脉冲个数的变化无明显的阈值效应(指数型变化)。细胞活性随脉冲注入能量E(tN)~(0.5)的增加呈现S形下降。基于logistic模型利用一元非线性回归分析方法分别拟合得到细胞活性与三个脉冲参数间的函数关系。同时,建立细胞活性与多因素之间的归一化关系。结果表明,MWCNTs的加入不影响细胞活性与脉冲参数间的变化规律,但却明显降低了nsPEF杀伤肿瘤细胞所需要的幅值,从而可以有效提高nsPEF在肿瘤治疗中的电气安全性。     

基于BIM的建筑运营阶段碳排放量研究

为了降低建筑运营阶段的碳排放量,以BIM技术为基础建立了建筑节能分析的方法和建筑运营阶段碳排放量的计算模型。以杭州市某别墅建筑为例进行碳排放量研究,分析结果表明,在50年的运营阶段,选用双层Low-E玻璃减少了碳排放量140 t,约占初始方案的4.7%;建筑朝向的改变减少了碳排放量40 t,约占初始方案的1.4%。玻璃材质的选取比建筑朝向的改变作用明显,得出建筑材料的选取是运营阶段降低碳排放量的重要措施,为今后同类项目的碳排放量研究和节能减排措施提供参考依据。     

纳米二氧化钛光催化降解甲醛、氨气的研究

以自制纳米二氧化钛为主体,高铝酸盐为载体制备了复合光催化材料。以甲醛、氨气模拟实验样品,考察了材料的组成比例、吸附作用、光照条件对甲醛、氨气降解效率的影响。结果表明:高铝酸盐与自制纳米二氧化钛按8∶2成膜制备的复合材料,在光催化降解甲醛、氨气的实验中,效果明显;且光催化降解作用优于吸附的降解作用;当催化材料距光源较远时,引入导光光纤可明显提高光催化材料的催化效率。     

基于Hadoop的分布式财务异常数据分析系统设计

传统的异常数据监测算法依靠单台计算机对异常数据进行识别,识别速度慢,且无法满足对数据处理的精确性要求。针对上述问题,文中构建了Hadoop分布式财务异常数据分析模型。该模型采用Hadoop中的MapReduce框架作为并行计算框架,同时在数据异常检测算法方面引入了邻域关系的LOF算法,有效避免了数据集元素边缘可能会出现误判的情况。数值实验结果表明,文中所提算法的准确率相比其他3种同类算法提升了5%以上,且算法的总运行时间也明显缩短。由此可见,文中所提模型可快速、准确地检测出财务异常数据,保障医疗系统的平稳运行。     

基于ITD模糊熵和GG聚类的滚动轴承故障诊断

提出了一种本征时间尺度分解模糊熵和GG模糊聚类的滚动轴承故障诊断方法。首先,将滚动轴承的振动信号进行ITD分解,得到若干个固有旋转分量和一个趋势项。然后,将PR分量分别与原始信号进行相关性分析,筛选出前3个含主要特征信息的PR分量,并将筛选的PR分量的模糊熵作为特征向量。最后,将特征向量输入到GG分类器中进行聚类识别。通过模糊熵、样本熵和近似熵对比,实验结果表明模糊熵能更好的表征故障信号的特征信息;通过GG聚类、GK 聚类和FCM聚类对比,实验结果表明GG聚类效果明显优于FCM、GK的聚类效果。因此,实验证明了基于ITD模糊熵和GG聚类的滚动轴承故障诊断方法的有效性和优越性。