开式冷挤压成形深小锥孔件时极限变形程度的理论研究

给出了深小锥孔件开式冷挤压成形时极限变形程度的定义,建立了变形区非稳态连续速度场;利用上限原理得到了极限变形程度的理论判据。分析了各主要参数对极限变形程度的影响规律,对指导制定深小锥孔件开式冷挤压成形工艺具有重要意义。     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

基于机器学习分类算法解析EIS数据的有机涂层性能评价方法

目的 基于机器学习分类算法快速评估有机涂层的防腐性能。方法 通过实验室加速试验模拟涂层真实的退化过程,并根据测得的电化学数据,分析不同退化阶段的等效电路元件参数。随后,采用随机抽样方法获取大量数据,用于机器学习模型训练。通过对比支持向量机(SVM)、k最近邻(k-NN)和随机森林(RF)3种不同的机器学习算法,以及多种输入特征集训练的涂层性能分类器模型的准确率,分析最适合用于涂层性能快速评估的机器学习算法和电化学特征。结果 根据不同输入特征训练的k-NN和RF模型均表现出良好的预测效果,而SVM模型的预测效果相对较差。根据不同频率范围训练的分类器模型中,在低频区表现最佳,而在高频区表现较差。结论 基于阻抗虚部、虚部+实部和阻抗模值3种输入特征训练的RF分类器模型的预测效果最准确。不同频率区间内,低频区的阻抗特征更能准确表征涂层性能。     

基于SVR的含缺陷管道剩余强度研究

针对采用标准预测含缺陷管道剩余强度误差较大这一问题,在Matlab中建立基于SVR的含缺陷管道剩余强度预测模型,并基于60组含缺陷管道爆破试验数据进行训练测试,以验证模型的实际性能.结果表明:SVR模型预测测试集结果的最小相对误差为0.55％,最大相对误差为10.35％,平均相对误差为2.63％,预测结果的R2高达0....     

铁炭内电解垂直流人工湿地对污水厂尾水深度脱氮效果

针对污水厂尾水总氮(TN)含量偏高、微生物可利用碳源低的问题,构建铁炭内电解垂直流人工湿地(ICIE-VFCW)装置,研究了ICIE-VFCW对尾水的处理效果,并采用紫外-可见光光谱(UV-VIS)、凝胶过滤色谱(GFC),进一步探讨了ICIEVFCW强化脱氮机制.结果表明,ICIE-VFCW可提高系统对尾水中COD的去除,出水COD可稳定在30 mg·L~(-1)以下,全年、暖季、寒季COD平均去除率较普通垂直流人工湿地分别可提高10.16%、9.81%、11.22%.系统出水TN可维持在10 mg·L~(-1)以下,全年、暖季、寒季TN平均去除率较普通垂直流人工湿地分别提高13.72%、12.90%、16.17%.经过人工湿地处理后,污水中有机物的腐殖度、芳香度及相对分子质量(Mr)均有所下降,且ICIE-VFCW中Mr下降更为明显.湿地基质掺杂铁炭可促进尾水中大分子有机物转化为小分子,为微生物提供更多可利用碳源,从而提高脱氮效率.     

辽河流域水环境压力及污染治理模式研究

系统分析了辽河流域近十年社会经济和水污染物排放之间的关系,基于污染物排放强度和人均GDP指标,建立辽河流域COD和氨氮环境学习曲线;结合情景分析法预测在现有治污水平下,辽河流域未来水污染物排放趋势及水环境压力。结果表明,辽河流域水环境压力巨大。根据辽河流域污染治理中存在的实际问题,提出新时期的污染治理模式。     

The evolution of climate policies - the role of learning and evaluations

All member states of the EU have had to develop climate strategies following the commitment to the UN Framework Convention on Climate Change and the Kyoto Protocol. The evolution of the strategies provides insights into the learning that takes place at the level of policy development and offers material for analysing how ex ante and ex post evaluations have contributed to this learning. In the analysis, Finland is used as a case demonstrating different levels and types of learning, from deeper reframing to political learning. The results show that the full potential of the evaluations has not been utilised, partly because they have been constrained by their mandate. Greater openness and transparency in the policy processes would create favourable conditions for independent evaluations that could provide additional input to the policy processes. This would support social and reflexive learning and allow for greater adaptability.     

Are national biodiversity strategies and action plans appropriate for building responsibilities for mainstreaming biodiversity across policy sectors? The case of Finland

The Convention on Biological Diversity's national biodiversity strategies and action plans (NBSAPs) are major mechanisms for mainstreaming biodiversity into national policies. This article examines whether and how the NBSAPs contribute to mainstreaming biodiversity across policy sectors in Finland in order to halt biodiversity loss. We have developed an innovative analytical framework where the concept of responsibility addresses how motivations for mainstreaming can be built, and the concept of social learning outcomes addresses the extent of institutional changes for biodiversity. The Finnish NBSAP processes have been able to build diverse forms of responsibility (liability, accountability, responsiveness and care) in different policy sectors by providing new knowledge, careful process design and developing institutional linkages. Despite pro-biodiversity outcomes in the targeted policy sectors, the responsibilities do not diffuse from the environmental administration to other policy sectors to a sufficient extent. Closing this ‘responsibility gap’ is a key challenge for building effective environmental policies.     

绿色全要素生产率省际空间学习效应实证

当前中国资源环境约束日益凸显,依靠全要素生产率成为解决这些问题的共识。然而仅仅依靠全要素生产率不能转变生产方式,关键在于区分绿色与非绿色偏向。研究使用中国省际面板数据,运用面板与动态空间面板模型方法,对比分析绿色全要素生产率、绿色"软技术"、绿色"硬技术"的影响机制。研究发现:1依靠全要素生产率驱动发展需要区别绿色与非绿色偏向;2必须注重绿色全要素生产率对绿色发展的作用及其运行机制;3不同偏向的绿色全要素生产率的省际空间学习效应不同;4绿色"软技术"对绿色发展贡献不充分。这就意味着,在当前中国资源环境约束日趋收紧的背景下,要区别绿色与非绿色全要素生产率的不同作用,否则将不能促进生产方式转变,实现绿色可持续发展。推动绿色可持续发展,一方面需要重视提升绿色全要素生产率的作用,另一方面需要重视绿色管理技术等绿色"软技术"对绿色发展的贡献。提升绿色全要素生产率,既要重视研发投入、人力资本投入,又要考虑技术市场、劳动智力结构、劳动者年龄结构的影响。提升绿色"软技术"的贡献率,改善绿色技术效率变动的吸纳能力。通过绿色全要素生产率的省际空间学习效应,实现中国省际区域间绿色可持续协同发展。此外,在引进吸收国外先进绿色技术时,既要重视对绿色"硬技术"的吸收,又要重视对绿色"软技术"的再学习。总之,"打铁还需自身硬",中国要继续鼓励支持绿色"硬技术"自主研发,巩固提升绿色"硬技术"对绿色发展的贡献。     

基于模糊神经网络的机动车驾驶教练员职业适宜性研究

提出应用模糊神经网络系统,建构教练员职业适宜性的3个要素(即心理素质、驾驶技能和知识的表达阐述能力)的学习样本,分析"三要素"的8项特征参数指标——场依存性、速度估计能力、交通安全意识、简单反应、选择反应、跟踪能力、行车注意力、表达阐述能力等,使用K-均值法对实验样本进行初始分类,形成标准学习样本,使用该样本对所构建系统进行训练和调试。利用经调试训练后的系统,依据所测教练员的心理、心理参数对其职业适宜性进行评价。试验表明:建立的教练员职业适宜性仿真模型能取得很好的评价效果。