东秦岭金、银、多金属成矿带成矿规律及找矿标志

东秦岭金、银、多金属成矿带，所处的东秦岭造山带经历了6个演化阶段，形成了一套NWW向的叠瓦式构造，成矿带位于莫氏面、居里面由浅变深的斜坡梯度带上，地球化学异常具有北西成带、北东成行、环绕岩体、相同元素组合的异常与地层分布一致等特点。宽坪群和二郎坪群为主要的含矿层位，燕山晚期花岗岩和华力西期复式花岗岩为主要成矿岩体。将东秦岭各类金属矿床分为6个成因类型，划分了6个Ⅲ级成矿带和12个Ⅳ级成矿亚带。文章还对东秦岭地区成矿规律和找矿标志进行了阐述与归纳。     

武汉老浦片工程逆作法钢格构柱施工技术

建筑逆作法施工中,钢格构柱的精确定位及垂直度控制是基础施工中的难点。武汉老浦片商业及住宅项目工程,设计制作出钢格构柱的导向架、定位架,方便快捷地完成钢格构柱的垂直度、定位调节。通过开挖后检测数据分析,采用本文所述方法施工,钢格构柱垂直度、定位均能满足设计要求,可有效降低施工成本。     

“青海100万吨钾肥综合利用工程”工艺技术与安全生产分析（续完）

青海盐湖资源丰富,从单一钾肥产品向石油天然气与盐湖化工结合的下游产品发展,生产氢氧化钾、碳酸钾、乙炔、氯乙烯、聚氯乙烯、合成氨和尿素,实现循环经济和综合利用,"青海100万吨钾肥综合利用工程",势在必行。运用安全系统工程的方法,分析了所采用的工艺技术以及生产设施设备在项目投产运行后存在的主要危险、有害因素及其产生的危险、危害后果;提出了消除、预防或减弱危险性、危害程度的对策措施,以实现项目的本质安全和安全生产。     

基于GIS-T的旅游景点自动标识系统研究

以广州市旅游景点自动标识系统为例,系统地阐述了基于GIS-T的旅游景点自动标识应用系统的总体设计、关键技术和主要构建步骤。该系统在具备旅游景点信息查询和管理的功能基础上,实现了由计算机自动生成旅游景点指路标志的功能。面向旅游标识规划、管理部门,可实现对旅游交通标志规划和管理的科学化、自动化,并能为交通、旅游等相关部门或行业设立标识提供依据与支持。     

基于3DEC的岩质边坡安全系数影响因素敏感性研究

为研究岩质边坡中结构面几何参数及力学参数对边坡安全稳定性的影响,文中采用离散元软件3DEC进行数值模拟试验;以安全系数为指标,结合响应面分析法,研究边坡结构面几何参数倾向、倾角及力学参数法向刚度(Kn)、切向刚度(Ks)、粘聚力(c)、内摩擦角(φ)对影响边坡稳定性敏感程度;结果显示,结构面的几何参数是边坡的稳定性的前...     

用人工神经网络估算岩质边坡的安全系数

基于工程事例, 介绍了一组初步试验工作, 探讨人工神经网络(ANN)方法用于岩质边坡稳定性安全系数估算的可能性。文中给出三次试验及试验结果, 试验结果表明用人工神经网络估算岩质边坡安全系数不仅是可行的, 而且是一种实时、准确且准备工作简单的估算方法。     

浅谈找矿新阶段的技术方针

试图用老矿区新的一轮找矿和新区找矿中的一些成功经验,阐明如何理解“以地质理论为指导,成矿环境为基础,整体勘查为手段,优质矿床为目的”的技术方针。相应的也简单地综述了新阶段的地质勘查理论和方法问题,这种综合性的论述,特别是其中引用的一些实例和有关论点,对开拓思路和今后的地质找矿工作,将会起到积极的作用。     

教学机器人综合实验平台设计与研发

为了提升机器人工程专业学生综合实践能力,本文设计了一款集机、电、控、图像处理于一体的教学机器人实验平台,将机器人机械结构设计、运动学分析、运动控制、图像处理等技术有机融合,不仅提供了机器人关节装配及实物图演示实验,易于学生理论联系实际深入掌握机器人机械结构及工作原理,而且基于开放的控制实验平台,能够完成机器人的运动学分析、驱动控制、轨迹规划、图像处理及基于视觉引导的物体识别与抓取等实验.该实验平台具有很强的综合性和可操作性,激发了学生的学习兴趣,使学生工程实践与创新能力得到有效提升.     

扬州市6-7月份天气预报服务业务化系统

从地（市）级气象台的业务工作出发,试图建立能过微机实现的对上接收信息,对外预报服务,对下预报指导的三位一体的天气预报服务业务化系统,以发挥地（市）级气象台在经济建设和防灾减灾中的作用,推动天气预报和服务的现代化建设,把基层气象工作推向一个新的台阶。     

A neural network approach for the real-time detection of faults

Fault detection is an essential part of the operation of any chemical plant. Early detection of faults is important in chemical industry since a lot of damage and loss can result before a fault present in the system is detected. Even though fault detection algorithms are designed and implemented for quickly detecting incidents, most these algorithms do not have an optimal property in terms of detection delay with respect to false alarm rate. Based on the optimization property of cumulative sum (CUSUM), a real-time system for detecting changes in dynamic systems is designed in this paper. This work is motivated by combining two fault detection (FD) strategies; a simplified procedure of the incident detection problem is formulated by using both the artificial neural networks (ANN) and the CUSUM statistical test (Page–Hinkley test). The design of a model-based residual generator is intended to reveal any drift from the normal behavior of the process. In order to obtain a reliable model for the normal process dynamics, the neural black-box modeling by means of a nonlinear auto-regressive with eXogenous input (NARX) model has been chosen in this study. This paper also shows the choice and the performance of the neural network in the training and test phases. After describing the system architecture and the proposed methodology of the fault detection, we present a realistic application in order to show the technique’s potential. The purpose is to develop and test the fault detection method on a real incident data, to detect the change presence, and pinpoint the moment it occurred. The experimental results demonstrate the robustness of the FD method.