课程文献中心 更多>>

关键词： 边坡稳定性   机器学习   D-S证据理论   数据融合  

摘要： 针对目前单一机器学习算法边坡稳定性预测的结果存在较大不确定性的问题，本文提出一种基于机器学习算法与改进D-S证据理论的边坡稳定性预测评估模型。该模型选用BP、SVM和RF三种机器学习算法对边坡稳定性状态进行初步评估，并采用粒子群优化算法对三种机器学习算法进行优化以寻找最佳超参数。接着，引入改进D-S证据理论，以优化后的三种机器学习算法作为基分类器，对初步预测评估的结果进行融合，融合后准确率达92.42%，较单一机器学习算法提升了7.57%，并且相较于传统D-S证据理论，本文提出的方法在证据冲突较大时融合精度更高。

关键词： 牛血清白蛋白   EGCG   高酯果胶   Pickering乳液   稳定性  

摘要： 该研究以牛血清白蛋白（bovine serum albumin， BSA)、表没食子儿茶素没食子酸酯((-)-epigallocatechin-3-gallate， EGCG)和高酯果胶(high-methoxyl pectin， HEP)组成的三元复合物作为连续相，菜籽油作为分散相，构建了高内相Pickering乳液，并探究不同质量浓度的EGCG（0～25 mg/mL）对Pickering乳液的影响。乳液的粒径和Zeta电位结果表明，EGCG质量浓度为10 mg/mL的乳液粒径最小，为49.4 μm，乳液Zeta电位变化不显著，光学微观结构和粒径分析一致。对乳液的流变性质分析，发现所有乳液样品均是以弹性为主，乳液凝胶状网络结构的强度和表观黏度均随EGCG颗粒浓度先增大后逐渐减小，乳液EGCG质量浓度为10 mg/mL时最大，此时乳液凝胶网络结构强度最好。不同EGCG浓度乳液的离心、贮藏、冷藏、热处理和离子稳定性评价结果表明，当EGCG质量浓度为10 mg/mL，乳液持水能力最佳，为57.86%。所有乳液在常温贮藏和冷藏30 d后均非常稳定，无明显乳析现象，且EGCG质量浓度为10 mg/mL的乳液粒径变化最小，稳定性最好。在80 ℃的热处理条件下，所有乳液粒径均增大，但未发生破乳现象。随着盐离子浓度的增加，乳液的粒径增大。相较于未添加EGCG组，EGCG质量浓度为5～15 mg/mL的乳液在不同盐离子条件下粒径较小。当EGCG质量浓度为10 mg/mL时，乳液的粒径最小，离子稳定性最好。

关键词： 高速铁路   采空区   综合勘探   稳定性评价   注浆填充法  

摘要： 采空区的准确识别及安全评估是铁路工程建设的重要技术问题。依托石长高速铁路大面积石膏矿采空区勘察工程，提出一种物探、钻孔相结合的“大面积搜索+示踪法”采空区探测技术。首先采用高密度电法与瞬变电磁法进行大面积搜索，测得42个异常区；然后结合钻探手段，根据示踪法的原理，对采空区边界进行界定，并对调查采空巷道及物探异常区进行钻孔验证；最后根据采空区顶板稳定性计算方法进行稳定性评价并给出整治建议。研究表明，研究区内28个巷道处于不稳定或者稳定性较差状态，对既有线以及增建二线路基构成威胁，需要填充采空区体积为315683m3，建议对可进入的采空巷道采用浆砌片石等方法封堵，无法进入的采空区采用钻孔灌注中粗砂、粉煤灰以及砂浆等措施。

关键词： 葵花籽皮   近红外光谱技术   改良偏最小二乘法   反向传播神经网络   预测模型  

摘要： 本研究旨在利用近红外光谱(NIRS)技术结合不同化学计量学方法建立葵花籽皮营养成分含量的预测模型。采集101份葵花籽皮样品,测定水分、粗蛋白质(CP)、有机物(OM)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、酸性洗涤木质素(ADL)、粗灰分(Ash)、钾(K)、钙(Ca)、磷(P)、镁(Mg)、铁(Fe)、锰(Mn)、锌(Zn)和铜(Cu)含量。通过主成分分析(PCA)剔除异常值后,利用KS算法将剩余样品分为定标集和验证集,利用NIRS技术结合改良偏最小二乘法(MPLS)和反向传播神经网络(BPNN)分别建立葵花籽皮营养成分含量预测模型。结果表明:1)葵花籽皮中水分、NDF、ADF、Ash、Mg、Fe和Mn含量的预测决定系数(RSQ)为0.88～0.99,验证相对分析误差(RPD)为2.82～8.36,利用MPLS和BPNN模型定标结果较好,且预测准确性较好,能够用于实际测量。2)葵花籽皮中K和Zn含量的MPLS模型的PRD分别为2.75和2.44,而BPNN模型的PRD分别为1.76和1.69,K和Zn含量可利用MPLS模型进行实际预测。3)葵花籽皮中CP、Ca和P含量的BPNN模型的RSQ分别为0.9、0.89和0.83,而MPLS模型的RSQ分别为0.75、0.62和0.71,CP、Ca和P含量可通过BPNN模型进行实际预测。4)葵花籽皮中ADL和Cu含量的MPLS和BPNN模型的RSQ为0.30～0.68,RPD为1.03～1.79,预测结果不可用于实际预测。综上所述,利用NIRS技术结合MPLS和BPNN建立的预测模型能够准确预测葵花籽皮中水分、CP、NDF、ADF、Ash、K、Ca、P、Mg、Fe、Mn和Zn含量。

关键词： 乳腺癌   放射治疗   摆位误差   乳腺托架固定体位   颈胸一体架固定体位  

摘要： [目的]比较乳腺癌患者使用颈胸一体架固定和乳腺托架固定的摆位误差及其肩锁关节动度，为解决锁骨上下区精准照射提供参考依据。[方法]回顾性研究63例患者的整体误差、锁骨上下区靶区（颈椎和胸锁关节、肩锁关节）的锥形束CT（conebeamCT，CBCT），32例使用颈胸一体架进行体位固定（240次CBCT图像），31例使用乳腺托架进行体位固定（228次CBCT图像）。分别分析两组病例摆位误差的大小，并分别测量肩锁关节的移动幅度和三维空间位移。统计学分析两组间采用独立样本t检验，肩锁关节位置移动幅度及三维空间位移采用秩和检验。[结果]颈胸一体架体位固定和乳腺托架体位固定，以颈椎和胸锁关节为配准标志得到平移误差分别为Z-sc（腹背方向）：（0.21±0.17）cm和（0.22±0.21)cm，p=0.000；Rx（°）：（0.93±0.87）和（1.08±0.92），p=0.002；Rz（°）：（0.94±1.00）和（0.86±0.95），p=0.000。颈胸一体架膜体位固定和乳腺托架体位固定的肩锁关节的动度ΔX、ΔY、ΔZ，在X、Y、Z 方向分别为 0.18±0.15 cm 和 0.25±0.21cm，0.19±0.14 cm 和 0.19±0.15cm，0.21±0.18cm 和 0.20±0.17 cm，肩锁关节的空间位移分别为 0.38±0.20 cm 和 0.42±0.23cm，两组对比在ΔX有显著统计学差异（p<0.001）。[结论]对于乳腺癌锁骨上下区预防性照射和有转移情况下的漏照解决方案中，采用颈胸一体膜固定比乳腺托架体位固定在X方向的摆位误差小，而且对肩锁关节的体位固定效果更优。