基于离散元方法的沥青混合料虚拟断裂试验(英文)

为了深入研究沥青混合料开裂特性, 设计了基于沥青混合料二维数字试件的断裂虚拟试验. 在考虑混合料二维截面的集料数量级配和集料不规则形状的基础上, 通过生成程序建立了沥青混合料的二维虚拟试件; 运用离散元方法, 建立了混合料二维离散元模型, 并进行了虚拟的中点弯曲小梁断裂试验; 为了验证虚拟试验方法的正确性, 在实验室内进行了沥青混合料小梁的中点弯曲断裂试验. 室内实体试验与虚拟试验结果的比较发现, 虚拟断裂试验获得的混合料断裂强度与室内试验结果一致, 表明虚拟断裂试验可以作为混合料断裂性能分析的辅助手段.     

基于SCB试验的环氧沥青混合料断裂特性评估(英文)

运用J-积分与终极抗拉强度评估了环氧沥青混合料在-10℃和20℃的断裂特性, 共测试了60个不同切口深度的半圆弯曲试件. 结果表明, 环氧沥青混合料的半圆弯曲试验(SCB)结果复现性好; 由非切口试件的半圆弯曲试验与标准间接拉伸试验(IDT)所测得的环氧沥青混合料的抗拉强度, 其比值在1.4～1.7之间, 且SCB抗拉强度与切缝深度指数相关; 在20℃与-10℃试验条件下, 环氧沥青混合料具有比热塑性HMA高得多的临界J-积分值; 当温度由20℃降至-10℃时, 环氧沥青混合料的响应模式由延性变为脆性, 断裂能增加30%, 而临界J-积分值下降15%. 与热塑性HMA相比, 环氧沥青混合料的常温与低温抗裂性更好; 环氧沥青混合料低温起裂需要更高的能量, 但其裂纹扩展速度比常温时更快.     

《京都议定书》对发展中国家环境保护的影响——以中国为例

气候变化问题已经成为全球重大的国家问题之一。生态系统同一性与经济全球化,使得世界各国承担减排义务成为必然,使得用经济手段调节温室气体排放成为可能。《京都议定书》给发展中国家环境保护带来了机遇：一方面为发展中国家吸引外资和先进技术创造了良好的条件,另一方面为发展中国家环境管理提供了先进的、可操作的模式;但同时它的实施也给发展中国家带来了巨大的压力。     

《淮南子》许高二注相杂一书之历史探原

《淮南子》是一部重要的汉代典籍,许慎、高诱先后为之作注。在后来的流传过程中,许高二注相杂于一书。清代学者对许高二注何时相杂看法颇有分歧,甚至自相冲突。史志官私书目和文献征引材料表明,许高二注在宋代以前并行别传,杂于一书则是发生在北宋太宗至仁宗这百年之间,起因可能是缘自一场王宫大火。     

基于时域卷积盲信号分离的雷达干扰抑制算法

把卷积盲分离算法应用于雷达系统抗干扰中,提出一种新的雷达系统干扰抑制算法. 该算法在时域中对四阶累积量进行联合块对角化,以实现雷达信号和干扰信号的盲分离. 计算机仿真结果表明,在无噪及含噪情况下,该算法均可把卷积混合的雷达回波信号及干扰信号分离开来,且有很好的分离性能.     

基于核方法和高斯混合模型的手机上网时长统计分析及应用

从不同手机型号角度,分析上网时长的分布,并用核方法和高斯混合模型对手机上网时长数据进行建模和分析。实际数据分析表明,手机上网时长分布具有双峰现象,本文对此现象给出了合理解释。     

基于光谱混合分析的城市植被覆盖度与地表温度关系的研究

分别选择NDVI和光谱混合分析植被组分(VF)作为城市植被覆盖度指示因子,研究植被覆盖度与地表温度(LST)的相关关系.选择了一定数量的样本点,通过线性拟合的方法研究了NDVI及VF与LST的相关关系.研究结果表明,VF与LST之间的相关性比NDVI与LST之间相关性更好.研究表明,在城市LST研究中VF可以作为表征植被性质的参数.     

汇编语言与C／C＋＋语言的混合编程

高级语言运算方便,且易编、易读、易调试修改,但汇编语言执行速度快,可直接对硬件进行控制,为了充分发挥两者的优势和特点,采用混合编程的方法编写程序,可提高程序的运行速度和效率．文章讨论了混合编程的具体方法,并详细讨论了设计中的关键问题．     

基于改进SVM的新疆北部地区积雪面积反演研究——以天山山区中段为例

积雪面积是融雪径流模型中变量数据输入之一,准确的获取雪盖范围是进行流域尺度融雪水文过程研究的关键,在水资源管理及洪水预报中具有重要意义.本文以天山山区中段为例,利用MODIS数据,提出了结合混合光谱分解的积雪分量及灰度共生矩阵提取的纹理特征的SVM分类方法,对研究区积雪面积信息提取进行了研究.结果表明:通过利用混合光谱分解的积雪分量作为SVM的特征输入,总体分类精度比传统SVM分类结果有了一些提高.同时考虑结合基于灰度共生矩阵提取的纹理特征用于分类中,总体精度比传统SVM方法提高了1.081％,制图精度达到了99.01％.本文提出的分类方法能够适应特征组合之间的非线性关系,从而能提供更多的区域地物空间分布信息,能够调整无样本地表类型地区的积雪面积反演,对今后的融雪水文过程研究有重要意义.     

Bayesian Analysis of Mixture Structural Equation Models With an Unknown Number of Components

Multivariate heterogenous data with latent variables are common in many fields such as biological, medical, behavioral, and social-psychological sciences. Mixture structural equation models are multivariate techniques used to examine heterogeneous interrelationships among latent variables. In the analysis of mixture models, determination of the number of mixture components is always an important and challenging issue. This article aims to develop a full Bayesian approach with the use of reversible jump Markov chain Monte Carlo method to analyze mixture structural equation models with an unknown number of components. The proposed procedure can simultaneously and efficiently select the number of mixture components and conduct parameter estimation. Simulation studies show the satisfactory empirical performance of the method. The proposed method is applied to study risk factors of osteoporotic fractures in older people.