冶金尘泥的转底炉处理工艺是目前钢铁行业采用的主要处置工艺,但在实际生产过程中经常出现还原焙烧不均匀的问题。利用微观扫描电子显微镜(scanning electron microscopy,SEM)分析结合宏观Maps统计分析,对冶金尘泥还原焙烧的不均匀性进...冶金尘泥的转底炉处理工艺是目前钢铁行业采用的主要处置工艺,但在实际生产过程中经常出现还原焙烧不均匀的问题。利用微观扫描电子显微镜(scanning electron microscopy,SEM)分析结合宏观Maps统计分析,对冶金尘泥还原焙烧的不均匀性进行详细的可视化、数据化分析。研究结果表明,冶金尘泥在焙烧温度为1250℃、焙烧时间为15 min的条件下,熟球金属化率达到89.04%、脱锌率达到81.66%、抗压强度达到3.03 kN,熟球金属化率和脱锌率会随着焙烧温度提高和焙烧时间延长而进一步提高,但熟球抗压强度在焙烧时间过长时反而逐渐降低;熟球Maps统计分析表明,提高焙烧温度更有利于提高熟球外圈和下部的还原程度,而延长焙烧时间也更有利于提高熟球下部还原程度,但对熟球内部和外圈还原程度的提升作用比较相似;同时,提高焙烧温度也更有利于提升熟球下部的致密化程度,降低熟球上、下孔隙结构的不均匀性,进而显著提高熟球整体抗压强度;但焙烧时间过长会导致熟球中小孔隙融合为大孔隙,反而降低熟球抗压强度。此外,熟球中硅酸盐(渣相)和浮氏体(FexO)更容易破裂,而金属铁(Fe)可延缓裂纹蔓延,因而,适当提高熟球金属化率、降低硅酸盐(渣相)含量也有利于提高其抗压强度。基于Maps统计分析探究了冶金尘泥还原焙烧过程中物相及孔隙的变化规律,分析结果可以为转底炉工艺处理冶金尘泥的生产实践提供指导和建议。展开更多
目的构建留守与非留守中学生自伤的风险预测模型,为制定针对性的干预措施提供科学依据。方法2021年9月―2023年6月采用多阶段抽样方法,在留守儿童分布相对集中的6个省份中抽取14623名<18岁的中学生(留守8471名,非留守6152名)作为研...目的构建留守与非留守中学生自伤的风险预测模型,为制定针对性的干预措施提供科学依据。方法2021年9月―2023年6月采用多阶段抽样方法,在留守儿童分布相对集中的6个省份中抽取14623名<18岁的中学生(留守8471名,非留守6152名)作为研究对象。通过问卷调查收集研究对象的一般情况、创伤性事件和自伤发生情况。分析不同特征留守与非留守中学生自伤的发生情况。采用R 4.3.0软件按照7∶3的比例分别将留守与非留守中学生随机划分为训练集与测试集,构建logistic回归分析模型和随机森林模型,通过受试者工作特征曲线、灵敏度、特异度等指标评估模型性能。结果中学生自伤总体发生率为25.7%,留守中学生自伤发生率高于非留守中学生(χ^(2)=59.266,P<0.001)。Logistic回归分析模型分析结果显示,留守与非留守中学生预测模型训练集的曲线下面积(area under the curve,AUC)分别为0.745和0.756,测试集的AUC分别为0.721和0.726,Hosmer-Lemshow拟合优度检验P>0.05。随机森林模型中,留守中学生自伤的主要预测因素为经历创伤性事件、家庭氛围、和父亲/母亲关系等,模型的灵敏度、特异度、阳性预测值、阴性预测值和F1指数分别为0.740、0.591、0.822、0.470和0.779,Brier分数为0.212,训练集和测试集的AUC分别为0.800和0.729。非留守中学生则以经历创伤性事件、家庭氛围、父母感情状况等为主,模型的灵敏度、特异度、阳性预测值、阴性预测值和F1指数分别为0.785、0.519、0.850、0.411和0.816,Brier分数为0.188,训练集和测试集的AUC分别为0.845和0.724。结论留守中学生自伤风险高于非留守中学生,二者的预测因素虽有不同,但存在高度重叠,其中创伤经历和家庭因素是关键预测变量。两种模型对自伤的识别能力良好,但随机森林模型综合性能更优,本研究构建的预测模型可为早期识别高危人群提供科学依据。展开更多
The exponential growth of audio data shared over the internet and communication channels has raised significant concerns about the security and privacy of transmitted information.Due to high processing requirements,tr...The exponential growth of audio data shared over the internet and communication channels has raised significant concerns about the security and privacy of transmitted information.Due to high processing requirements,traditional encryption algorithms demand considerable computational effort for real-time audio encryption.To address these challenges,this paper presents a permutation for secure audio encryption using a combination of Tent and 1D logistic maps.The audio data is first shuffled using Tent map for the random permutation.The high random secret key with a length equal to the size of the audio data is then generated using a 1D logistic map.Finally,the Exclusive OR(XOR)operation is applied between the generated key and the shuffled audio to yield the cipher audio.The experimental results prove that the proposed method surpassed the other techniques by encrypting two types of audio files,as mono and stereo audio files with large sizes up to 122 MB,different sample rates 22,050,44,100,48,000,and 96,000 for WAV and 44,100 sample rates for MP3 of size 11 MB.The results show high Mean Square Error(MSE),low Signal-to-Noise Ratio(SNR),spectral distortion,100%Number of Sample Change Rate(NSCR),high Percent Residual Deviation(PRD),low Correlation Coefficient(CC),large key space 2^(616),high sensitivity to a slight change in the secret key and that it can counter several attacks,namely brute force attack,statistical attack,differential attack,and noise attack.展开更多
【目的】拟预测江西省吉安市森林火灾发生概率,为吉安市森林火灾精准防控提供科学依据。【方法】基于2001—2020年MODIS火点数据,结合气象、地形、植被及人类活动等多维因子,分析江西省吉安市森林火灾的时空分布特征及其驱动机制。采用...【目的】拟预测江西省吉安市森林火灾发生概率,为吉安市森林火灾精准防控提供科学依据。【方法】基于2001—2020年MODIS火点数据,结合气象、地形、植被及人类活动等多维因子,分析江西省吉安市森林火灾的时空分布特征及其驱动机制。采用多重共线性诊断和相关性分析筛选关键影响因子,构建了Logistic回归(binary logistic regression)模型,预测森林火灾发生概率,并利用混淆矩阵和曲线下面积(area under the curve,AUC)评估模型性能。【结果】(1)吉安市森林火灾年际变化呈5年周期性波动,主要发生在9月至次年4月,空间分布呈现北多南少、西多东少的特征;(2)人口密度、上月植被指数、海拔、本月降雨量、上月温度和灯光指数是火灾发生的主要驱动因子,其中本月降雨量和灯光指数与火灾风险呈正相关,其余因子呈负相关;(3)火灾发生概率在0.2~0.7,永丰县、安福县、永新县、吉安县和遂川县为高风险区;(4)模型AUC值为0.748,具有较好的预测能力。【结论】研究可为吉安市森林火灾风险管理提供科学依据,建议在高风险区域加强监测预警,并针对不同驱动因子采取差异化防控措施。展开更多
文摘冶金尘泥的转底炉处理工艺是目前钢铁行业采用的主要处置工艺,但在实际生产过程中经常出现还原焙烧不均匀的问题。利用微观扫描电子显微镜(scanning electron microscopy,SEM)分析结合宏观Maps统计分析,对冶金尘泥还原焙烧的不均匀性进行详细的可视化、数据化分析。研究结果表明,冶金尘泥在焙烧温度为1250℃、焙烧时间为15 min的条件下,熟球金属化率达到89.04%、脱锌率达到81.66%、抗压强度达到3.03 kN,熟球金属化率和脱锌率会随着焙烧温度提高和焙烧时间延长而进一步提高,但熟球抗压强度在焙烧时间过长时反而逐渐降低;熟球Maps统计分析表明,提高焙烧温度更有利于提高熟球外圈和下部的还原程度,而延长焙烧时间也更有利于提高熟球下部还原程度,但对熟球内部和外圈还原程度的提升作用比较相似;同时,提高焙烧温度也更有利于提升熟球下部的致密化程度,降低熟球上、下孔隙结构的不均匀性,进而显著提高熟球整体抗压强度;但焙烧时间过长会导致熟球中小孔隙融合为大孔隙,反而降低熟球抗压强度。此外,熟球中硅酸盐(渣相)和浮氏体(FexO)更容易破裂,而金属铁(Fe)可延缓裂纹蔓延,因而,适当提高熟球金属化率、降低硅酸盐(渣相)含量也有利于提高其抗压强度。基于Maps统计分析探究了冶金尘泥还原焙烧过程中物相及孔隙的变化规律,分析结果可以为转底炉工艺处理冶金尘泥的生产实践提供指导和建议。
文摘目的构建留守与非留守中学生自伤的风险预测模型,为制定针对性的干预措施提供科学依据。方法2021年9月―2023年6月采用多阶段抽样方法,在留守儿童分布相对集中的6个省份中抽取14623名<18岁的中学生(留守8471名,非留守6152名)作为研究对象。通过问卷调查收集研究对象的一般情况、创伤性事件和自伤发生情况。分析不同特征留守与非留守中学生自伤的发生情况。采用R 4.3.0软件按照7∶3的比例分别将留守与非留守中学生随机划分为训练集与测试集,构建logistic回归分析模型和随机森林模型,通过受试者工作特征曲线、灵敏度、特异度等指标评估模型性能。结果中学生自伤总体发生率为25.7%,留守中学生自伤发生率高于非留守中学生(χ^(2)=59.266,P<0.001)。Logistic回归分析模型分析结果显示,留守与非留守中学生预测模型训练集的曲线下面积(area under the curve,AUC)分别为0.745和0.756,测试集的AUC分别为0.721和0.726,Hosmer-Lemshow拟合优度检验P>0.05。随机森林模型中,留守中学生自伤的主要预测因素为经历创伤性事件、家庭氛围、和父亲/母亲关系等,模型的灵敏度、特异度、阳性预测值、阴性预测值和F1指数分别为0.740、0.591、0.822、0.470和0.779,Brier分数为0.212,训练集和测试集的AUC分别为0.800和0.729。非留守中学生则以经历创伤性事件、家庭氛围、父母感情状况等为主,模型的灵敏度、特异度、阳性预测值、阴性预测值和F1指数分别为0.785、0.519、0.850、0.411和0.816,Brier分数为0.188,训练集和测试集的AUC分别为0.845和0.724。结论留守中学生自伤风险高于非留守中学生,二者的预测因素虽有不同,但存在高度重叠,其中创伤经历和家庭因素是关键预测变量。两种模型对自伤的识别能力良好,但随机森林模型综合性能更优,本研究构建的预测模型可为早期识别高危人群提供科学依据。
文摘The exponential growth of audio data shared over the internet and communication channels has raised significant concerns about the security and privacy of transmitted information.Due to high processing requirements,traditional encryption algorithms demand considerable computational effort for real-time audio encryption.To address these challenges,this paper presents a permutation for secure audio encryption using a combination of Tent and 1D logistic maps.The audio data is first shuffled using Tent map for the random permutation.The high random secret key with a length equal to the size of the audio data is then generated using a 1D logistic map.Finally,the Exclusive OR(XOR)operation is applied between the generated key and the shuffled audio to yield the cipher audio.The experimental results prove that the proposed method surpassed the other techniques by encrypting two types of audio files,as mono and stereo audio files with large sizes up to 122 MB,different sample rates 22,050,44,100,48,000,and 96,000 for WAV and 44,100 sample rates for MP3 of size 11 MB.The results show high Mean Square Error(MSE),low Signal-to-Noise Ratio(SNR),spectral distortion,100%Number of Sample Change Rate(NSCR),high Percent Residual Deviation(PRD),low Correlation Coefficient(CC),large key space 2^(616),high sensitivity to a slight change in the secret key and that it can counter several attacks,namely brute force attack,statistical attack,differential attack,and noise attack.
文摘【目的】拟预测江西省吉安市森林火灾发生概率,为吉安市森林火灾精准防控提供科学依据。【方法】基于2001—2020年MODIS火点数据,结合气象、地形、植被及人类活动等多维因子,分析江西省吉安市森林火灾的时空分布特征及其驱动机制。采用多重共线性诊断和相关性分析筛选关键影响因子,构建了Logistic回归(binary logistic regression)模型,预测森林火灾发生概率,并利用混淆矩阵和曲线下面积(area under the curve,AUC)评估模型性能。【结果】(1)吉安市森林火灾年际变化呈5年周期性波动,主要发生在9月至次年4月,空间分布呈现北多南少、西多东少的特征;(2)人口密度、上月植被指数、海拔、本月降雨量、上月温度和灯光指数是火灾发生的主要驱动因子,其中本月降雨量和灯光指数与火灾风险呈正相关,其余因子呈负相关;(3)火灾发生概率在0.2~0.7,永丰县、安福县、永新县、吉安县和遂川县为高风险区;(4)模型AUC值为0.748,具有较好的预测能力。【结论】研究可为吉安市森林火灾风险管理提供科学依据,建议在高风险区域加强监测预警,并针对不同驱动因子采取差异化防控措施。
