Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Zhu, Min" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Model considering residual stiffness and stiffness discontinuity of bolted joints
    Autorzy:
    Wang, Sheng-Ao
    Zhu, Min
    Xu, Zi-Jian
    Guo, Ming
    Li, Biao
    Wu, Fei
    Powiązania:
    https://bibliotekanauki.pl/articles/2087050.pdf
    Data publikacji:
    2022
    Wydawca:
    Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
    Tematy:
    nonlinear dynamic behaviour
    Iwan model
    energy dissipation
    Opis:
    The nonlinear dynamic behavior has an important impact on energy dissipation and vibra- tion damping characteristics of bolted joints. Firstly, the development of tangential dynamic models is summarized and analyzed. Secondly, a five-parameter Iwan model based on a trun- cated power-law distribution is proposed. The backbone and hysteresis curves are obtained. Thirdly, normalized and dimensionless analysis is performed. On the basis of the above, a more concise four-parameter Iwan model with stiffness continuity is proposed. Finally, the validity of the model is verified by comparing the energy dissipation vs excitation force amplitude curve with the experimental data.
    Źródło:
    Journal of Theoretical and Applied Mechanics; 2022, 60, 1; 63--75
    1429-2955
    Pojawia się w:
    Journal of Theoretical and Applied Mechanics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Correlation of chromosome damage and promoter methylation status of the DNA repair genes MGMT and hMLH1 in Chinese vinyl chloride monomer (VCM)-exposed workers
    Autorzy:
    Wu, Fen
    Liu, Jing
    Qiu, Yu-Lan
    Wang, Wei
    Zhu, Shou-Min
    Sun, Pin
    Miao, Wen-Bin
    Li, Yong-Liang
    Brandt-Rauf, Paul W.
    Xia, Zhao-Lin
    Powiązania:
    https://bibliotekanauki.pl/articles/2179802.pdf
    Data publikacji:
    2013-03-01
    Wydawca:
    Instytut Medycyny Pracy im. prof. dra Jerzego Nofera w Łodzi
    Tematy:
    vinyl chloride monomer
    chromosome damage
    MGMT
    hMLH1
    DNA methylation
    Opis:
    Objective: To explore the association of the methylation status of MGMT and hMLH1 with chromosome damage induced by vinyl chloride monomer (VCM). Materials and Methods: Methylation of MGMT and hMLH1 was measured in 101 VCM-exposed workers by methylation-specifi c PCR. Chromosome damage in peripheral blood lymphocytes was measured by the cytokinesis-block micronucleus assay. The subjects were divided into chromosome damaged and non-damaged groups based on the normal reference value of micronuclei frequencies determined for two control groups. Results: MGMT promoter methylation was detectable in 5 out of 49 chromosome damaged subjects, but not in the chromosome non-damaged subjects; there was a signifi cant difference in MGMT methylation between the two groups (p < 0.05). Conclusions: We detected aberrant promoter methylation of MGMT in a small number of chromosome damaged VCM-exposed workers, but not in the chromosome non-damaged subjects. This preliminary observation warrants further investigation in a larger study.
    Źródło:
    International Journal of Occupational Medicine and Environmental Health; 2013, 26, 1; 173-182
    1232-1087
    1896-494X
    Pojawia się w:
    International Journal of Occupational Medicine and Environmental Health
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Research on preparation and properties of porous ceramsites sintered with high-ash coal slime
    Autorzy:
    Zhu, Dan
    Min, Fanfei
    Lv, Wenbao
    Powiązania:
    https://bibliotekanauki.pl/articles/27323640.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    high-ash coal slime
    porous ceramsites
    sintering temperature
    ash content
    Opis:
    In order to realize the resource and harmless utilization of high-ash coal slime in coal preparation plants, porous ceramsites were prepared by the high-temperature sintering method with coal slime as raw material. The influences of sintering temperature, sintering time and ash content on the properties of porous ceramsites were studied by experiments, and the phase composition, micro-morphology and pore structure characteristics of ceramsites were analyzed by XRD, SEM and BET. The experimental results showed that with the increase of sintering temperature and sintering time, the amount of molten liquid in ceramsite green bodies increased, the densification degree of ceramsites increased gradually, the bulk density and the apparent density increased gradually, and the water absorption and the apparent porosity decreased gradually. However, with the increase of coal slime ash content, the quantity of pores within ceramsites increased first and then decreased. When the coal slime ash content was 55%, the bulk density of porous ceramsite sample was 0.549g/cm3, the water absorption rate was 64.63%, the specific surface area was 19.40m2/g, the crushing rate and wear rate were 0.14%, with rough surface, porous structure and excellent water absorption performance, which met the optimum performance requirements of porous ceramsites. At the same time, this research also provides a new idea and method for the reuse of high-ash coal slime resource, a by-product of coal washing and dressing.
    Źródło:
    Physicochemical Problems of Mineral Processing; 2023, 59, 6; art. no. 172665
    1643-1049
    2084-4735
    Pojawia się w:
    Physicochemical Problems of Mineral Processing
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effect of dispersants on coal slime classification in a novel classification apparatus
    Autorzy:
    Zhu, Hongzheng
    Lόpez-Valdivieso, Alejandro
    Zhu, Jinbo
    Min, Fanfei
    Powiązania:
    https://bibliotekanauki.pl/articles/109846.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    classification
    dispersant
    coal slime
    transmittance
    miscellany rate
    Opis:
    The effects of the dispersants NaOH and Na2CO3 on the classification of coal slimes was studied in a novel classification apparatus. A dispersion effect was characterized through slurry pH and transmittance measurements as well as zeta potential determinations of the slimes. The pH increased and the zeta potential became more negative, while the transmittance decreased with the increase in the NaOH and Na2CO3 addition. The miscellany rates in the overflow decreased by 15.18% and 11.22% with NaOH and Na2CO3, respectively, while that in the underflow was 31.81% and 27.08%, respectively. An ash-removal efficiency from the coal slurries increased by 20.03% and 10.50% with NaOH and Na2CO3, respectively. It was found that the largest difference in classification efficiency between these dispersants in the overflow was 26.05% and underflow was 14.86%. At the high classification efficiency, the transmittance of the slurry decreased, indicating that better dispersion effect led to the higher classification efficiency of the coal slurry. NaOH showed to be a better dispersant for coal slimes classification than Na2CO3 in the novel classification apparatus.
    Źródło:
    Physicochemical Problems of Mineral Processing; 2019, 55, 2; 336-345
    1643-1049
    2084-4735
    Pojawia się w:
    Physicochemical Problems of Mineral Processing
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
    Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
    Autorzy:
    Ren, Min
    Dai, Jianyong
    Zhu, Wancheng
    Dai, Feng
    Powiązania:
    https://bibliotekanauki.pl/articles/1849613.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    iron ore demand
    combined model
    intelligent optimization algorithm
    forecasting accuracy
    ruda żelaza
    model połączony
    inteligentny algorytm optymalizacji
    dokładność prognozowania
    Opis:
    The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
    Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
    Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
    Autorzy:
    Ren, Min
    Dai, Jianyong
    Zhu, Wancheng
    Dai, Feng
    Powiązania:
    https://bibliotekanauki.pl/articles/1849620.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    iron ore demand
    combined model
    intelligent optimization algorithm
    forecasting accuracy
    ruda żelaza
    model połączony
    inteligentny algorytm optymalizacji
    dokładność prognozowania
    Opis:
    The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
    Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies