浅埋大偏压双洞六车道无中导洞连拱隧道进洞施工技术

云南省国家高速公路网G56楚雄（广通）至大理高速公路扩容工程金山隧道为六车道无中导洞连拱隧道。隧道侧穿岩层破碎的陡峭山坡，全隧道均为浅埋大偏压地形，且侧下方临近既有高速公路和乡道。隧道进口洞口段偏压尤为严重，存在大范围负埋深段落。为保证金山隧道进口进洞施工顺利开展，避免山体扰动影响既有公路运营，从隧道结构、山体加固及开挖施工等方面提出综合技术方案：（1）隧道洞口负埋深段以桩基承台+薄壁耳墙结构提供外侧竖向基础及横向支撑，抵抗山体偏压作用；（2）上部锚索与下部钢管桩加固方式增强洞口坡体横向稳定性；（3）隧道洞口实施半明半暗盖挖施工，减小围岩扰动。金山隧道进口进洞方案现场成功实施，不仅为全线按计划顺利通车创造了良好条件，还为大偏压大跨度无中导洞连拱隧道洞口段施工积累了工程经验。     

优化完善营销网络强化钢铁业务核心竞争力

分析了中国铁物钢铁业务营销网络现状,提出了中国铁物钢铁业务营销网络优化目标,阐述了中国铁物钢铁业务营销网络优化思路.     

特种荷载作用下高速铁路路基本体参数敏感性研究

为研究高速铁路路基本体参数对特种荷载的敏感性，建立有限元模型并设计正交试验进行参数敏感性分析。参考汉巴南客专CRTSⅢ型板式无砟轨道-路基结构，结合瞬态动力学理论与人工边界方法，进行参数化有限元建模；设计正交试验，改变路基本体材料参数得到相应动力响应；利用极差分析和方差分析两种方式研究路基本体力学参数对特种荷载的敏感性。结果表明：路基本体弹性模量E对各项动力响应的敏感性最大且远大于其他参数，适当采取压实措施增大路基本体弹性模量对高速铁路路基承受特种荷载有显著防护效果，但结合振动加速度a计算结果，E值应该控制在150 MPa左右最为合适；路基本体填料塑性参数c、φ对特种荷载作用下高铁路基动力响应影响作用较小，即机动站坪设计对岩土填料种类并无特殊要求。     

无背索竖琴式斜拉桥合理结构体系分析

从无背索斜拉桥不同于常规的斜拉桥的受力特点出发,比较了无背索斜拉桥与常规直塔斜拉桥的力学行为差异.以长沙市洪山大桥--单索面竖琴式斜塔斜拉桥为工程背景,结合收集到的国内外目前已建和在建无背索斜拉桥的相关资料,参照Alamillo桥和其他同类桥型的相关资料,根据塔、梁、索的布置形式对其进行分类,并详细分析了各种类型的受力特性,为无背索斜拉桥的结构设计提供参考.     

浅谈企业内网安全管理

目前企业网络中大部分的管理和安全问题均来自客户端,客户端桌面安全管理技术作为网络管理技术的边缘产物而衍生。它同传统安全防御体系的缺陷相关联,是传统网络安全防范体系的补充,也是未来网络安全防范体系重要的组成部分。     

关于建立海事监管体系的思考

针对长期存在的船舶开航实质不适航的事故特点和原因进行了分析。在此基础上,提出我国海事监管体系存在监管空白区域,建议借鉴无缝隙政府理论,以顾客为导向,以结果为导向,以需求为导向,建立任何时间和任何地方都能得到服务的无缝隙监管。     

泉州港加速物流中心建设的优势、问题及对策

泉州市政府提出了"以港兴市"的战略,要把泉州建设成为港口城市,物流中心是其成为港口城市的重要组成.一个现代化的港口城市必需要有坚实网络支持,物流中心便是它的中心环节,只有把泉州港发展成为东南沿海物流中心,才能把握整个商品流向,充分发挥泉州港的优势,把泉州建设成为现代化的工贸旅游港口城市.     

港口专网与电信公网相连实现计算机网络应用的探讨

通过对湛江港近年来在计算机网络应用实践总结，从中发现港口网与电信公网的差距，提出港口专网升级改造思路，探讨港口网络未来发展建设策略。     

应用自适应网络模糊推理系统的sugeno模糊模型辨识

给出了一种模糊系统建模的有效方法。首先用减法聚类对系统输入输出数据进行聚类，然后用自适应网络模糊推理系统建立系统的sugeno模糊模型，这样解决了因输入变量高维引起规则的组合爆炸问题以及隶属函数形状和模糊规则不能自动选择的问题。     

基于互信息贝叶斯网络的交通事故严重程度分析

为掌握省际客运行业事故严重程度影响因素, 采用互信息及贝叶斯网络方法构建模型, 分析各因素变化与事故严重程度的定量互动关系。鉴于行业样本量较小及专家知识建模存在主观性, 采用改进离散算法挖掘数据, 提出结合互信息与交叉验证的先验网络构造方法。以上海市2005—2019年741起省际客运事故数据为例进行模型分析。结果表明: 对事故最敏感的影响因素为驾驶员性别、天气和车辆类型; 其中“女性驾驶员”“雪、大风、雾”“中型客车”对事故严重性的权重占比分别为13.5%, 8.8%和5.7%;此外, 驾驶员年龄对群死群伤事故贡献较小; 客车尺寸与安全性非单调关系; 00:00—05:00引发7人以上受伤的概率同比上升9%;季节、天气、时间因素与财产损失无直接关联。模型泛化能力优于对比模型, AUC均值为0.644 588, 命中率达到97.3%。