引 言我国涉及细骨料试验方法的标准有六部,包括一部国家标准、五部行业标准。其中国家推荐性标准 GB/T 14684—2011《建设用砂》(以下简称 GB/T 14684),由国家标准化委员会发布。五部行业标准包括 JTG E 42—2005《公路工程集料试验规程》(以下简称 JTG E 42),由国家交通部发布;SL 352—2006《水工混凝土试验规程》(以下简称 SL 352),由国家水利部发
爬虫抓取数据有两个头疼的点,写过爬虫的小伙伴们一定都深有体会:网站的防抓取机制。你要尽可能将自己伪装成“一个人”,骗过对方的服务器反爬验证。网站的内容提取。每个网站都需要你做不同的处理,而且网站一旦改版,你的代码也得跟着更新。第一点没什么捷径可走,套路见得多了,也就有经验了。关于第二点,今天咱们就来介绍一个小工具,在某些需求场景下,或许可以给你省不少事。GooseGoose 是一个文章内
转载 7月前
18阅读
# Python与混凝土骨料的结合 ## 引言 在建筑工程的领域中,混凝土是最常用的材料之一。混凝土的性能取决于其组成成分,而骨料是混凝土的重要构成部分。随着科技的发展,Python语言在混凝土骨料的分析与预测中发挥了越来越大的作用。本文将深入探讨如何利用Python进行混凝土骨料的数据分析,并提供相关代码示例。 ## 什么是混凝土骨料? 混凝土骨料是指在混凝土中所使用的颗粒材料,通常分为
原创 2024-09-30 03:49:25
46阅读
      .abq——状态文件,仅用于ABAQUS/Explicit分析,重启动分析时需要此文件       .cae——模型数据库文件,记录模型信息、分析任务等       .cid——自动释放文件,包含服务器继续和暂停运行所需要的信息    &
转载 2023-08-31 16:10:02
158阅读
# Python 椭圆骨料随机投放算法 在本篇文章中,我们将讨论如何用 Python 实现一个椭圆骨料随机投放算法。这项任务的目的是在一个指定的区域内随机生成椭圆状的骨料分布,这可以在工程、建筑或地理信息系统等多个领域中得到应用。下面,我将详细介绍整个实现过程的步骤和每一步所需的代码。 ## 流程图 以下是实现该算法的大致步骤: | 步骤 | 描述 | |------|------| |
原创 8月前
57阅读
在处理“python颗粒沉积”这一问题时,我们必须深入了解不同版本之间的差异、兼容性挑战以及实战案例。我在这个过程中整理了一个结构化的博客,旨在使读者轻松理解这一复杂问题的处理方式。 首先来看一下不同版本Python颗粒沉积问题上的演变。这有什么不同之处呢?我们可以将这一演变形成一个时间轴,以便更好地理解功能差异。 ```mermaid timeline title Python版本
Python开发中,我们时常会遇到一种现象,即“数颗粒”问题。这种问题可能导致我们的程序在处理大量数据时变得极为缓慢,甚至崩溃。本文将对此进行详细分析,并提供可行的解决方案。 关于“数颗粒”的描述:数颗粒(Granularity)指的是数据处理中的细节程度,数颗粒越细,处理额外数据的负担会越重。例如,在处理图像时,每个像素都是一个数据颗粒,过多的细节可能导致性能下降。 ## 问题背景 在我们
原创 6月前
23阅读
# Python建立三维骨料的实现流程 ## 引言 在进行三维建模和渲染的过程中,建立三维骨料是非常重要的一步。本文将介绍如何使用Python来实现建立三维骨料的过程,并逐步指导刚入行的小白完成这个任务。 ## 任务概述 本任务的目标是使用Python语言实现建立三维骨料的功能。下面是整个实现流程的概览: | 步骤 | 描述 | | --- | --- | | 步骤1 | 导入所需的依赖库
原创 2023-10-27 05:42:36
133阅读
背景:()因为本篇帖子中对米粒中黏连的部分没有精确分割,经过探索得出了以下结论本帖太过于执迷于分割米粒,所以米粒面积计算偏小(介意的可以只看分水岭算法 )设计思路:使用分水岭算法进行图像分割,基本的步骤为:   通过形态学开运算对原始图像O 去噪。 通过腐蚀操作获取“确定背景 B”。需要注意,这里得到“原始图像-确定背景”即可。利用距离变换函数 cv2.dist
普通耐火捣打料的基本组成,与耐火浇注料和可塑料等材料相似,其区别是耐火粉料较多、结合剂用量较少。通常添加软质黏土以增加料的黏塑性和烧结性。耐火骨料临界粒径为10mm,也有用5mm的,粗、细骨料之质量比为3:7至4:6。细骨料多些,易打结密实。 耐火捣打料粒度组成一般为耐火骨料60%~65%,耐火粉料35% ~40%,这样可获得较大的堆积密度,捣打后的衬体,体积密度也是较大的。应指出,耐火捣打料在盛
What is __loader__? __loader__是由加载器在导入的模块上设置的属性,访问它时将会返回加载器对象本身。在Python版本3.3之前,__loader__在内置的导入机制中没有被设置(没有这个属性)。 相反,该属性只适用于使用自定义加载器导入的模块。What is loader?loader是由finder查找器返回的一个对象,它使用的它的load_module(
转载 2023-06-30 10:37:42
158阅读
三维随机骨料分布Python脚本是一种用于生成三维空间中随机分布的骨料模型的工具,广泛应用于土木工程、材料科学及计算机图形学等领域。通过这些脚本,研究人员和工程师能够高效地模拟和分析材料性能,确保设计的合理性和可行性。 ## 背景描述 在建筑和土木工程领域中,对骨料的分布特性进行研究是十分重要的。基于随机性原则,骨料的分布状态会直接影响混凝土的强度、耐久性以及抗渗性等多个方面。我们可以通过四象
原创 5月前
24阅读
最近做的课程设计要求必须使用Java写,但是Java做界面又比较麻烦,故而想到了一个同时使用Java、Python和前端生态构建界面的方案。具体的说,是使用Jpype在Python中调用Java,使用Streamlit来用Python写前端。1.在Python中调用Java首先是在Python中调用Java。Jpype是Python的一个Java桥接库,可以在Python中使用Java虚拟机,并调
铠侠(原东芝存储)今日在东京宣布了新一代112层堆叠3D闪存,计划在今年第一季度出样。 铠侠的前身东芝存储在2007年首次提出BiCS 3D闪存技术,48层的堆叠的BiCS2进入到iPhone等手机存储芯片,2017年64层堆叠的BiCS3首次用于固态硬盘。 2018年96层堆叠的BiCS4实现量产,并在去年被应用到RC500/RD500 NVMe固态硬盘当中。
转载 2024-04-21 18:57:41
293阅读
混凝土三维随机骨料分布Python脚本是一种用于模拟和分析混凝土中骨料分布的工具,旨在提升混凝土材料的设计与评估效率。本文将详细记录开发这一脚本的过程,包括环境准备、集成步骤、配置详解、实战应用、排错指南与性能优化等方面。 ## 环境准备 在开始开发之前,我们需要确保合适的开发环境。以下是相关的依赖项及安装方法。 **依赖安装指南** 确保您的计算机上安装有以下依赖包: | 包名
原创 5月前
41阅读
# 图像颗粒Python ## 引言 图像颗粒感是指图像中出现的像素级别的噪点或颗粒状的纹理。这种颗粒感可以给图像增加一种独特的艺术效果,使其更加有趣和吸引人。在本文中,我们将介绍如何使用Python编程语言实现图像颗粒感效果,并提供代码示例。 ## 图像颗粒感的实现原理 图像颗粒感的实现原理是在图像中添加随机噪声。这种噪声可以通过生成随机数来获得,并将其应用于图像的每个像素。添加噪声
原创 2024-01-28 05:15:37
214阅读
【前言】 本人一直有数据丢失恐惧症,因此对叠瓦机械硬盘和TLC / QLC SSD嗤之以鼻。家里现有的存储设备为8块企业级SAS垂直盘组成的RAID 10,并进行网盘动态备份。目前消费级垂直机械硬盘依旧有售,可SLC / MLC SSD早就成了上古神器,连TLC SSD都快面临停产,只能去捡漏企业级SSD。印象中企业级产品拥有高规格、高性能、高稳定性的特性,价格高不可攀。可逛过“海鲜市场
测试用例是测试工作的核心。测试工作是讲究投入产出比的工作,这也是测试用例设计的指导思想。测试用例有度的概念,正如亚里士多德在《伦理学》中讨论道德为例:道德意味着过与不及之间的状态。面向测试用例,网上流传着这么一句话:“不同的机构会有不同的测试目的;相同的机构也可能有不同测试目的,可能是测试不同区域或是对同一区域的不同层次的测试”下面就列举测试用例设计的方方面面,看不同的团队,不同的测试目的,如何把
概述现在电脑基本大部分都是使用固态硬盘(ssd)了,大家也都知道固态硬盘相较于机械硬盘(ssd)它的体积更小,速度更快,当然这些也是它的优势。不过还有很多小伙伴担心固态硬盘的数据安全性与寿命,固态硬盘的各种级别各种参数也会给挑选它的人产生一些疑惑。那么今天,咱们首先来看看:固态硬盘是如何分级的?固态硬盘主要由主控、缓存、与闪存颗粒三个主要部件组成,那他们都扮演了什么角色呢?首先主控,它是固态硬盘的
在2015年里,TLC SSD逐渐成为市场主角,凭借超高的性价比掀起了SSD的普及战役。就在TLCSSD攻城略地之余,很多SSD厂商却开始改完“eMLC”,而TLC SSD阵营中也出现了“eTLC”的分支。那么,这些前缀带“e”的闪存颗粒究竟是个什么东东?闪存颗粒的筛选流程早在SLC NAND时代,也曾有过名为“eSLC”的闪存颗粒。在MLC和TLC一统江湖的时代,eMLC和eTLC的出现也就显得
  • 1
  • 2
  • 3
  • 4
  • 5