一、 项目简介针对国标《先张法预应力混凝土管桩》（10G409)的适用范围“抗震设防烈度为8度且建筑场地类别是Ⅲ、Ⅳ类时慎用”的使用限制，首次提出在此类地区管桩的抗震设计需校核抗弯强度的原则，并提出此类地区管桩的制作工艺。二、 项目技术成熟程度技术成熟三、 技术指标（包括鉴定、知识产权专利、获奖等情况）研究成果总体达到国际先进水平;获得省级科技进步二等奖 1 项，三等奖2 项;取得国家专利2项.四、 市场前景（应用领域、市场分析等）应用领域：以建筑业为主，主要从事PHC管桩的制作、加工和设计的相关单位市场分析：全国每年的管桩产量接近4亿米，用于沿海软土区的工业需求约20%。五、 规模与投资需求（资金需求、场地规模、人员等需求）管桩的生产厂商六、 效益分析成果分别在河北建华管桩有限公司、唐山唐曹高速公路有限公司、中国兵器工业北方勘察设计研究院等5个单位，在天津、河北类似地区近30余项工程中得到应用，取得可观的经济效益。七、 合作方式校企合作八、 项目具体联系人及联系方式（包括电子邮箱）刘春原,手机：13011301353办公室60435952，E-mail cyliu@hebut.edu.cn

锂电池已经在手机、电动车和大规模储能广泛应用。商业化的锂离子电池正极材料主要是依赖于价格相对昂贵的钴（Co）和镍（Ni）元素的钴酸锂（LiCoO2）和高镍三元（NCM）正极。

项目组全面落实立德树人根本任务，经过20余年教育研究和培养实践，创建了“固本培元、交叉融合、项目引领，资源环境与材料类创新人才培养模式与实践”的研究生教育教学成果。

项目组全面落实立德树人根本任务，经过20余年教育研究和培养实践，创建了“固本培元、交叉融合、项目引领，资源环境与材料类创新人才培养模式与实践”的研究生教育教学成果。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

该研究采用污水处理厂改造前后的运行数据，对传统活性污泥法和膜生物反应器（MBR）两种污水处理工艺进行技术经济上的严格配对比较研究，对比分析污水处理厂采用两种工艺时的成本能耗、净利润和技术效率，采用敏感性分析评价计算结果的可靠性，为污水处理工艺的选择和应用提供技术经济方面的理性参考。