快速城市化流域综合径流系数确定方法比较研究

径流系数是表征流域的产水能力、反映自然地理因素对降水形成径流过程影响程度的重要参数。针对快速城市化背景下的海绵城市规划建设需求，为了寻求具有一定物理基础且较简捷快速的方法来确定区域产流，以武汉市后湖流域为研究对象，采用基于降雨径流试验的拟合函数、面积加权法和水量平衡法3种方法计算综合径流系数，并分析比较各个方法的优缺点。结果表明：(1)后湖流域3种方法计算的综合径流系数值分别为0.49,0.49和0.58;基于试验的拟合函数法计算简便，面积加权法各土地利用类型的径流系数取值主观性较大，水量平衡法具有水文学原理，适用于监测资料较充足区域。(2)降雨过程水量平衡法计算结果表明，前期影响雨量对场次径流系数有较大影响，在规划设计中应结合设计工况对应的成灾雨型、雨量、设计重现期等影响因素，优选水量平衡计算法。(3)当实测资料较为缺乏时，综合考虑排水规范中面积加权法和降雨径流试验方法可以快速得到区域综合径流系数的参考值。研究成果可为城市水资源利用和海绵城市建设提供参考。     

基于声发射原理的矿井掘进机故障诊断技术研究

针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断.     

基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。