DEA方法在项目厂址选择中的应用

厂址选择是项目建设的重要环节。通过建立方案评价模型,将数据包络分析(DEA)方法应用于项目厂址选择。引入天然气净化厂厂址选择实例,拟定投入、产出因素,利用Matlab对模型进行求解,通过对运算结果的分析,确定最优方案,说明模型及方法的有效性。     

Landau-Zener模型中纠缠演化及转移的研究

研究了受外场驱动的两个二能级系统分别与两个单模量子化光场相互作用模型中纠缠演化及转移问题。该工作主要是对外场驱动的Landau-Zener模型进行了研究，采用旋转波近似的方法，通过数值计算详细分析了二能级系统初始状态、能级间的耦合常数以及驱动外场的参数对子系统间纠缠和转移特性的影响。结果表明，适当调节模型中的参数，可以使系统初始纠缠完全转移为光腔场间的纠缠，实现二能级系统与光场间的最大纠缠转移。     

基于未来的网络体系构架

随着经济的快速发展,互联网逐步发展成为覆盖范围广、信息资源最为丰富、规模最为宏观的全球信息设施。在目睹互联网给我们经济生活发展带来极大便利的同时,我们应该认识到互联网规模的不断扩大所带来的系列问题。新型的互联网体系构架技术要求高,管理难度增大,监控、维修和保护一体化的网络体系构架成为未来网络发展的难题,国内外相关研究人员对未来网络体系构架的研究不断深入,笔者在参考相关文献资料的基础上,对未来网络虚拟化资源管理构架、网络流量预测算法和虚拟化资源分配机制进行深入探究,以寻求未来网络构架发展的创新之道。     

基于神经网络算法的三维模型预取系统

三维漫游已经成为十分普遍的远程游览或监控的一种方式。三维漫游过程中,系统往往需要动态调用数据并生成三维模型,这会影响系统运行的效率,降低用户体验。针对这一问题,提出一种基于神经网络的智能预取系统。历史访问日志中,模型的特征与被访问频率之间的映射被提取出来,并用以训练系统。系统可以根据模型特征判断哪些模型更可能被用户请求到,并把它们提前存入内存中。通过某三维变电站实时监控与装配管理系统对该预取系统进行验证。结果表明,通过短时间(一天)对系统的训练,即可做出长期(三个月)的高准确率(90%)的预测,有效提高了系统运行的效率。     

学习分析技术支持的在线深度学习的模型构建

本文将深度学习与学习分析相结合,从评价学习层次、教师深度教学能力、反思且主动地学习、学习内容的适切性四个方面阐释了学习分析对在线深度学习的影响,并在分析在线学习行为和学习分析过程的基础上,构建了学习分析技术支持的在线深度学习的模型,试图促进学习分析与在线学习融合模式的深入讨论。     

一种适用于开采沉陷的InSAR最大可检测形变梯度函数模型

由于时空失相干、大气延迟等因素的影响,InSAR技术的检测能力受限,无法保证任意矿区监测结果的有效性。若检测能力未知,使用InSAR技术将极易造成人力、物力资源的浪费。为有效判断InSAR技术是否适用于矿区地表形变区域探测,提出了一种适用于开采沉陷的InSAR最大可检测形变梯度(Maximum Detectable Deformation Gradient,MDDG)函数模型。首先通过分析地质采矿因素对开采沉陷的影响,选取矿区开采深厚比和下沉系数两个参数作为模型参数;然后基于不同分辨率、不同波长和不同入射角的SAR影像数据,采用数值模拟和回归分析方法,建立了水平煤层开采条件下的InSAR最大可检测形变梯度函数模型。为验证模型的可靠性,采用陕西大柳塔矿区2012年11月21日—2013年4月2日的13景TerraSAR卫星数据进行模型验证试验。研究表明:InSAR在该矿区的最大可检测梯度为0.008 56,相邻控制点间能够检测的形变量不超过0.171 2 m,采用地表观测站GPS数据作为参考形变值验证了上述结论;与现有模型对比,该模型检测精度更高,细化检测性能更为突出,且无需提前获取SAR影像,可为促进InSAR技术应用于矿区开采沉陷监测提供参考。     

Excel VBA在道路工程测量中的应用

在道路工程测量中,为了避免变坡点处的坡度出现急剧变化,保证车辆运行安全稳定,竖曲线的测设是至关重要的,其中竖曲线的曲线要素计算是测设的第一个关键步骤,以往大部分数据计算都由人工手算,计算过程繁琐、效率低、出错概率高。文章分析了竖曲线的计算原理,使用EXCEL表格中的VBA进行简单的程序编写,自动进行曲线要素的计算,为进行竖曲线测设提供了快速准确的数据。     

基于GFU和分层LSTM的组群行为识别研究方法

提出一种以"关键人物"为核心，使用门控融合单元（GFU，Gated Fusion Unit）进行特征融合的组群行为识别框架，旨在解决两个问题：①组群行为信息冗余，重点关注关键人物行为特征，忽略无关人员对组群行为的影响；②组群内部交互行为复杂，使用GFU有效融合以关键人物为核心的交互特征，再通过LSTM时序建模成为表征能力更强的组群特征.最终，通过softmax分类器进行组群行为类别分类.该算法在排球数据集上取得了86.7%的平均识别率.