异质材料电磁特性及局域场增强效应研究

采用准静电模型仿真了两相异质材料的等效介电常数和局域场分布,结果表明,对于介质一介质型异质材料,三维模型等效介电常数仿真值与Bruggeman公式相符,并位于Hashin-Shtrikman上下界之间;异质材料内两相介电常数差异越大,其内局域场越强.对于由导电相和介质相构成的异质材料,仿真结果表明,异质材料内的电场分布受导电相填充比、形状和电导率等因素的影响;导电相导电性越好,其局域场增强现象越明显.     

GRNN与统计模型在海堤渗压监测中的应用比较

为掌握海堤状态量的变化规律并进行有效预测、评判,在对海堤渗压效应量和影响因素分析的基础上,给出了监测模型的影响因子基本形式,采用统计理论和广义回归神经网络(GRNN)分别建立了分析预测模型,对两种模型的建模原理、模型中影响因素及模型效果等方面进行了比较,可为复杂的海堤状态的安全监控提供参考.     

灰色模型在岩体线法变形测量中的应用

 线法测量是一种有效的岩体内部变形监测手段, 通过每隔一定间距设置测量标点, 能获得被监测体监测线上多处变形值。为更好地应用这些监测数据, 使该方法更好地服务于工程建设, 将灰色模型( GM) 应用到线法测量数据的分析中, 利用该测量方法的特点, 通过模型掌握被监测体内部变形分布情况并加以外延预测, 掌握监测孔(线) 穿过的关键部位的位移动态, 预测变形最大值。采用三峡工程永久船闸北坡线法变形监测资料, 对上述方法进行验证,表明这些方法合理可行。     

基于信道状态信息的室内人数统计方法

针对传统人数统计方案存在侵犯隐私和成本难以控制无法大规模投入使用的问题,提出一种基于Wi-Fi信道状态信息CSI(channel state information)的幅度和相位作为特征的方法进行人数统计,采集3条交叉收发链路上CSI的幅度和相位数据,对数据进行预先平滑和去噪处理,同时使用幅度和相位提高人数统计的准确性和稳定性。在室内环境下进行实验,使用支持向量机(SVM)、神经网络(NN)和卷积神经网络(CNN)进行人数的统计分类并进行结果对比,对比结果表明,3种机器学习算法分别达到了94%、96%和88%的准确率。     

考虑徐变机理的综合型时效因子集探讨

时效位多的产生是多种外界变量综合作用的结果。从混凝土徐变机理出发，推导出一种能反映水深、温度、时间共同作用的综合型时效因子集、计算，分析证明，该因子集结构合理，拟合，预报效果理想。     

基于检测资料的闸门安全状态模糊综合评判

为了充分对闸门的安全进行评判,确定闸门的安全状态,基于闸门实际检测资料,以腐蚀、焊缝、闸门材料中的抗拉强度作为闸门安全状态评判的要素,采用模糊综合评判方法,构建闸门安全状态评判体系。利用偏小型正态分布函数、模糊统计以及偏大型梯形分布函数确定腐蚀、焊缝和闸门材料中的抗拉强度三个评判因素的隶属矩阵,采用层次分析法确定各个影响因素的权值,然后进行模糊综合评判,根据最大隶属度原则,确定出闸门的安全状态。     

海堤故障预测和健康管理系统的多目标维修决策优化模型

海堤是保障沿海地区免受海水侵害的重要水利构筑物。传统的海堤维修方式存在着维修保障能力不足和经济可承受能力差的缺陷。建立海堤故障预测和健康管理(PHM)系统可解决海堤传统维修方式的不足,实现海堤视状况维修,而维修决策是海堤PHM系统对海堤进行健康管理的直接体现。为确保所建立的维修模型能兼顾可用度尽可能大和维修费用尽可能小的多目标要求,提出以一定可用度约束条件下平均维修费用最优为决策目标,基于Weibull比例失效理论,建立海堤PHM系统的多目标维修决策优化模型。实例分析表明:所建立的多目标维修决策优化模型可降低维修费用并提高可用度,解决海堤维修保障能力不足和经济可承受能力差的问题。     

改进KNN的时间序列分析方法

近年来,随着数据挖掘和机器学习的兴起,基于时间序列分析方法的研究愈加丰富.作为机器学习的经典方法,KNN(K-Nearest Neighbor)因其简单、准确度高等特性被广泛应用于时间序列分析的各个领域.然而,使用原始的KNN回归方法预测时间序列具有一定的局限性,直接使用欧氏距离作为相似度度量方法的预测效果并不理想,无法适应具有整体趋势变化的时间序列的预测场景.文中提出一种拟合时间序列趋势的KNN算法TSTF-KNN(Time Series Trend Fitting KNN)算法,该方法通过对每个时刻的特征序列进行归一化处理,改进了KNN相似度度量的效果,使之可以更有效地搜索相似的特征序列.由于序列预测前进行了归一化,文中通过为预测结果添加误差项来还原序列特征,使之可以有效地预测结果.为了验证方法的有效性,从kaggle公开数据集中选取了4个数据集,并通过对这4个数据集分别进行预处理获得5个时间序列以供实验.通过使用TSTF-KNN、KNN、单层LSTM(Long Short-Term Memory)神经网络和ANN(Artificial Neural Network)在处理后的5个时间序列上进行预测实验,分析预测结果,并对比均方误差(Mean Square Error,MSE),验证了该方法的有效性.实验结果表明,该方法能有效提高KNN回归方法对时间序列预测的准确度和稳定性,使之可以更好地适应具有整体趋势变化的时间序列的预测场景.     

基于Faster R-CNN和IoU优化的实验室人数统计与管理系统

针对人员位置相对固定的场景中实时人数统计的管理需求，以普通高校实验室为例，设计并实现了一套基于更快速的区域卷积神经网络（Faster R-CNN）和交并比（IoU）优化的实验室人数统计与管理系统。首先，使用Faster R-CNN模型对实验室内人员头部进行检测；然后，根据模型检测的输出结果，利用IoU算法滤去重复检测的目标；最后，采用基于坐标定位的方法确定实验室内各个工作台是否有人，并将相对应的数据存入数据库。该系统主要功能有：①实验室实时视频监控及远程管理；②定时自动拍照检测采集数据，为实验室的量化管理提供数据支撑；③实验室人员变化数据查询与可视化展示。实验结果表明，所提基于Faster R-CNN和IoU优化的实验室人数统计与管理系统可用于办公场景中实时人数统计和远程管理。     

碱式碳酸钴在微波场中的吸波特性及升温行为研究

利用微波谐振腔,分析物料放入前后波谱图的衰减值和相对频移,研究碱式碳酸钴、四氧化三钴及二者混合物的微波吸波特性;并通过微波加热物料,探讨物料在微波场中的升温行为。研究结果表明:碱式碳酸钴吸波性能较弱,而四氧化三钴具有很强的吸波性能,二者混合物的吸波性能随着四氧化三钴配比的增加而增强;在微波功率为820 W条件下,配加四氧化三钴质量分数为20%的碱式碳酸钴在微波场中加热110 s后,温度即可达到375 K;物料在微波场中的升温快慢与微波功率成正比;升温行为的研究结果与吸波特性的测定结果相吻合。微波煅烧碱式碳酸钴制备四氧化三钴是可行的。