膨胀剂对约束条件下UHPC早期抗裂性能影响的试验研究

超高性能混凝土(UHPC)在钢桥面铺装结构中由于铺装材料受到钢板、栓钉等的约束,加上材料本身水胶比小,更易收缩,早期容易承受拉应力导致开裂。通过在拌和过程中添加膨胀剂可以起到减小收缩的作用,但该方法对于约束条件下的UHPC铺装的早期抗裂性能提升是否有促进作用,仍需通过更多试验进行合理评估和深入研究。通过圆环法对3组不同配方的UHPC在均匀约束条件下的早期抗裂性能进行定量测试,并将试验数据进行回归分析和计算,得到了各组的平均应力发展速率,进而评估了各组的开裂风险等级。试验结果表明,通过在UHPC中加入适量膨胀剂,可使其最终收缩应力减小,并可降低其收缩应力发展速率,进一步降低其在约束条件下的开裂风险。     

基于小波变换的文胸底围压力数据分析

女性穿着文胸时,文胸底围紧贴人体胸部,直接影响人体呼吸时的难易程度,为了研究文胸底围压力与人体呼吸之间的关系,选择20名在校女大学生穿着合体文胸做深呼吸试验,以文胸底围侧中部为测量点,记录试验过程中的压力变化情况。通过小波变换对深呼吸试验所测压力数据进行去噪处理,并用最优尺度回归分析法统一数据尺度。结果表明,文胸底围压力与人体呼吸自由程度、塑形效果以及底围拉长率均具有相关性。     

基于多变量时间序列及向量自回归机器学习模型的水驱油藏产量预测方法

提出了一种基于多变量时间序列(MTS)及向量自回归(VAR)机器学习模型的水驱油藏产量预测方法,并进行了实例应用。该方法在井网分析的基础上通过MTS分析对注采井组数据进行优选,并将井组内不同采出井产油量及注入井注水量作为彼此相关的时间序列,通过建立VAR模型从多个时间序列中提取出相互作用规律,挖掘注采井间流量的依赖关系从而进行产量预测。水驱油藏历史生产数据分析结果表明,与数值模拟历史拟合结果相比,机器学习模型产量预测结果具有更高精度,同时不确定性分析提升了预测结果的安全性。通过脉冲响应分析对注入井的采油贡献量进行评价,可为注水开发方案调整提供理论指导。     

基于主成分回归模型的建设工程项目成本预测研究

为了提高招投标过程中建设工程项目成本预测的速度和精度,本文选取近3年河北省几家施工企业的40个已完工程的项目结算文件数据,利用主成分回归分析法展开承包商标前成本预测模型研究。结果显示,所建成本预测模型的预测精度符合行业标准,说明承包商在招投标过程中运用此模型是可行的。通过本研究可以为承包商招投标提供一种模型化成本预测工具,为建立高标准且科学合理的成本控制体系提供测算依据。     

基于多尺度卷积神经网络的玻璃表面缺陷检测方法

卷积神经网络在图像处理中的应用越来越广泛,针对图像处理技术手段在玻璃生产表面缺陷有效检验,分析了基于卷积神经网络的机器学习原理与方法,提出一种基于多尺度卷积神经网络(MCNN)图像识别模型,将MCNN模型在玻璃表面缺陷识别中进行应用实践研究,通过采用不同的算法模型和分类器进行对比实验,并运用混淆矩阵和F1值来评估学习器性能。实验结果表明,所设计的MCNN均比传统卷积神经网络(CNN)识别方法的准确率较高,尤其是在划痕缺陷和杂质缺陷图像的识别准确率上提高了较大的幅度,F1值均提高了5.0%以上,在玻璃缺陷检测的整体识别准确率上较优。     

基于30CrNi2MoVA的激光熔化沉积工艺参数研究

使用30CrNi2MoVA钢粉末在激光熔化沉积设备上进行了相应的工艺研究,探索了激光功率与扫描速度对沉积层宽度和高度的影响,并对工艺参数与沉积尺寸进行了回归分析,建立了相应的回归模型,确立了工艺参数对沉积尺寸的影响规律。其中激光功率与沉积层的高度、宽度呈正相关,而扫描速度与沉积层的高度、宽度呈负相关。根据沉积层尺寸的标准差和沉积质量对线能量密度K进行分析,发现K值在85～200 J/mm沉积质量较好。在获取沉积尺寸过程中,采用了激光轮廓仪进行测量,其优点在于获取数据量大且精度较高,可为沉积质量判断、尺寸预测等进一研究提供充足数据。     

考虑CEEMDAN样本熵和SVR的短期风速预测

为降低由于风速信号的非线性和非平稳性带来的风速预测难度，提高短期风速预测的准确性，提出一种考虑样本熵的组合分解模式和支持向量回归（SVR）相结合的预测模型。首先采用自适应噪声的完全集合经验模态分解（CEEMDAN）方法分解风速历史数据，并计算各模态分量的样本熵；然后采用变分模态分解（VMD）方法对样本熵最大的模态分量进行二次分解，充分削弱风速分量的非平稳性；接着对分解得到所有模态分量分别建立SVR预测模型；最后将各分量的预测值求和完成最终风速预测。实例分析表明，所提模型对比其他模型的预测误差最小，预测精度最高，可有效预测短期风速。