基于K-means和SOM的水下传感器数据采集方法

随着海洋资源勘探和海洋污染物监控工作的开展，水文数据的监测和采集等已经成为重要的研究方向。其中，水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中，传感器节点数据采集的问题，其设计方法是通过自组织映射（Self-organizing mapping，SOM）对传感器节点进行路径最优化处理，结合优化的路径图形和K-means算法找到路径内部聚合点，利用聚合点和传感器的节点得到传感器通信半径内的数据采集点，最后通过SOM得到水下机器人（Autonomous underwater vehicle，AUV）到各个数据采集点采集数据的最优路径。经过实验验证，在水下1 200 m×1 750 m范围内布置52个传感器节点的情景下，数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%；对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量，其结果也大致相同，因此采用该方法可以提高水下机器人采集数据的效率。     

时间视角下时间领导、时间效能感和员工创造力的关系:下属依赖的调节作用

目的应用社会认知理论,从时间视角出发探讨时间效能感在时间领导与员工创造力关系的间的中介作用,以及下属依赖的调节作用。方法采用领导-员工配套问卷的方式收集443份有效问卷数据,并运用SPSS和Amos分析工具对数据进行分析。结果时间领导对员工创造力具有显著正向影响;时间效能感在时间领导和员工创造力之间起部分中介作用;下属依赖不仅负向调节时间领导和时间效能感之间的关系,而且还负向调节时间效能感在时间领导与员工创造力间的中介作用。结论时间领导有利于提高员工时间效能感和员工创造力,但会因个体下属依赖程度有所差异。     

大庆市庆虹桥立交改造方案比选

随着近年间城市机动车保有量的迅猛增长,一些早期修建的城市立交桥已逐步无法满足交通需求,成为区域的交通瓶颈,亟需进行改造。城市立交改造项目涉及诸多控制因素和重难点,除了立交设计本身需注意的交通功能、选线、造价、景观等因素外,还涉及是否中断交通、原结构的利用等等重难点。该文通过分析黑龙江省大庆市庆虹桥立交改造项目的方案比选,详细介绍了立交改造方案设计中需要注意种种因素。同时,本项目还是跨铁路桥的改造,其中对于跨铁路方式的选择、净空、施工工艺等均有细致阐述。     

唐长安坊内用地的二元性对其形态演变的影响

唐长安坊内用地存在一种二元性，是因制度的影响不同而使同一空间范围呈现出权贵用地和普通坊民用地空间权益显著差异的状态。文章从土地分配、向街连通、用地管理、违章处置四方面论证了这种二元性的制度根源，涵盖了制度的立法、行政、执法三部分。二元性导致的兼并与买卖、租赁与经营等现象加剧了坊内空间管理的复杂化，在经济发展和社会变迁的影响下，推动了唐长安里坊形态的演变。     

深水管道防腐涂层耐热水浸泡试验设计及应用研究

某深水管道工程在进行补口防腐层热水浸泡试验中发现管道主体 3LPP防腐层脱落的情况，对主体防腐层和补口防腐层耐热水浸泡性能的要求及实验等进行失效分析。通过对 3种不同质量的主体防腐层分别取环状试样和片状试样开展了 7d、30 d和 100 d热水浸泡试验。结果表明：延长热水浸泡试验周期更容易发现涂层质量问题，片状试样较环状试样更容易出现脱落，质量良好的防腐层受试样形式和浸泡周期的影响较小。为了更好地保障海底管道涂层质量，基于标准比对和试验结论对海底管道主体防腐层提出了 100 d热水浸泡的指标要求。     

基于归一化水体指数及其阈值自适应算法的水体遥感反演效果分析

归一化水体指数（NDWI）是水体遥感反演的一种重要指标，其阈值及修正直接影响反演结果的精度。基于Landsat-8与GF-1光学多光谱影像，使用归一化水体指数法阈值0（TH₀）、最大类间方差法（OTSU）自适应阈值（TH_otsu）与均值漂移聚类算法（Mean-Shift）自适应阈值（TH_MS）分别对典型正常水体、云雾覆盖水体、富营养化水体、高含泥沙水体进行水体遥感提取与效果分析，结果表明：正常水体以TH₀为阈值提取精度最高，THMS提取精度次之，TH_otsu提取精度最差；而云雾覆盖水体、富营养化水体以及含泥沙水体使用THMS提取精度最高，尤其少量云雾覆盖下的水体，TH_MS具有更明显的优势，TH₀提取精度次之，TH_otsu提取精度最差；对于不同的阈值，Land?sat-8比GF-1总体表现出更高的水体提取精度。Mean-Shift算法应用于NDWI阈值修正与水体遥感反演具有快速、水质适应性强、效果稳定的优势，对尤其是复杂条件下的水体信息遥感反演具有较好的提取效果。     

基于Stacking集成算法的岩爆等级预测研究

岩爆是地下工程面临的一个巨大灾害，岩爆预测可以降低岩爆带来的危害。机器学习是岩爆预测方法的研究热点和发展方向，但现阶段各机器学习算法表现不同，并且相互独立工作，没有融合，不能优势互补，导致各机器学习算法的准确率、泛化性和稳定性较低。本文采用Stacking集成算法，融合现阶段使用较多的8个机器学习算法(4个集成算法和4个基本算法)，充分发挥各算法的优势，实现优势互补；为保证新特征信息具有多样性，结合各种机器学习算法的原理和岩爆样本库的特点，提出3组考虑多个岩爆预测指标的Stacking集成算法，每组算法拥有不同基模型和多个元模型，解决了传统Stacking集成算法接受特征信息受限和元模型选择困难的难题。对比分析各组Stacking集成算法与独立算法的准确率、精确率、召回率和F1值，结果表明构建的Stacking集成算法可以有效融合各机器学习算法，预测性能显著提升。在3组Stacking集成算法中，Stacking集成算法二的基模型由Random Forest Classifier,Extra Trees Classifier,Gradient Boosting Classifier和L...