城市粉土地面塌陷的影响因素分析及成因研究

粉土作为一种具有特殊性质的土,自身的粉粒含量很高,当粉土处于饱和状态下就容易发生土颗粒随水流动的现象,进而对地面的建(构)筑物造成较大的危害.文章以城市粉土地面塌陷为研究对象,重点研究降水下渗、地下管线渗漏和市政工程施工对地面塌陷的影响,分析其不同的致灾机理,进而提出相应的城市地面塌陷防治措施.该研究可以为城市粉土地面塌陷和相关地质灾害的预防,提供科学理论和依据.     

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.     

基于固定频率变化分析的火电机组大型立式循环水泵基础检测方法研究

目前国内大型火力发电机组循环水泵主流配置为两台立式混流泵,泵组功率和质量都较大。1000 MW超超临界火电机组的循环水泵普遍采用两台直径2600 mm的立式混流泵,配套的电机功率一般在6000 kW。泵组连同电机的总重量一般都超过120 t。在我国,前期投产的1000 MW火电机组普遍采用进口泵。泵的基础预埋件一般采用无垫铁施工工艺。国内安装单位由于是初次接触这种新的施工工艺,施工经验较少造成了泵组基础施工质量未达到建设标准要求,这就给后期设备运行埋下了一定安全隐患。同时,循环水泵较低的转速和较大的质量又造成基础恶化后不容易被检测出。常规方法只能待泵组解体后将基础台板取出进行检查,工作量和工期都很大,费用十分高昂。本文创造性的引入固定频率变化与基础松动的关系,为大型立式循环水泵基础松动检测提供一种新的思路和方法,大大降低检测的费用和时间。     

一种基于YOLO算法的口罩佩戴检测研究

介绍了机器学习的基本概念和常见类别(有监督学习、无监督学习、强化学习),介绍了深度学习的概念、基本技术以及它与机器学习的关系,研究了基于神经网络的的YOLO算法在实际生活中的应用,如检测目标人物是否佩戴口罩,并对实际模型的性能进行评估及模型优化方向作思考.     

Apriori算法在手足口病与气象因素关系分析中的应用

探讨长治市手足口病(HFMD)与气象因素的关联关系.利用Apriori关联规则算法挖掘不同气象因素组合引发手足口病的频繁程度.长治市手足口病的周高发、中等发病率与前一周的平均水汽压、气温具有显著相关性.而周低发病率与前一周的气温(最低、平均)、降水量存在显著相关性.长治市手足口病周发病率与气象因素存在一定的关联性,应根据气象条件进行流行风险评估,及时采取相应的防控措施.     

基于半监督卷积神经网络的心律不齐分类

心律不齐早期的检测和分类有十分重要的价值.然而,由于心律不齐特征不够明显、不同人体心电信号存在较大的差异性等问题,心律不齐分类技术在现实中的应用存在很大困难.针对上述问题,提出了一种基于半监督卷积神经网络的心律不齐分类方法.首先,对心电信号进行马尔可夫变迁场变换将其变为二维图像;然后,迁移二维卷积神经网络训练得到普通模型;最后,使用半监督训练的方法得到特定模型,使用得到的特定模型对特定病人的心电信号进行分类.该方法从二维图像中提取更高层次的特征来提高分类性能,并有效地克服不同人体心电信号之间的差异性,增强了模型的泛化能力.遵循美国医疗器械促进协会标准,使用麻省理工学院和波士顿贝丝以色列医院心律不齐数据库中的数据,完成了心律不齐五分类,总准确率达到了97.9％,提升了心律不齐分类技术的现实应用价值.     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。