软弱地基基础刚性组合梁的作用与理论推导

本文从实际出发 ,对软弱地基基础刚性组合梁的作用和理论推导作了阐述 ,通过实践和时间的检验 ,验证了软弱地基基础设置刚性组合梁 ,能有效地将上部结构的荷载均匀地传递给地基 ,地基沉降均匀 ,地基基础安全可靠 ,理论推导与实际吻合     

耐低温橡胶的研究进展:分子结构设计与化学改性

综述了耐低温橡胶材料的研究进展,对比了天然橡胶、通用合成橡胶和特种合成橡胶的分子结构、耐低温性能及其影响因素,归纳了耐低温橡胶的改性方法,最后对耐低温橡胶材料今后的发展方向进行了展望。     

火灾后混凝土结构剩余使用寿命的预测

本文根据混凝土结构剩余使用寿命的预测方法，分析了火灾后混凝土结构残余承载力，综合论述了火灾后混凝土结构剩余使用寿命的预测方法，为火灾后混凝土结构的处置提供依据。     

改进的边坡岩体稳定性预测模型研究

由于边坡岩体的结构与物理力学性质表现出宏观和微观上的不连续性和高度的非线性等特点,其稳定性受地质因素和工程因素等的综合影响,这些因素大部分具有随机性、模糊性、可变性等不确定性特点,因此,边坡工程是不确定的、非线性的、动态开放性的复杂大系统,传统分析方法往往难以准确地描述这种复杂的非线性特征,因而对大型复杂边坡的稳定性进行准确预测预报尚存在一定的困难。提出了基于模拟退火交替迭代算法神经网络的边坡安全系数预测方法,在相同的初始条件下,用该方法和经典网络进行了比较,得出前者的优越性和有效性。在综合分析边坡岩体变形失稳破坏模式及其影响因素的基础上,采用了表征边坡岩体稳定性分析的复合指标为预测模型的影响因子。并利用该方法对收集到的水电工程边坡实例进行学习,对未学习过的边坡实例进行推广预测,取得了较好的效果,其预测精度明显优于经典算法BP神经网络。由此说明所提出的预测模型能够快速、准确地获取不同方案下的边坡安全系数,为选择经济合理的边坡设计方案提供了新的思路。     

地下舞厅特点与设计

与地面舞厅相比,地下舞厅有许多优点。舞池形状与尺寸,座席面积与舞池面积之比是舞厅设计中要解决的重要问题。有防护要求的地下舞厅是平战两用的人防工程。正确处理平战结合和功能转换问题是这类地下舞厅设计中的又一重要问题。     

青岛西海岸地区CBD规模预测实证研究

在对国内外CBD及CBD规模预测方法研究进展回顾的基础上，以青岛市西海岸地区CBD为例，对学者提出的CBD规模预测方法进行实证研究，着重解决现有模型中关于规划期末第三产业就业比重和CBD就业占第三产业就业比重这两个主要参数在预测过程中存在的问题，从而提高了预测结果的准确性．     

城市规划中人口规模预测的规范化研究——《城市人口规模预测规程》编制工作体会

基于对我国城市人口规模预测中现存问题的分析,根据对预测本质特征的认识和理解,针对我国城市总体规划中的人口规模预测,提出了需要进行规范的四大方面及主要对策,分别是:界定基本概念、统一数据口径、进行多方案预测、表明预测依据。     

多水平集单周期电力系统频率测量方法及应用

电力系统频率测量存在精度与实时性无法同时满足的问题,因此提出一种多水平集单周期频率测量方法。首先采用数字低通滤波器滤除信号中的高频干扰,其次采用三次样条(not-a-knot)插值法对所设阈值附近的采样点进行重构,然后利用多个阈值与信号的交点进行频率估计,最后运用最优组合加权法得到电力系统频率估计结果。该方法是一种时域频率估计方法,具有计算量小、精度高的特点,可在单周期内实现电力系统频率的准确测量。仿真和实际测量实验结果验证了多水平集单周期频率测量方法的有效性和可行性。     

电力电子系统中的功率脉冲时序组合与逻辑组合

从电力电子系统的底层脉冲组合理论出发,对功率脉冲时序组合与逻辑组合的概念、方法和实现进行总结提炼分析。针对功率脉冲纯时序组合的局限性,提出功率脉冲及功率脉冲序列的逻辑组合方法,并对其组合思路和应用场景进行分析归纳。由于基于不同脉冲逻辑组合思路的两种典型应用,即多电平技术和倍频策略,均可以有效提高系统变换性能,以电力电子功率放大器为分析对象,对二者的谐波特性和适用性进行对比分析,以此作为上述理论的一个分析应用实例。通过电力电子系统中脉冲组合方法论的研究,有助于从更为底层的角度对相关技术进行系统认识,从而延伸拓展出新的脉冲组合与实现方式,推动电力电子技术的发展。     

基于变量选择与高斯过程回归的短期负荷预测

提高短期电力负荷预测精度是保障电网安全稳定运行的技术措施之一,通过选取影响负荷的最优输入变量集合,建立高斯过程回归(Gaussian process regression,GPR)短期负荷预测模型。负荷预测建模输入变量的选取对预测精度有很大影响,首先采用随机森林(random forest,RF)算法给出输入变量重要性评分(variable importance measure,VIM),并对各输入变量影响程度进行排序,基于序列前向搜索策略确定最优输入变量集合,避免人工经验选取的不足。其次针对共轭梯度(conjugate gradient,CG)法求解高斯过程回归模型超参数时易陷入局部最优解,且存在优化性能依赖于初值选取、迭代次数难以确定的问题,采用改进粒子群优化(particle swarm optimization,PSO)算法搜索模型超参数,形成优化高斯过程回归预测模型。最后,算例测试表明该模型的有效性。