建筑物掏土纠倾法单孔与多孔塑性区特性研究及工程应用

在建筑物水平掏土纠倾工程中，掏土孔间距是影响纠倾工程安全与工期的重要因素。为了快速准确地确定纠倾工程中的水平掏土孔间距，研究了单个掏土孔和多个掏土孔情况下孔周边土体塑性区发展特性。利用土体塑性力学分析计算得到了单孔下的孔周土塑性区半径，而后通过有限元模拟得到孔周土体塑性区半径的数值解，将孔周塑性区半径解析解与数值解进行了对比。并通过有限元数值模型研究了多个掏土孔相互影响情况下的塑性区发展规律，以孔间土体塑性区贯通时的距离作为掏土孔间距。考虑土体参数随机特性的影响，研究不同上部荷载作用下掏土孔间距的取值变化规律，上部面荷载与地基承载力特征值比值用p表示，孔间距与掏土孔直径比值用n表示。研究发现：多孔塑性区半径（孔间塑性区贯通时）是单孔塑性区半径的1.3倍左右;标准化荷载p与孔间距比值n二者呈线性关系;通过不同土体参数及上部荷载的不同情况下的p-n曲线，给出了掏土孔间距建议值。同时，将研究结果与三个实际工程进行对比，发现p-n曲线法与实际结果更为接近。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

智慧图书馆设备故障规避的HFACS等级相关分析

大数据人工智能时代下图书馆各项新技术设备的应用为智慧图书馆的发展提供了高效智能化的技术支持,实现了智慧服务的自动化,帮助用户更加便捷地获取、利用、分享图书馆的各项资源;但随着内外环境的变化影响,设备故障问题也日益突出,如何有效规避智慧设备故障隐患,降低故障风险成为亟待解决的新课题。笔者通过自身工作实际结合相关文献资料,统计发现影响设备故障主要分为四类因素,其中人为因素占了很大比例,进一步深入分析得出含制度设计、流程执行等16种因子的四层改进型HFACS框架。通过设备故障样本集数据集计算Spearman和Kendall Tau—b相关系数得出各层等级相关度,逐步挖掘出各层内在相关逻辑因子,探究出设备故障致因链进行分析,总结归纳启示性建议为图书馆相关智慧管理和服务提供科学依据。     

水文序列相依变异识别的RIC定阶准则——以自回归模型为例

水文过程相依性是水文变异的主要表现形式之一,应用自回归模型对其进行拟合时合理确定模型阶数是一个难点问题。本文在分析AIC和BIC准则的基础上,提出了一种以原序列与其相依成分的相关系数作为拟合度指标,同时借用信息熵形式的函数式,作为模型不确定性度量指标的自回归模型定阶准则(简称RIC准则)。以AR(1)、AR(2)、AR(3)和AR(4)模型为例进行统计试验,将不同序列长度下该准则的定阶准确率与其他定阶准则进行比较,试验结果表明,RIC准则对于上述模型均具有较好的适应性,且定阶准确率远高于AIC准则,其中对于前三阶模型RIC准则优于BIC准则,但四阶模型略低于BIC准则。RIC准则的优势是可以同时满足模型定阶、相依程度分级与模型检验的需求,将其应用于实测水文序列分析,结果显示,该准则能较准确地识别自回归模型的阶数,且符合提出的"相依有变异而残差无变异的最小阶数"的检验标准。     

利用双天线相位差的ADS-B欺骗式干扰检测方法

广播式自动相关监视技术相比于传统监视系统具有定位精度高、更新速率快和设备成本低等优点，受到国际民航组织的大力推广。但由于其共享开放式的特点使得系统容易受到各种欺骗式干扰的影响，严重威胁空中交通安全。本文提出了一种利用双天线相位差进行欺骗式干扰检测的方法:对同一信源广播的一组位置消息，首先根据其广播内容计算一组表征目标相对于接收机方向变化的量；其次根据双天线之间的相位差计算一组同样表征此方向变化的量；最后通过两组变量的相关系数判别真实目标和欺骗干扰。此外，针对与空中真实目标ICAO地址相同的虚假ADS-B消息可能导致的误检测，我们也提出了信源一致性检测方法。本文方法不需要估计信号来向，对天线的幅相误差稳健，仿真实验和实测数据均验证了方法的有效性。      

基于相关系数的时间同步算法应用研究

应用基于相关系数的时间同步算法来找出并纠正安装在某大桥不同位置的传感器测得的在时间上不同步的加速度数据之间的时间间隔。选择某一处的加速度数据作为参考信号,则其他处的加速度数据的时间轴就能以参考信号为基础分别进行平移。将不同位置处无线传感器测得的数据分别与参考加速度数据进行比较,计算不同时刻两处加速度数据之间的相关系数,得出相关系数最大的时刻,以此找出传感器之间的时间间隔。     

高光谱图像分类的融合分层深度网络联合稀疏表示算法

在高光谱图像分类领域中每个像素的局部邻域一旦包含来自不同类别的样本,联合稀疏表示将受邻域内字典原子与测试样本之间同谱异类的影响,严重降低分类性能.根据高光谱图像的特点,文中提出融合分层深度网络的联合稀疏表示算法.在光谱和空间特征学习之间交替提取判别性光谱信息和空间信息,构建兼具空谱特征的学习字典,用于联合稀疏表示.在分类过程中将学习字典与测试样本间的相关系数与分类误差融合并决策.在两个高光谱遥感数据集上的实验验证文中算法的有效性.