基于数据挖掘技术的光通信系统信号质量参数分析方法

光通信系统信号质量的影响因素较多,因素之间互相干扰,导致当前光通信系统信号的质量难以达到最佳,为了提高光通信系统信号的质量,提出了基于数据挖掘技术的光通信系统信号质量参数分析方法.首先收集光通信系统信号的质量参数,并对参数进行归一化处理,通过采用数据挖掘技术,分析参数和光通信系统信号质量间的联系,得到光通信系统信号质量参数分析模型,最后与其他方法进行了仿真对比实验,结果表明,本方法的光通信系统信号质量参数分析精度高,可以保证光通信系统的性能,具有一定的实际应用价值.     

高频红外碳含量测定仪测定结果的影响因素探讨

对炼油产业中用到的固体催化剂中的总碳含量测定工艺进行了研究,使用高频红外燃烧法对试样进行分析,研究了试料量、引弧时间、氧气流量和助熔剂量对测定值的影响,得到较佳的测定工艺,即试料量为(80±5)mg,引弧时间为0.3 s,氧气流量为80 mL/min,助熔剂为纯铁0.2 g,样品回收率符合要求.     

基坑坑外回灌对周边环境及邻近隧道变形的影响

提要随着地下空间建设的开发,对周边环境的保护要求也越来越高.基坑坑外回灌是消除或降低基坑降水对周边环境影响最直接有效的措施.该文以上海地区某大厦基坑工程为例,在基坑止水帷幕未能完全隔断承压含水层的情况下,通过现场实测数据,分析坑外回灌的效果,并结合数值模拟,研究了地下水回灌对基坑降水引起的坑外水位变化、地表沉降、邻近隧道变形等周边环境的影响.明确了基坑坑外回灌对于控制坑外水位,减少坑外地表沉降有良好的效果,随着回灌井运行后,坑外水位逐渐抬升,上升量近3m,邻近运营隧道从沉降变为抬升,最大抬升量4.5mm.通过数值模拟分析发现,若无坑外回灌,坑外地表沉降将增加约22％.     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

自重湿陷性黄土地基预钻孔浸水处理的可靠度设计方法

为解决传统预浸水法存在的浸水时间长、浸水处理范围难以确定等不足,基于土体中水分运移规律,依据可靠度理论、极限状态设计方法及复合 Poisson 过程原理,提出一种消除黄土湿陷性的处理浸水方法——预钻孔浸水法。给出了利用预钻孔浸水法对自重湿陷性黄土地基进行浸水时,水平向及竖直向浸水影响范围的确定模型;在此基础上结合达西定律给出了浸水孔设计参数如孔深、孔间距及浸水孔个数的确定方法。结合铜川某工程,设计进行了现场预钻孔浸水试验,对该方法的合理性进行了验证,并通过现场钻探、现场勘探、室内湿陷性试验等方法对该方法的处理效果进行了评价。该浸水方法具有浸水时间短、浸水影响范围可根据浸水孔布设进行控制等优点,且浸水处理效果良好,完全符合施工要求。     

降雨强度对小流域地表水土保持工程影响的建模分析

目前,针对降雨强度对小流域地表水土保持工程的影响研究还不够深入.为明确降雨强度与小流域地表水土保持工程之间的影响关系,保证水土保持工程施工质量,提出一种新型研究方法,采用人工降雨法模拟不同强度的降雨实验,基于Hydrus-1D模型进行数据分析,以平面地表水土保持工程施工坡地为对照组,分析等高掏挖、机械锄耕和人工耕作3种地表水土保持工程应用措施受降雨强度的影响程度.实验结果表明,随着降雨强度增大,各地表水土保持工程应用措施的降雨量提升50％以上,产沙量提升70％以上,且在5°和15°的施工坡地上,3种地表水土保持工程应用措施的减流效益均高于25％,同时减沙效果明显,具有较高的应用价值,能够促进小流域地表水土保持工程的推广应用.     

基于蜂群算法和半监督极限学习机的光伏系统故障诊断

户外环境中运行的光伏系统容易受到各种因素特别是灰尘的影响，其非正常运行会导致大量的电力损失，严重的短路故障则会导致安全问题和火灾隐患。因此，监测光伏系统的运行状态，及时排除潜在故障，制定有效的处理方案是当前研究的重点。本文分析了光伏电池串在各种故障状态下的I-V特性，特别是在污秽条件下的I-V特性。针对具有特定故障的光伏系统，特别是大规模光伏系统的标记数据难以记录的问题，提出了一种结合人工蜂群算法和半监督极值学习机（ABC-SSELM）的新算法。该算法能够利用少量的模拟标记数据和历史未标记数据对光伏故障进行诊断，大大降低了人工成本和时间消耗。此外，灰尘堆积监测可以提醒电厂业主及时清洗光伏组件，提高发电效益。最后，使用3.51kWp和3.9kWp的光伏系统验证所提出的诊断方法，数值仿真和实验结果证明了所提光伏诊断技术的准确性和可靠性。     

超临界机组发生FAC的因素及相互关系分析

为了减轻因流动加速腐蚀(FAC)引起的锅炉结垢加速、汽水系统管道厚度减小甚至爆裂现象，对超临界机组发生流动加速腐蚀的机理及其主要影响因素进行了研究，并讨论了管壁内表面粗糙度、蒸汽含汽率、pH值、溶氧量对FAC的影响，以及温度与pH值、温度与流速、pH值与溶解氧量、溶解氧量与氢电导率等影响因素之间的相互作用关系，最后结合实际电厂的运行数据验证了分析结果。研究表明：减小工质流速、管壁粗糙度和氢电导率，增大给水的pH值和溶解氧含量可以使FAC的腐蚀速率减小，超临界加氧处理时pH值应在8.9～9.2之间，溶解氧量范围为45～100μg/L,氢电导率的期望值在0.1μS/cm以下。由于各影响因素之间的作用十分复杂，本文只给出了大致范围和趋势，并未给出准确数据。