闸门埋件安装的两种工艺比较

闸门埋件安装采用的常规工艺是二期混凝土浇筑、在实际施工中，也可采用一期混凝土浇筑一次成型．本文分别阐述两种安装工艺及其特点。     

基于非结构数据流行学习的碳价格多尺度组合预测

碳交易价格的有效预测对制定符合国情的碳金融市场政策以及碳金融市场的风险管理都具有重要意义.对此,提出一种基于非结构数据流行学习的碳价格多尺度组合预测方法.首先,利用网络搜索指数提取碳价格相关的非结构化数据,基于等度量映射流行学习对其进行降维;然后,对降维后的非结构化数据、其他影响因素结构化数据、碳交易价格分别进行经验模态分解(Empirical mode decomposition,EMD),得到不同个数的本征模函数(Intrinsic mode function,IMF),并采用Fine-to-coarse方法对IMF进行重构,得到高频序列、低频序列和趋势项;最后,利用自回归积分滑动平均模型(Autoregressive integrated moving average model,ARIMA)、偏最小二乘(Partial least squares,PLS)回归和神经网络对高频数据、低频数据和趋势项进行预测,将3种预测结果进行集成,得到最终预测值.仿真实验结果表明,所提出的方法可以有效利用多源信息,具有较高的预测精度和良好的适用性.     

基于加权网络和OWA算子的图像椒盐噪声滤除算法

用加权网络对图像进行建模,可以有效地表示图像的结构特征,其中网络单个节点的点强度集成了节点本身与其它点连接的边数和强度信息。为了发挥结构信息和统计信息在图像分析中的作用,用加权网络对图像进行表示。根据噪声像素与周围像素差异性大的特点,将噪声检测问题转化为搜索网络中具有最小点强度的节点问题。采用有序加权平均（OWA）算子...     

浅谈提高水下混凝土灌注桩施工质量的具体措施

水下混凝土灌注桩工程通常采用导管法进行施工。其原理是在一定的落差压力作用下，将混凝土拌和物通过密封连接的钢管入口，进入到初期灌注的混凝土下面，顶托着初期灌注的混凝土及其上面的泥浆或水上升，形成连续密实的混凝土桩身。导管法施工技术要求非常严格．为使水下混凝土灌注桩施工质量得到保证，必须从施工设备、混凝土配制、灌注等几方面加以控制，以提高水下混凝土灌注桩的施工质量。     

几种接地保护模式与等电位体

通信机房（站）防雷的重要性不言而喻。造成通信系统受害的方式主要有雷击后的雷电高电位、大电流侵入、雷电感应。采用电磁屏蔽可以解决雷电感应过电压问题；配备三级浪涌保护器阻止大电流侵入机房；而雷击后的高电位需要有一个完好的等电位系统，一释放高压，二地电位整体上升。怎样真正做好地电位“整体上升”，笔者认为建立合理、恰当的等电位保护地线网连接模式，保证保护地连接线的截面积，作为一个完整的等电位系统甚为必要。     

可容忍预测误差及其在汇率组合预测中的应用

鉴于传统的最优化组合预测模型确定权重的方法未考虑到数据中极端值的影响,存在一定的局限性。为了更好地提高组合预测的精度,提出了预测结果可容忍误差的相关概念。将其应用到每种单项预测结果及组合预测结果的效果分析中,提出了一类基于可容忍误差的最优化组合预测模型,从而确定组合预测中各单项预测方法的权重。以2016年1月4日至2018年6月12日日元兑换美元日汇率收盘价的数据为例验证了模型的可行性和合理性。结果表明,所提出的最优化模型能够有效提高组合预测的精度。     

浅谈闸门埋件的安装工艺

就闸门埋件安装采用的二期混凝土浇筑工艺和一期混凝土浇筑工艺进行了详细的论述,并对两种安装工艺的优缺点、施工注意事项进行了对比分析,指出在实际施工中,无论采用哪种安装工艺,都必须保证闸门埋件安装质量。     

水工混凝土裂缝的处理

裂缝是水工结构中普遍存在的一种现象，也是当前病险水库除险加固工作中的常见问题。裂缝的出现不但会影响结构的整体性和刚度，还会引起钢筋的锈蚀，加速混凝土的碳化，降低混凝土的耐久性和抗疲劳、抗渗能力。因此要根据裂缝的性质和具体情况区别对待，及时处理，以保证水工建筑物的安全使用。     

对通信用密封蓄电池阀控值检测标准的思考

本文叙述了阀控式密封电池的“阀控”特征，针对邮电部《通信用阀控式密封铅酸蓄电池技术要求和检测方法》标准中的开、闭阀压力范围，提出减小开闭阀压力差，缩短开阀时间，减少电解液中水分的逸出，提高蓄电池寿命。     

基于MEMD和空间层次聚类的PM2.5三角模糊序列多因子组合预测

日间PM2.5浓度受本地和邻近地区的多重因素影响,具有高度不确定性和不稳定性.常见的PM2.5实值序列和区间序列分别反映其日均和极值波动状况,三角模糊序列将两者优点相结合可包含更多的有效信息.基于此,提出基于多元经验模态分解(multiple empirical mode decomposition,MEMD)和空间层次聚类的PM2.5三角模糊序列多因子组合预测模型.首先,运用皮尔曼相关系数分析PM2.5与本地污染物浓度、气象要素间的关联度,选取本地影响因子;其次,计算PM2.5与空间污染物浓度间的关联度,并据此对邻近城市K-means空间聚类得到核心影响、一般影响和偏远影响城市群,并统计各城市群不同污染物的综合指数,即空间影响因子;进而,利用MEMD对PM2.5和影响因子的三角模糊序列同时进行分解,重构得到高频、低频以及趋势序列;最后,运用BP神经网络、长短记忆神经网络(long short-term memory,LSTM)、最小二乘支持向量回归(least squares support vector regression, LSSVR)分别对子序列进行多输入单输出的预测,并将上述单项预测结果相加,即得到PM2.5三角模糊序列的预测值.仿真实验结果表明,所提出的模型能够充分考虑气象条件和多种污染物的空间影响,具有较强的预测精度和良好的实用性.