基于知识图谱的盗窃案件法律文书智能推理研究

在检察官办案过程中对盗窃案件性质把握不准确,对量刑建议给出缺乏经验,导致给出的量刑建议准确性不足.为了使检察官给出更加准确的量刑建议,提供辅助量刑参考,通过对盗窃案件法律文书理论和知识体系进行整理和分析,对其中的隐式关系、深层关系进行挖掘、推理,通过搭建本体模型,提出了基于本体的盗窃案件法律文书知识图谱构建方法,并且设计自定义推理规则,实现了盗窃案件法律文书知识图谱在相似量刑类案推送测试功能,得到了理想的测试结果.研究证明,构建基于本体的盗窃案件法律文书知识图谱,利用智能推理技术,给检察官提供相似案件量刑参考,辅助了检察官给出更加合理的量刑建议.     

基于数字电位器的直流偏置技术

针对基于数字电位器的直流偏置技术进行了研究,从理论上进行了噪声对直流偏置源影响的分析,重点讨论了利用微控制器、数字电位器等相关器件,实现了直流偏置源的关键技术方法,对电路算法进行了仿真分析证明,此方法噪声低、步行调节灵活、精度高。在实际应用中工作可靠、稳定,符合技术人员工作指标要求。     

结合车辆日检的混凝土罐车调度问题研究

结合车辆日检因素建立基于网络流模型的混凝土罐车调度问题混合整数规划模型,并提出一种结合启发式规则和车辆流冲突选择策略的遗传算法对问题优化求解。结果表明,所提出的算法可以有效地获取更优的罐车调度计划,节省企业成本、提高效益,同时可为混凝土企业的车辆购买或租用计划提供有益的指导。     

北京电影学院摄影棚综合技术楼深基坑支护技术

北京电影学院摄影棚综合技术楼深基坑工程采用土钉墙+护坡桩+预应力锚杆的复合基坑支护形式。采用桩间旋喷桩与护坡桩共同作用的止水帷幕来解决基坑地下水的影响。深基坑支护中锚杆的张拉力是控制支护结构位移、保护基坑安全度的关键,设计时利用地勘报告中的参数预估,以现场试验数据来确定锚杆张拉力的大小。根据旋喷桩工艺及技术参数试验,以试验确保旋喷桩的止水效果。采用经纬仪挑直线的方法测量基坑水平位移,实测的变形数据均在规范允许范围内。     

煤炭运销管理系统的分析设计

在煤炭采掘业信息系统中,运销管理主要是针对企业的运输与销售部门相关业务的管理,负责煤炭产品的销售与运输,由于煤炭产品的特殊性,所以该环节是煤炭采掘业信息系统的一个重点.在对煤炭运销系统的特点进行分析的基础上,应用UML Component构件建模方法建立了该系统构件框架模型.     

基于不确定度采样准则的费时问题优化算法

在实际工程和控制领域中,许多优化问题的性能评价是费时的,由于进化算法在获得最优解之前需要大量的目标函数评价,无法直接应用其求解这类费时问题.引入代理模型以辅助进化算法是求解计算费时优化问题的有效方法,如何采样新个体对其进行真实的目标函数评价是影响代理模型辅助的进化算法寻优性能的重要因素.鉴于此,利用径向基函数神经网络作为代理模型辅助进化算法,提出一种新的不确定度计算方法,同时结合模型估值构造一种新的填充采样准则以自主地选择新的采样点,从而引导算法在评价次数有限的情况下尽可能地找到目标函数值较好的解.所提出算法与近年来针对计算费时问题的优化算法在7个高达100维的基准问题上进行测试比较,实验结果表明所提出算法在相同评价次数下可以获得更好的优化结果.     

PVA多孔炭对染料废水吸附性能的研究

活性炭孔隙发达可调,化学稳定性好,吸附能力优异,广泛应用于染料废水的去除。一氧化锰(MnO)热稳定性和化学稳定性良好且易除去,因此可作为模板剂制备多孔炭。本文以非氧化性锰盐热解产生的MnO为模板剂,PVA为碳源制备多孔炭,用酸性红88(AR88)模拟染料废水。实验结果表明吸附量可达3.08mmol/g,准二级动力学和Freundlich等温吸附模型对吸附过程拟合度高。     

采取有效措施提高PVC树脂质量

详细介绍了河北宝硕股份有限公司氯碱分公司几年来在提高PVC树脂质量中采取的各种有效措施。2004年一级品率达到91.9%,优级品率达到87.1%,合格品率由2003年的97.6%提高到99.8%,表观密度基本稳定在0.53 g/mL以上。     

基于估值不确定度排序顺序均值采样的昂贵高维多目标进化算法

模型管理,特别是训练样本的选择和填充采样准则,是影响昂贵多目标优化算法求解性能的重要因素.为此,选择样本库中具有较好目标函数值的若干个体作为样本训练目标函数的代理模型,使用基于参考向量的进化算法搜索模型的最优解集,并提出一种基于个体目标函数估值不确定度排序顺序均值的采样策略,从该最优解集中选择两个个体进行真实的目标函数评价.为了验证算法的有效性,将所提出算法在DTLZ和WFG多目标优化测试问题和两个实际工程优化问题上进行测试,并与其他5种优秀的同类型算法进行结果对比.实验结果表明,所提出算法在求解昂贵高维多目标优化问题上是有效的.     

全局与局部模型交替辅助的差分进化算法

为求解实际复杂工程应用中的高维计算费时优化问题,提出一种全局与局部代理模型交替辅助的差分进化算法。利用历史样本训练全局和局部代理模型,通过交替搜索全局和局部代理模型得到模型最优解并对其进行真实目标函数评价,实现探索和开采的平衡以减少真实目标函数的计算次数,同时通过针对性地选择个体进行真实目标函数计算,辅助算法快速找到目标函数的较优解。在15个低维测试问题和14个高维测试问题上的实验结果表明,在有限的计算资源情况下,该算法在12个低维测试问题上相较于最优重启策略代理辅助的社会学习粒子群优化算法、基于主动学习的代理模型辅助的粒子群优化算法等表现更好,在7个高维测试问题上相较于高斯过程辅助的进化算法、代理模型辅助的分层粒子群优化算法、求解高维费时问题的代理辅助的多种群优化算法等能找到目标函数的更优解。