基于Android的移动车载手机应用设计与开发

在"互联网+"成为新型经济快速兴盛的背景下,移动网络成为了解决汽车使用和维护车辆有关问题的主要方式。本文基于Android系统开发一个移动车载手机应用,以实现车主对汽车的智能化管理。     

改进的多层感知机在客户流失预测中的应用

针对在传统的客户流失预测数据预处理中，使用one-hot编码处理离散属性导致数据维度增加及数据过于稀疏的问题，提出了两种基于多层感知机的改进后的客户流失预测模型。其主要思想是分别使用堆叠自编码器和实体嵌入两种方法对多层感知机进行改进，通过将离散属性的高维编码数据向低维空间映射，有效地减少了one-hot编码产生的稀疏数据，增加了离散属性值之间的关联度。在对两份公开的数据集进行交叉验证后的实验结果表明，改进后的模型既有效地提高了预测的准确度，又维持了传统多层感知机模型在并行化计算方面的优势。     

基于粗糙集重要度的窑炉烧成温度工艺参数约简准则研究

影响陶瓷制品烧成温度和能耗的因素很多,且各因素之间存在着一定的关联,从而对陶瓷制品质量有着错综复杂的影响。针对这一问题进行研究,从热力学角度深入研究了烧成温度工艺影响因素,进而在保证系统分类能力不变前提下,利用粗糙集重要度模型对这些影响因素进行约简,给出问题的分类决策规则。结果表明,模型在辊道窑烧成温度和能耗的因素约简方面是合理可行的,算法是有效的。     

《建筑业信息分解编码A&bCode》研究要点介绍

为适应中国建筑业信息化发展需要,国家建筑信息模型(BIM)产业技术创新战略联盟于2018年立项,开展了《建筑业信息分解编码AbCode》研究工作。主要研究目标是通过AbCode重构建筑业软件体系功能,使建筑业软件工具模块化,精微建筑业专业软件;利用AbCode建立建筑业信息网络交换系统,构建建筑业互联网网络系统架构。介绍课题的研究背景及主要内容,通过与国外相关标准的对比,总结课题的目标定位和主要特点,展望下一步研究工作。     

紧凑的城市是低碳的吗?

已有文献在解释城镇化对中国碳排放的影响时,多集中在人口城镇化上,关于城镇空间形态的碳排放效应的实证研究很少。研究采用108个地级及地级以上城市的2003-15年间的城市样本数据,用居住密度度量城镇空间形态,对居住密度等变量影响碳排放的演进进行了实证分析。研究发现:居住密度是影响碳排放的重要因素,不论是在东部城市、中部城市、还是西部城市,居住密度的提高均显著地减少了CO2排放;人口城镇化的进程导致碳排放大幅度增长;我国城市发展水平尚未到达"倒U"型环境库兹涅茨曲线的拐点,位于曲线左侧;我国没有变成FDI的"污染天堂",相反绿色外资的引进显著地减少了城镇碳排放;中东部城市绿色低碳转型的环境红利开始显现,而西部城市低碳的发展模式尚未实现。因此,中国提出的建立"紧凑城市"实现低碳发展的理念具有一定的可行性和必要性。     

考虑电网关联度的电力通信网关键环节识别

电力通信网作为电网的支撑网络,其可靠运行对电网安全可靠运行有着重要意义。为了识别电力通信网的关键环节,提出了一种考虑电网关联度的电力通信网关键环节识别方法。首先,构建电力-通信复合系统,其次,分别构建电力系统层节点评价体系、链路评价体系和通信系统层节点评价体系、链路评价体系,然后采用TOPSIS算法分别求得电力系统层节点重要度、链路重要度以及通信系统层节点重要度、链路重要度。最后,通过特定的代数运算,将电网关联度与通信网自身的重要度结合起来,分别求得考虑电网关联度的电力通信网节点、链路重要度值,并依据重要度值,识别出电力通信网关键环节。某省实际电力通信网仿真结果表明,该方法可以有效地识别出关键环节,证明了该方法的可行性。     

绿色建筑背景下基于BIM技术的建筑工业化发展机制研究

绿色建筑是建筑业高效、节能发展的必然趋势,建筑工业化是提高建筑业施工效率和质量的有效方式。建筑工业化是实现绿色建筑节能减排目标的有效途径之一,是建筑产业化的前提,是建筑施工理念和技术的重大变革。本文在绿色建筑背景下通过将BIM技术应用到建筑工业化领域,构建了基于先进BIM技术的建筑工业化发展模型,通过实证分析,为我国绿色建筑理念和建筑工业化发展相结合提供一个思考角度,进而为我国绿色建筑和建筑工业化研究体系的完善提供了参考。     

开关磁阻电机在矿用抽水机中的应用研究

针对传统矿用抽水机启动转矩小、耗能大、开关频繁程度小和运行可靠性差等问题,设计了一种基于四相8/6式开关磁阻电机(SRM)的抽水机叶轮控制系统,以320F2812PGFA高性能控制芯片为主控制器,采用DTC控制策略,配以单相桥式整流电路、检测电路、H桥功率驱动电路等,实现了基于SRM的无极调速。在实际的抽水机测试中,系统节能省电、可频繁开关、免维护运行,与水泵机械部件能够很好地配合。     

基于SOFM神经网络的蛋白质结构类预测

蛋白质结构类预测是蛋白质空间结构和功能预测的基础。本文首先将氨基酸对相互作用形成的序列经过数字信号处理后得到能量谱密度的20个低频部分和6种疏水模式在序列中出现的频率整合,构成26维分类特征,然后采用自组织特征映射神经网络对蛋白质结构类进行预测。实验结果表明,与Component Coupled算法、ANN算法、粗集方法相比较,本文算法具有较高的预测精度。