拉萨哲蚌寺泥石流危险性分析与防治措施

拉萨哲蚌寺坐落于泥石流的老堆积扇上,形成区呈漏斗形,泥石流固体物质来源丰富,坡体陡峭,暴雨汇集流量大,治理措施简单,存在巨大的安全隐患。通过对泥石流的形成条件及特征等进行勘察,从而计算分析泥石流潜在危险等级、易发程度及危害范围等。根据计算最大洪峰量、平均流速、大石块运动速度及冲出固体物质总量,提出了相应的防治措施及方案。对保护哲蚌寺文物及当地居民的生命财产具有重要的作用。     

基于改进麻雀算法优化深度极限学习机的缺失数据预测

数据缺失降低了数据的可利用性,因此如何预测缺失数据变得尤为重要。针对缺失数据问题,提出一种改进麻雀搜索算法优化深度极限学习机的预测算法。首先,将 Singer混沌映射、柯西-高斯变异策略和余弦权重因子与麻雀搜索算法结合;其次利用改进后的麻雀搜索算法优化深度极限学习机中的各极限学习机中自动编码器的输入权重与偏置,进行缺失数据预测。实验表明,在小数据量,低缺失率下时,改进麻雀搜索算法优化深度极限学习机相较于麻雀搜索算法优化深度极限学习机、粒子群优化深度极限学习机、深度极限学习机,其稳定性强,预测精度最高;在均方根误差、平均绝对误差等评价指标上改进麻雀搜索算法优化深度极限学习机优于对比算法。     

基于Linux模块的防火墙系统

本文首先分析了Linux的Netfilter内核架构。并在此基础上,采用模块编程方式开发了一个高效实用的包过滤型防火墙系统。引言在计算机网络技术飞速发展的今天,网络安全问题一直困扰着人们。防火墙便是为了保证网络安全而架设的计算机硬件或者软件系统。商品化的防火墙产品,由于是通     

基于GPU Raycasting算法的矢量/栅格混合绘制研究*

Raycasting体绘制算法由于成像质量高而被广泛应用于体数据的可视化,但当线、面表达的矢量数据和三维栅格表达的体数据同时绘制到同一场景时,由于绘制方法的差异会造成矢量和栅格数据空间遮挡关系不一致。在GPU实现Raycasting算法的基础上,通过矢量和栅格数据先后绘制,采用FBO离屏绘制等技术将矢量数据绘制到深度缓存纹理并在体绘制采样和融合中统一考虑矢栅颜色融合。实验结果表明,该算法在矢量数据非透明模式下能正确处理矢量栅格数据的混合绘制。     

怎样预测水泥强度

我公司水泥厂银河生产线有两条Φ2.5×8.5m的机立窑,一条Φ3×48m的预热预分解窑,立、旋窑熟料日产量分别为400t和600t,水泥磨为Φ3.4×11.5m,日产量为1300多吨。2006年2月中旬到4月中旬,水泥日销量有时高达2000吨,银河线水泥、熟料无库存,熟料出窑就入磨然后快速装包(倒散)出厂,这增加了化验室开具水泥出厂通知单的风险,同时也降低了出厂水泥质量的安全性。     

历史事件时空过程描述及其可视化研究

结合基于事件的时空数据模型和面向对象的思想,提出一种面向历史事件的时空数据模型。分析基于事件、变化与状态之间的关系,描述和再现重大历史事件中的时空信息及时空变化。给出一种结合事件链表与子事件树的历史事件时态树结构,有效地将时间、事件及相关时空对象组织起来,动态追溯、反演和检索历史事件的发展过程与状态。利用事件时态树结构实现历史事件时空过程可视化,并以Adobe Flex为工具开发实现了历史事件时空过程可视化算法,取得良好效果。     

Dijkstra算法在矿井水灾动态避灾路径中的改进与应用

针对矿井水灾发生时,随时间动态变化的水位高度对矿工逃生路径选择的影响,开展动态最短路径算法在矿井水灾动态路径选择中的研究。为判断水位高度不断变化对矿工逃生路径选择的影响,本文在将逃生路径选择数学模型最优化的基础上,将所研究的时间段进行划分,根据不同时段下每条巷道中的平均逃生速度求得时间当量长度,以此作为邻接矩阵的权值。本文突破传统Dijkstra算法在矿井水灾最优路径搜索中不能有效用于动态环境下的弊端,实现了改进的Dijkstra算法在矿井突水时期动态选择最优路径的应用,具有更高的实用价值与精确度。并且,在后期的矿井虚拟现实/增强现实水灾模拟应用中具有较大的意义。     

基于双向A*算法的矿井水灾逃生路径应用研究

矿井突水是常见的突发性强烈的灾害,当发生矿井水灾时,为了降低灾害造成的物质损失以及减少人员伤亡,提出了一种基于双向A*算法的矿井水灾逃生路径规划方法。在充分考虑影响巷道逃生因素的基础上选择合理的评估函数,利用双向A*算法对逃生路径进行规划从而实现最优设计。结合王家岭煤矿实例并将该算法的规划结果与传统A*算法的规划结果进行对比,仿真结果表明：该算法规划的逃生路径比传统A*算法节点更少,路径更优,因此在一定程度上可以提高从业人员的逃生率,具有一定的应用价值。     

基于排列的微粒群优化算法

针对基本微粒群优化算法(PSO)存在陷入局部最优的问题,提出一种基于排列的改进微粒群算法(RPSO).该算法对每次迭代过程中的个体历史最优解按照适应值的优劣顺序排列,然后选择若干个较优的个体历史最优解作为候选解,再以概率方式在候选解中确定群体历史最优解的位置.RPSO算法使基本PSO算法易于陷入局部最优的问题,得到有效的缓解.为了分析算法的性能,对几种典型的非线性函数进行了测试.实验结果表明,RPSO算法比基本PSO算法具有更好的寻优能力.