支持向量机及其在径流预测中的应用

给出了支持向量机方法(SVM)的思路、特点及关键之处,探讨了SVM在径流预测中的可能性,并与基于遗传算法的门限回归模型(TR) 进行了对比分析。径流预测实例分析表明,在拟合阶段,SVM模型要好于TR模型;在预留检验阶段,SVM模型与TR模型接近。同时SVM模型适合于小样本情况且能达到全局最优。SVM模型用于径流预测是可行的、优越的。     

较小半径溢洪弯道急流超高的研究

为了探求急流弯道的超高及其相关的影响因素,通过对较小半径弯道急流的水流现象的描述,指出较小半径弯道凹岸水流受惯性离心力和冲击力的共同作用。在此基础上,利用动量原理,推导出了较小半径弯道水流超高公式,与试验资料对比,该理论的合理性得到了证实。还讨论了弯道水流各因素同超高的关系,结果表明,弯道的超高和宽度几乎成正比,弯道的转角影响超高很大,当弯道半径越小,其超高将增加越快。     

二芳基碘鎓盐型阳离子光引发剂的 合成和光引发性能测试

通过两步反应合成了6种二芳基碘鎓盐, 研究了4,4′－二乙酰胺基苯基碘六氟磷酸盐的合成,确定了最佳工艺条件：乙酰苯胺与碘酸钾的摩尔比为2.2∶1.0,15 ml乙酸在25 ℃反应24 h,产率为47.6%。通过应用实验,测试了6种产物的光引发剂性能,对碘鎓盐光引发剂的构效关系进行了探讨。实验证明4种负离子为PF-6和BF-4的产物具有较好光引发性和抗氧阻能力。引入共轭基团的二芳基碘鎓盐其最大吸收波长明显增大,光引发性增强。     

基于分形维数的絮凝效果定量化试验

研究了水力条件、物理化学条件等因素对絮凝体分形维数的影响,用聚合氯化铝做絮凝试验,观察絮凝体的电镜照片并计算了絮凝体的分形维数,结果表明,当水力停留时间从低于标准停留时间的20.00%逐渐增加到超过33.30%时,絮凝体的分形维数数值从低于标准值的5.13%逐渐增加到高于标准值的16.03%;絮凝剂投加量最佳时分形维数最大,投加量不足时分形维数的数值下降了17.06％～33.15％,投加量过量时分形维数的数值下降了22.65%~35.63%;实验表明絮凝体的分形维数与絮凝条件有显著的相关性,可以作为絮凝效果定量化研究的参数。     

基于家族基因的网格信任模型

针对现有基于PKI (Public Key Infrastructure)的网格信任系统的不足,证书主体信息不明确, 认证过程复杂等缺陷提出了一种新颖的基于家族基因的网格信任模型。该模型解决了传统信任模型存在的问题,如采用将用户的全部身份信息放在用户的基因里方法解决了证书主体信息的不明确,用基因检测解决了认证过程的复杂,用基因指派解决了访问控制的繁琐,并且给出了网格家族、家族基因、基因指派、基因鉴别和信任等概念,并建立了模型的形式化描述,理论分析和实验结果表明这种模型是网格信任领域一种较好的解决方案。     

Linux下互斥机制及其分析

详细介绍了在Linux环境下,特别是内核态下可能遇到的各种互斥场景,依据代码执行路径对其进行了分类。在此基础上,比较了各种互斥问题的解决方案的使用环境、优缺点以及使用时要注意的问题。     

基于RTLinux的开放式软件PLC的研究*

开放式控制技术是工业控制技术的发展趋势之一,软件PLC是开放式控制系统的重要组成部分。开放式控制系统实现的一条重要途径就是充分利用PC的软硬件资源,最大限度地利用软件实现控制功能。通过软件分层与数据开放相结合的方法,在RTLinux下设计的开放式软件PLC就是这种思想体现。     

边坡稳定性评价方法研究现状与发展趋势

随着岩土工程技术的进步与相关学科的发展,新的边坡稳定性分析方法不断涌现;另一方面,因对边坡工程地质条件缺乏足够的认识而评价方法选择不当导致工程事故时有发生。因此对边坡稳定性评价方法的原理、假设条件及适用范围进一步疏理很有必要。首先从评价方法的学科领域、基本原理、评价模型的假设条件等角度将其分为工程地质经验评价法、工程力学理论分析法、应用数学理论分析法、试验模拟法和现场监测与预测分析法等五大类。选择代表性的方法介绍每类评价方法的研究现状,指出存在的问题,分析与归纳各类评价方法的优缺点及其适用条件。最后对边坡稳定性研究及其评价方法的发展趋势进行展望。     

基于一维非稳态传热模型的炉温曲线优化研究

在回流焊接过程中,保证最优的传热系数能提高产品的质量和工作效率.针对某回焊炉的温度分布进行分段线性回归,通过有限元分析找到可优化参数,并且建立一维非稳态传热模型,以最优传热系数为优化目标,以各温区炉温及传送带速率为优化变量,采用有限差分法对已有的炉温曲线进一步改良,获得最佳指标值.结果 表明:该模型自适应性较强,能有效地保证各功能区温度过渡的连贯性.     

不平衡数据下基于PSO-BP算法的输电线路弧垂预测

针对架空输电线路弧垂在计算过程中易受测量数据(温度、风速、档距等参数)影响的问题,提出了基于数据预处理的PSO-BP神经网络弧垂预测模型.对收集数据中部分样本缺失的情况,使用合成少数过采样技术(SMOTE)对不平衡样本进行合成;构建PSO-BP神经网络用于弧垂预测,使用不同工况条件的数据训练网络,实现弧垂预测的目的,并将网络的性能与传统的BP神经网络性能进行对比.实验结果表明,与传统BP神经网络模型相比,本文提出的模型进行弧垂值预测后所得的误差绝对值显著降低.本文提出的模型可以加快训练速度、提高预测精度.