相关规则的并行算法

给出了一个相关规则新的并行算法，利用DHP算法中的HASH技术削减候选集，同时对DHP算法进行改进以利于并行算法的实现，在并行化设计中充分利用DMA及OA算法的鹊巢原理及分割思想，针对DMA及OA算法的优越性依赖于数据的特性，提出了动态调整策略，根据数据偏斜情况决定是否采用削剪策略，从而解决数据偏斜问题。     

基于熵变的DAG-SVMs的组合策略

为了降低传统的有向无环图支持向量机(DAG-SVMs)多类分类方法在模型构建过程中节点选择的随机性,提高最终分类结果的准确率,提出了一种基于熵变的有向无环图支持向量机(E-DAG-SVMs)的组合策略.该策略通过计算各支持向量机在分割样本集时引发的熵变,依据信息增益最大化原则来决定节点的选择,进而构建多类分类模型.实验结果表日月了该策略的有效性.     

基于STM32和DBO-BP的滑坡预警系统

滑坡是一种常见的地质灾害，由于其突发性和破坏力，往往给人类的生命和财产安全造成严重的威胁，故建立精准的滑坡灾害实时监测预警系统至关重要。以STM32F103为核心控制器设计了滑坡监测预警系统，采集了降雨量、压力、位移、土壤含水率4种滑坡的主要影响因子，采用通用分组无线服务(general packet radio service, GPRS)方式将数据传送至现场预警终端，判断是否超过设置的阈值，若超过立即报警，未超过则将数据传送至远程控制中心进行分析处理，控制中心将数据输入到蜣螂算法(dung beetle optimizer, DBO)优化后的反向传播神经网络(back propagation neural network,BPNN)中进行当前滑坡发生概率预测，根据概率预测结果划分滑坡预警等级，实现滑坡实时监测与预警。通过支持向量机(support vector machines, SVM)、BP、遗传算法(genetic algorithm, GA)优化BP、麻雀搜索算法(sparrow search algorithm, SSA)优化BP模型与DBO-BP模型对比实验，得出DBO...     

基于PSO-LSSVM的广西花岗岩分布区滑坡易发性评价

广西花岗岩分布区地质构造复杂，岩体风化严重，滑坡灾害较为频繁。提出一种粒子群算法优化的最小二乘支持向量机(particle swarm optimization-least squares support vector machine, PSO-LSSVM)模型对该地区滑坡易发性进行评价。首先，利用灰色关联度分析(grey relation analysis, GRA),从高程、坡度、地质构造、断裂带密度、植被覆盖率、年均降雨量、日均降雨量、岩土特性8种因子中提取出对滑坡发生影响较大的诱发因子，将其作为LSSVM模型的输入；其次，针对LSSVM存在过拟合的问题，使用PSO对LSSVM模型的惩罚因子γ、核参数σ进行了优化，能够更有效地减少LSSVM陷入局部最优解的情形。将PSO-LSSVM应用到该地区滑坡灾害的易发性评价中，模型预测结果与实际值基本一致。最后，将PSO-LSSVM模型与遗传算法优化的LSSVM模型(genetic algorithm-least squares support vector machine, GA-LSSVM)和LSSVM模型进行对比，从实验结果得出PSO...     

屈服强度1300MPa超高强钢焊接抗裂性试验研究

对工程机械用屈服强度1300MPa超高强钢焊接抗裂性进行了试验研究。采用搭接接头（CTS）焊接裂纹试验、斜Y型坡口抗裂性试验、巴东抗裂试验3种抗裂性试验测试了不同厚度的Q1300E钢对冷裂纹的敏感性，对比了3种试验情况，并进行了产品吊臂的模拟试验。研究结果表明，巴东抗裂试验的结构拘束度很大，是一种验证高强钢焊接抗裂性的可靠试验方法；Q1300E钢具有较明显的冷裂倾向，8mm及15mm两种板厚的Q1300E钢分别采用110℃及125℃预热温度可避免冷裂纹产生。该研究对高强钢结构件焊接抗裂性研究具有较强参考意义。     

基于GWO-XGBoost泥石流灾害预测

针对引发泥石流灾害的致灾因子复杂多样而造成模型输入数据维度过大和极端梯度提升树容易陷入局部最优导致预测模型准确率不高的问题，提出一种基于GWO-XGBoost算法模型的泥石流灾害预测方法。首先，对传感器采集到的原始数据进行预处理，得到规范数据，然后通过线性判别分析法进行数据降维得到耦合性低且贡献率较高的致灾因子作为模型输入，对泥石流灾害是否发生进行预测；其次使用灰狼优化算法对模型超参数进行寻优；最后以磨子沟监测数据进行仿真验证。结果表明：经过预处理和线性判别分析法降维后的规范数据解决了模型输入的维数灾难问题，GWO-XGBoost泥石流灾害预测模型的预测准确率为96.64%,相较于随机森林模型、支持向量机模型和极端梯度提升树模型的预测准确率分别提高了6.69%,5.13%和3.86%,丰富了泥石流灾害预测方法并为相关决策部门提供了全新的思路。     

基于组合赋权与物元分析法的滑坡危险性评价

滑坡危险性评价能够为防灾减灾和区域规划提供有效的理论依据，为使滑坡危险性区域评价结果更为客观、准确，首次引入物元分析理论，结合组合赋权，构建基于物元分析法与组合赋权的滑坡危险性评价模型。首先结合前人研究选取高程、坡度、坡向、土地类型、道路距离、水文条件、降雨量、断裂距离和地层岩性等9个滑坡影响因子，利用改进层次分析法(analytic hierarchy process, AHP)确定各指标的主观权重，确保了判断矩阵的一致性检验更易满足。其次根据熵权法计算各指标的客观权重。基于博弈论原理组合赋权，将组合权重作为物元分析法的输入权重，建立滑坡危险性评价模型。最后，为了验证上述所提模型的有效性，以陕西省商洛市山阳县为研究区，对其进行滑坡危险性评价，所得评价结果准确率为96%,相较于AHP-FCE模型和改进AHP-物元分析模型分别提高了0.22、0.07,为其他同类型的研究区域的滑坡危险性评价提供了借鉴。