荷兰艾瑟尔湖综合治理对太湖治理的启示

基于对荷兰艾瑟尔湖流域水污染防治历程及其水管理措施详细梳理的基础上,对艾瑟尔湖与太湖从源头控污、末端治理、管理体制、立法、经济激励机制及区域合作等方面进行分析比较。根据艾瑟尔湖流域在污水处理、流域水资源管理、生态环境恢复、监督合作治污体制建设等领域所取得的成功经验与启示,指出太湖流域水污染治理及管理的各个层次与艾瑟尔湖流域仍存在一定差距,建议太湖流域在治理过程中加强初期雨水的监测与截留处理,将部分典型持久性有毒有机污染物纳入监测范围,对污水处理产生的污泥进行深度处理,推进流域联动治污机制的建设,探索适合中国国情的水资源市场经济激励机制。     

动态流域模拟模型在黄河宁夏段流域水沙规律研究中的应用

在介绍动态流域模拟模型（ DWSM）的原理、结构、河网汇流顺序等的基础上,并对其算法和存储规则进行改进,以提高模型的计算效率,将该模型应用于黄河宁夏段流域的水沙规律研究中。结果表明DWSM模型在黄河宁夏段流域水沙模拟中具有较好的适用性。     

缸套-活塞环摩擦学性能模拟实验研究

为模拟内燃机缸套-活塞环运动,设计适用于缸套-活塞环的往复式摩擦性能试验台,由传动系统、加热系统、加载系统组成。根据系统中悬臂梁和活塞环专用夹具不同的使用要求,分别进行结构设计和有限元分析。结果表明,当实验条件达到预设极限值(加热温度130℃,摩擦力500 N)时悬臂梁和活塞环专用夹具均能满足使用要求。试验台使用二维力测力传感器,通过特殊装配设计,可同时测量摩擦力和法向负载。通过摩擦性能实验验证,缸套-活塞环在较低负荷(61.7、92.6、123.4 N)条件下,摩擦因数随转速的增大而急剧减小;在较高负荷(250.8、322.5 N)条件下,摩擦因数随转速的增大有所减小并逐渐趋于稳定状态。     

油槽倾斜对行星轮轴向支承润滑特性分析*

构造轴向支承油槽的深度描述函数,引入油槽槽边倾斜角和槽底倾斜角2个槽型控制参数;基于不可压缩Reynolds控制方程,并考虑润滑油的温升,采用有限控制体积法求解流场压力分布,分析油槽槽边倾斜角和槽底倾斜角对润滑特性的影响。结果表明：槽边倾斜角度对润滑特性的影响较复杂,槽边倾斜角度为0°时,润滑油膜的温升较小,可以获得较大的油膜承载力;槽底倾斜角度对油膜承载力、流量和温升的影响较大,但对摩擦功率影响较小;槽底向外径倾斜角度越大,行星轮端面间流量越大,油膜的温升越小,油膜的承载力越大。     

基于正负反馈的SEIR微博舆情传播模型

社交网络舆情已经成为社会舆情的主要阵地。针对传统模型难以描述社交网络舆情话题的真实传播过程,分析社交网络舆情话题的真实特点,补充加入社交网络中显著的水军和僵尸粉这2大显著特征,作为舆情话题传播中的正负反馈,分别对舆情话题的传播起到推动及抑制作用,构建带有正负反馈的社交网络舆情传播话题模型,提高舆情预测模型的准确率,得出正负反馈对舆情传播的影响力。     

一种基于深度学习的移动端人脸验证系统

作为一种新兴的身份验证技术,人脸验证广泛应用于门禁、考勤等需要身份验证的场合。本文综合考虑移动端人脸验证的需求与生产环境,以及现有人脸验证算法的效率和可移植性,设计并实现一种基于安卓系统平台的人脸验证系统。该系统能够离线部署于搭载安卓系统的移动端设备,通过摄像头获取人脸图像并在本地进行图像的数据处理完成人脸验证工作。在算法上,该系统采用深度卷积神经网络进行图像处理与人脸特征向量提取以提高人脸验证的准确率。在实现上,通过联合编译Java和C+〖KG-*3〗+代码提高算法运行效率以适应深度学习算法在移动端的应用。实验表明,本系统能够在确保准确率高达97.16%的前提下快速完成人脸验证流程,基本满足工业化应用需求。     

结构光与双目视觉相结合的三维测量

在三维测量技术中,传统的双目立体视觉方法计算量大,对没有明显特征的图像,匹配精度较低。本文将基于结构光的三维测量技术与双目成像技术相结合,解决了特征点搜索的困难,提高了测量的精度。与传统结构光成像技术相比,采用常规的双相机立体标定,不需要进行投影仪标定,降低了系统的复杂性,提升了系统的可操作性和灵活性。最后,运用该技术进行三维测量实验,测量结果表明了该技术的可行性。     

零一膨胀二项混合回归模型的改进EM算法

首先对存在过多0和1的观测数据提出了零一膨胀混合回归模型,由于EM算法一般会使得估计收敛到局部最优解上,所以提出了一种修正EM算法,对具有有限混合成分的零一膨胀二项回归模型（ZOIB）的参数进行估计。最后通过模拟研究说明该方法的有效性。     

基于增量学习的非平衡SVM分类方法

针对传统支持向量机（SupportVectorMachine,SVM）无法有效处理非平衡分类的问题,提出一种基于增量学习的非平衡SVM分类方法（ImbalancedSVMBasedonIncrementalLearning,ISVM_IL）。该方法首先提取多数类样本中的部分样本,与少数类样本合并参与训练得到初始分类器,然后根据分类器与其他样本的关系,选择距离分类器最近的样本作为增量样本加入训练集参与训练,从而减小实际参与训练的负类数据规模,提高非平衡分类的性能。实验结果表明,本文提出的ISVM_IL方法可以有效提高非平衡分类中重要的少数类样本的分类性能。     

基于改进LightGBM的交通模式识别算法

针对交通模式识别中非步行交通模式识别精度低的问题,提出一种改进后的LightGBM算法结合移动端的交通模式分类方法。该方法首先对数据集进行了滤波处理,选取了三轴加速度计、陀螺仪和磁力计这3种传感器数据的时域和频域特征作为模式识别特征量,然后通过采用Filter相关性度量CFS算法对特征进行打分排序,选择最优特征集,最后识别过程采用分层识别算法和基于居民出行规则与一阶隐马尔科夫链改进的K-lightGBM识别算法对交通模式进行识别,同时采用部分传统算法进行对比实验。实验结果表明,该方法不仅能识别多种交通模式,而且对居民的交通模式识别的平均准确率较高,达到了94%。