基于深度神经网络的高位滑坡范围预测

以贵州尖山营滑坡为工程背景,通过对深度学习的总结与分析,建立多层感知器模型以对该滑坡危险区范围进行非线性预测研究。通过对深度神经网络算法的优化,构建64-128-32-1四层多层感知器模型,并以滑坡最大高差、滑坡体积、滑源区坡度、坡脚坡度、地层倾角作为输入量,以滑坡最大水平运动距离作为输出量对该模型进行训练,实现影响因素与运动距离的非线性映射。根据对贵州省尖山营滑坡调查和研究,尖山营滑坡区域面积约648 700 m2,体积约1 200万 m3,属于特大型滑坡。依据最优模型对该滑坡进行滑距预测,滑坡平面直线距离1 769 m区域内为危险区域。     

河套盆地晚更新世以来黄河改道对高砷地下水分布的控制机制

针对河套盆地开展了历时多年的水文地质环境地质调查,利用采集的298组浅层地下水样品以及收集并甄选的382个水文地质钻孔记录分析发现:河套盆地内95%的高砷地下水(As质量浓度10μg/L)集中在黄河决口、改道形成的古河道影响带及黄河决口扇裙带。其中,盆地南部首次发现了较为集中的高砷地下水,其分布范围与黄河北岸的晚更新世以来黄河决口、改道形成的4个大型决口扇,在空间上有着良好的对应关系。黄河古河道带及决口扇裙带表现为较强的还原环境及蒸发浓缩作用以及较弱的地表水补给强度。受pH值、含铁氧化物的还原性溶解等因素影响,决口扇裙带浅层地下水中砷的含量略低于平原中部黄河古河道带。结果表明:黄河古河道带及决口扇裙带特定的沉积环境控制着地下水的水文地球化学过程,进而对高砷地下水的分布具有决定性的作用。     

基于Android平台的手机木马关键技术分析

随着手机、PDA和各种移动接入设备的普及,越来越多的信息正从PC转移到手机等网络终端上,同时,利用这一终端设备的犯罪也逐渐增加。文章研究了Android平台下手机木马植入、Rootkit隐藏、信息获取和回传技术,并在此基础上分析了该平台下手机木马模型,以期有针对性的进行防护。     

液压支架工作状态模糊识别系统研究

针对目前综采工作面液压支架压力监测系统只能监测综采工作面压力,不能对液压支架工作状态进行识别的问题,设计了一种液压支架工作状态模糊识别系统。该系统可对现有的综采工作面液压支架压力监测系统监测到的压力数据进行模糊识别,根据模糊识别输出值即可判断液压支架的5种工作状态,即降架、移架、升架、增阻、卸压保持;当液压支架处于增阻工作状态且增阻时间过长时,该系统可及时通知液压支架操作工增大液压支架压力,辅助实现顶煤破碎。测试结果验证了该系统的可行性。     

某基地设备综合监控系统设计与实现

根据海军某基地实际附属设备及环境参数的监控要求,设计并实现了自动化设备综合监控系统。该系统使用西门子WinCC及S7-300/200 PLC开发完成,实现了WinCC C/S,B/S架构及S7-300/200PLC的Profibus-DP主从站结构,构建了集环境温湿度监控、设备监控、变电站监控和风水监控一体的综合监控系统,解决了复杂的第三方通讯、控制逻辑问题,实现了设备状态信息现场采集、中心管理、远程控制的功能。实际的运行效果证明,该系统设计合理,具有良好的可靠性和实用性。     

简易制作分类索引相册

介绍一种在Windows环境下,采用asp.net编程,用Excel表格定义照片的分类类目,并建立图像数据文件索引,在IE浏览器中,实现对大量照片按照多种类别进行快速浏览和查看的简易方法。其性能优于照片文件管理,可用于设计制作个人电脑的分类相册,也可用于网络图片社区的照片分类管理。     

基于虚拟仪器的汽车变速器计算机测控系统的设计

本文介绍了汽车自动变速器检测实验台的测控系统硬件组成,并采用Labview开发出测控系统的软件。可对汽车自动变速器综合性能与液压控制阀体进行测试操作和性能分析,实现检测对象测控的自动化。     

某型装甲车驾驶员终端仿真训练系统设计与实现

针对部队、院校装备教学训练需求,以某型装甲车驾驶员终端为研究对象,研究并分析了某型装甲车辆驾驶员终端结构、工作原理以及对外的接口规范、标准,采用NI公司的虚拟仪表控件、MapInfo公司的MapX地图控件等控件,设计并实现了基于半实物的装甲车驾驶员终端训练系统。系统设计既能满足装备仿真训练,也可以接入实际装备,完成与实际装备的互联和通信,满足部队、院校教学训练的需要,达到了预期的目标。     

专用电话系统集中录音方案

数字录音系统是进行核对和事故追忆与分析的重要设备,目前,轨道交通数字录音系统普遍存在着录音信息不全或造价高昂的问题,在分析专用电话系统的组成及录音现状的基础上,提出了对专用电话系统的集中录音方案,介绍了集中录音的系统原理及特点,证明了集中录音能够满足专用电话系统对重要终端录音的需要。     

基于不平衡类数据集分类的空间插值方法

对于不平衡类数据集的分类问题,训练分类器后,分类结果产生了向多数类偏斜的问题,少数类识别率较低.为了提高少数类的分类精度,提出了一种改进的SMOTE方法—空间插值方法,利用少数类及其k近邻构造超几何体,在超几何体内随机产生虚拟少数类样本,当其k近邻中存在多数类时,缩小构造虚拟样本的空间,加强对易错分样本的训练,降低数据集类不平衡程度,并进行有效性验证.在实际数据集上,基于多个分类器进行仿真,结果表明,空间插值法在少数类和数据集整体分类性能优化效果较好.