基于GA-BP-AdaBoost 强预测模型的大坝变形应用

基于大坝变形量与多影响因素复杂非线性关系问题,提出了基于遗传算法优化BP 神经网络的AdaBoost 强预测模型( GA-BP-AdaBoost) 。算例分析表明,该强预测模型融合了遗传算法全局优化和BP 神经网络的局部寻优的特点,同时AdaBoost 强预测器通过给弱预测器的预测序列赋予不同的权重,综合不同预测序列的精度优势,实现了AdaBoost 强预测器“优中选优”的目的,最大限度地提高了预测精度,验证了本文基于遗传算法优化BP 神经网络的AdaBoost 强预测模型在大坝变形监测中的可行性和实用性。     

基于PROFIBUS现场总线网络的飞剪控制系统

本文介绍了飞剪系统的工作原理,介绍了一种新的同步控制算法,给出了输出方程,分析了不同剪切长度下的剪刀运动规律,给出并分析了实际运行的结果.同时结合飞剪控制系统所具有的独特的技术要求,构建了基于PROFIBUS现场总线网络的飞剪控制系统,实现了飞剪系统的远程控制,系统运行稳定.最后为了进一步提高系统的性能指标,提出了有待继续深入研究的一些问题.     

灯泡贯流式机组管型座混凝土结构计算

管型座是灯泡贯流式机组的主要支撑结构,其受力十分复杂。通过三维有限元及结构力学法两种计算方法,对桑河二级水电站厂房管型座混凝土结构进行分析。计算结果表明,管型座混凝土结构尺寸设置合理,配筋可靠,较好的解决了灯泡贯流式机组管型座结构复杂的配筋问题。     

亚硝酸钙阻锈剂对钢筋钝化膜的影响

为深入揭示亚硝酸盐阻锈剂提高钢筋混凝土结构耐久性的机理,采用动电位极化技术、X射线光电子能谱(XPS)和原子力显微镜(AFM)研究了亚硝酸钙阻锈剂对钢筋表面生成的钝化膜的影响。动电位极化研究结果表明:未添加阻锈剂时,钢筋发生点蚀的临界氯离子浓度在0.05~0.06 mol/L之间,添加亚硝酸钙阻锈剂后,钢筋发生点蚀的临界浓度增大至0.18~0.20 mol/L,表明亚硝酸钙阻锈剂提高了钢筋表面钝化膜的抗点蚀能力。X射线光电子能谱的研究结果表明:钢筋表面生成的钝化膜的成分均是由铁的氧化物(Fe_(ox))和铁的氢氧化物(Fe_(hydrox))组成,亚硝酸钙阻锈剂降低了钝化膜中Fe_(hydrox)的含量。原子力显微镜的研究结果表明:亚硝酸钙阻锈剂的添加使得钝化膜的表面更加光滑平整。     

开孔型聚合物发泡材料的研究及应用进展EI北大核心CSCD

聚合物泡沫塑料以其优异的性能成为人们生活中必不可少的物品。开孔型聚合物发泡材料因独特的三维骨架形态被广泛应用于吸音材料、生物医药材料、光学材料和导电材料等领域。特别是聚合物纳米复合材料,为现代医学生产抗菌治疗、组织工程、癌症治疗、医学成像、牙科应用、药物传递等产品提供了新的机遇。本文综述了开孔发泡材料的制备方法、发泡机理及其应用领域,以及最近几年开孔发泡材料新的发展。最后,对材料制备和应用过程中存在的主要问题进行总结并对未来采用聚合物共混、形成微纳米复合材料、涂覆高阻隔材料和聚合物改性等手段制备高性能开孔聚合物发泡材料的发展趋势进行展望。     

带软时间窗的同时取送货车辆路径问题研究

考虑软时间窗下的车辆路径问题,客户点常伴有同时取送货的双重需求。针对此类问题,通过对软时间窗、车辆在途前后时间关系及二者融合问题进行刻画,同时将车辆行驶距离、车辆使用数、违反软时间窗总时间、客户满意度等纳入综合考量,构建相应混合整数非线性规划(mixed integer nonlinear programming, MINLP)模型。设计相应多目标优化求解算法,运用理想点法对目标函数进行转化,将多目标优化问题转化为单目标优化问题。结合相应算例集,运用LINGO 17.0全局求解程序求得每组算例的全局最优解。结果表明,针对带软时间窗的同时取送货车辆路径问题(vehicle routing problem with simultaneous pick-up and delivery and soft time windows, VRPSPDSTW),所建模型及算法是有效且可行的。     

一种基于局部分类精度的多源在线迁移学习算法

近年来,迁移学习得到越来越多的关注.现有的在线迁移学习算法一般从单个源领域迁移知识,然而,当源领域与目标领域相似度较低时,很难进行有效的迁移学习.基于此,提出了一种基于局部分类精度的多源在线迁移学习方法——LC-MSOTL.LC-MSOTL存储多个源领域分类器,计算新到样本与目标领域已有样本之间的距离以及各源领域分类器对其最近邻样本的分类精度,从源领域分类器中挑选局部精度最高的分类器与目标领域分类器加权组合,从而实现多个源领域知识到目标领域的迁移学习.在人工数据集和实际数据集上的实验结果表明,LC-MSOTL能够有效地从多个源领域实现选择性迁移,相对于单源在线迁移学习算法OTL,显示出了更高的分类准确率.     

Internet拓扑生成器的比较与评估

为了解决当前Internet拓扑生成器研究领域缺乏系统比较工作的问题,基于对Internet拓扑模型和度量指标的分析,对5个具有代表性的拓扑生成器进行了自治域（AS）级和路由器级的多项性能测试,并建立了拓扑生成器的量化评估系统,以评估各拓扑生成器的性能. 结果表明,new Internet topology在AS级中性能最佳,TopGen在路由器级中最接近当前Internet拓扑.     

基于集合经验模态分解的组合风速预测方法

风速具有很强的波动性、随机性和间歇性,大规模的风电并网时给电网的安全性和稳定性带来严峻的挑战。精确的风速预测可以有效地提升电网运行的安全性。为此,基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和GM(2,1)模型,提出一种对风速变化趋势进行预测的组合风速预测模型,并利用小波分解与神经网络方法对模型进行了深度改进,从而得到一种具有良好预测精度的组合预测方法。实际算例结果表明,与简单的GM(2,1)预测方法以及集合经验模态分解和神经网络的组合预测方法相比,该方法显著降低了平均绝对误差与平均绝对百分误差,具有理想的预测结果,具有广阔的实际应用前景。