储罐地震易损性数值仿真分析

为了研究储罐的抗震性能,忽略储罐罐壁的质量,将储罐中的液体质量简化为三质点体系模型,地基土由两个弹簧和两个阻尼器模拟.考虑罐体的平动和转动,建立了在水平地震激励下储罐的动力方程;给出了随机变量的概率模型和基于易损性理论的失效概率计算方法.通过对大庆某油库2×104 m3和5×104m3两种大型储罐进行数值仿真方法的地震易损性分析.结果表明:随着地震烈度的增大,储罐的易损性逐渐增大;5×104 m3储罐的抗震性能要好于2×104 m3储罐;2×104 m3和5×104 m3储罐的主要失效模式分别是抗失稳和抗提离.由此可见从多个失效模式对储罐进行地震易损性研究比从单一失效模式进行易损性研究更加科学.     

VaR风险控制的银行资产负债管理优化模型

以资产组合收益率的波动为标准反映风险,在既定的组合收益率下,以组合风险最小为目标,以VaR风险收益率为约束,以法律、法规和经营管理约束为条件,建立了银行资产负债管理优化模型.本模型的特色与创新为以收益率最大损失的形式、而不是收益额的形式来反映VaR,使组合决策更为方便;运用资产负债管理比率建立约束条件,控制流动性风险;以VaR约束保证既定收益率选取的合理性,使资产配给的风险限定在银行的承受能力范围内.     

ENSO事件对松花江流域夏季降水的影响

对1951—2000年的ENSO事件对松花江流域夏季(6—8月)降水的影响进行了分析,结果显示:赤道中东太平洋海温异常与松花江流域夏季降水有很好的相关性,特别是ENSO事件出现后,El Nino事件影响年通常对应于松花江流域夏季降水偏多,La Nina事件影响年松花江流域夏季降水则较常年偏少,且二者通过了置信度α=0.05的显著性检验.这种相关性可用于进行松花江流域夏季降水的预测.     

一种基于Normal矩阵的时间序列聚类方法*

提出了一种基于Normal矩阵的时间序列聚类方法。该算法首先对时间序列数据进行向量形式转换,计算出各个时间序列间的相似度并构建复杂网络,然后利用基于Normal矩阵的方法进行复杂网络社团划分,同一类的时间序列被划分到一个社团,即实现对时间序列数据的聚类。为了验证该方法的可行性和有效性,将其应用于股票时间序列数据聚类分析中,并在两个实际的数据集上与其他方法相比较,取得了较好的实验结果。     

海洋平台灰预测和支持向量机的逆控制

导管架式海洋平台在随机波浪等外载荷作用下极易产生有害振动,且其动力响应具有极强的非线性和时变性,采用被动控制方法和基于精确数学模型的主动控制方法控制海洋平台的有害振动很难达到理想的控制效果.结合灰预测和支持向量机的优点,提出了基于灰预测和支持向量机的自适应逆控制方法,并将其与动态刚度阵法相结合应用于导管架式海洋平台的振动主动控制中.数值算例分析表明,该控制方法可有效地控制波浪和风载荷作用下引起导管架式平台的有害振动,并能解决由于控制信号传输等原因引起的时滞问题.     

一种适用于智能设备的多重操作系统架构

针对智能设备,为避免引入虚拟化技术而产生的性能开销,提出并实现了MuxOS。MuxOS是一种多重操作系统架构,使得智能设备可以在非虚拟化条件下运行多个操作系统。介绍了MuxOS工作原理,描述了MuxOS运行流程。测试结果表明, MuxOS性能优于Xen等虚拟化产品,可以实现操作系统间亚秒级的快速切换。     

基于代价敏感支持向量机的推荐系统托攻击检测方法

基于标准支持向量机的托攻击检测方法不能体现由于用户误分代价不同对分类效果带来的影响,提出了一种基于代价敏感支持向量机的托攻击检测新方法,该方法在代价敏感性学习机制下引入支持向量机作为分类工具,对支持向量机输出进行后验概率建模,建立了基于类别隶属度的动态代价函数,更准确地反映不同样本的分类代价,在此基础上设计了代价敏感支持向量机分类器。将该分类器应用在推荐系统托攻击检测中,并与标准的支持向量机方法、代价敏感支持向量机方法进行比较,实验结果表明,本方法可以更精确地控制代价敏感性,进一步提高对攻击用户的检测精度,降低总体的误分类代价。     

Augmented Online Sequential Quaternion Extreme Learning Machine

Neural Processing Letters - Online sequential extreme learning machine (OS-ELM) is one of the most popular real-time learning strategy for feedforward neural networks with single hidden layer due...     

基于RBF神经网络优化的装备保障系统效能评估

针对现有装备保障系统效能评估方法存在依赖专家经验、主观性强等问题,提出一种基于径向基函数（RBF）神经网络优化的装备保障系统效能评估方法。通过完备交叉与预变异策略对遗传算法（GA）进行改进,利用改进的GA对RBF神经网络中心、宽度及输出权值进行全局寻优,并采用优化的RBF神经网络实现装备保障系统效能评估。仿真结果表明,该方法相比AGA-RBF和GA-RBF评估方法能更准确地评估装备保障系统效能值,并且可在一定程度上降低评估过程中主观因素的影响,确保评估结果更客观真实。     

基于边缘敏感的SLIC和二次密度聚类的GGO分割

针对磨玻璃肺结节(Ground Glass Opacity,GGO)边界对比度低、大小各异和灰度不均匀等造成分割准确率低的问题,提出一种基于边缘敏感的SLIC和二次密度聚类相结合的分割算法。将图像边缘检测结果与SLIC超像素算法相结合,并将其中含有边缘的超像素块用区域质心代替其原始聚类中心,改善SLIC边界黏连性较差的问题;针对密度聚类不能完整分割GGO的问题,提出二次密度聚类的方法,对密度聚类定位到的簇及其邻域簇进行二次密度聚类。实验结果表明,该算法分割GGO的平均准确率达90.17%,灵敏度达84%。