掏挖基础在强风化砂岩地基中的应用探讨

文章对强风化砂岩抗剪强度指标进行了分析和探讨,提出了用岩体结构面抗剪强度指标折减来获得强风化砂岩的内摩擦角和粘聚力的方法,并结合掏挖基础应用条件,通过计算掏挖基础在强风化砂岩地基应用时扩底成型稳定性,得出在强风化泥质粉砂岩和粉砂岩地区掏挖基础在施工过程中能够掏挖成型并大量应用的结论.     

用聚类预报模型预报三峡水库来水量的探讨

为了开展三峡水库入库来水量长期预报,从北半球500 hPa高度场、太平洋海温场、北半球100 hPa高度场、北半球地面气压场与74项环流特征指数作为预报因子,采用回归方程求解和回归效果检验,建立回归聚类预报物理模型,对三峡水库6～8月各月平均来水量进行了长期预报分析。结果表明,三峡水库6~8月份各月来水量回归聚类预报的技术路线是可行的,正、负距平符号一致的概率能达到80%以上,效果较好,基本上可以满足生产需要。回归聚类预报物理模型具有一定的应用推广价值。     

基于灰色聚类法的水环境质量综合评价研究

水环境系统是一个灰色系统,即部分信息已知、部分信息未知或不确知的系统,适合采用灰色聚类法进行多种参数的综合评价。以GB 3838—2002《地表水环境质量标准》为依据,污染程度共分为5个等级,利用白化权函数描述水质分级界限,利用倒数法确定聚类权,构建了综合评判灰色数学模型,对水质评价进行研究。以太子河为例进行分析,结果证实水质良好,比较适合城市各方面的用水,包括居民用水、工业用水等。     

UASB—A/O工艺在丙烯酰胺废水处理中的应用

采用UASB—A/O工艺处理高氨氮废水,进水CODCr为2 000～4 000mg/L,NH3—N为250～350mg/L,SS为80～140mg/L,pH为4～9。出水NH3—N均在50mg/L以下,CODCr在150mg/L以下。该工艺耐冲击负荷能力强,处理效果稳定,经后续单元处理后,出水各项指标均达到《污水综合排放标准》(GB 8978—1996)一级排放标准。     

蚁群聚类在课程微型化中的应用研究

课程微型化过程往往是教师根据自身对课程的认识,课程的重点、难点及基本概念完整性等将课程划分为若干片段.在整个过程中对学习者的学习需求很少考虑,造成很多课程微型化不能得到学习者的认可.为了更加科学、合理的将课程微型化,必须充分考虑学习者的学习需求,收集网络学习系统用户观看视频教程的学习过程信息,使用改进的LF算法对学习过程信息进行聚类,聚类后的每个类别表示一种学习类型的用户,而每个类的聚类中心正是该类用户对课程微型化的需求.通过蚁群聚类不但能够得到不同类型的用户群,而且还能得到不同类别的课程微型化,针对不同的用户采用不同的微型化课程,既能提高学习者的学习效率还能实现在线学习系统的个性化.     

基于鱼群算法的异构数据库语义聚类的研究

数据库语义上的异构成为数据整合的重点和难点。针对该问题文章提出一种基于鱼群算法的异构数据库语义聚类算法。其思路是,首先对数据库属性信息进行向量化、矢量化,利用鱼群算法得到一个较优的聚类结果,再根据鱼群算法的结果使用模糊C-均值算法进行调整聚类。实例分析结果证明,该算法具有较高的聚类准确度。     

数据挖掘在高校教学管理中的应用

高校管理系统中的教学数据逐年增多,但对数据的分析处理多停留于简单的查询与统计阶段.要想合理开发利用这些数据找到其内在关联,为教育教学管理及决策提供指导,使用数据挖掘技术对其进行知识发现是一条重要途径.本文将依次对数据挖掘的概念、过程、相关技术及其在教学管理中应用进行归纳与总结.     

基于k-均值聚类的朴素贝叶斯分类算法

朴素贝叶斯分类器是建立在条件独立性假设上的,但在实际运用过程中这种假设通常是不存在的。针对这个问题,结合k-均值聚类算法构造出了一个改进的朴素贝叶斯分类器。算法用k-均值算法将其中相关系数较大的属性合并成一个综合属性,使随后进行贝叶斯分类的各个属性间能尽可能达到属性独立,达到朴素贝叶斯分类器的要求。实验证明这种方法改善了朴素贝叶斯分类器并扩大了朴素贝叶斯分类器的应用范围。     

基于改进K-means聚类算法的组合模型建模

在传统的K-means聚类算法中,初始聚类是随机选取的,其聚类结果易随着不同的初始聚类中心波动.针对这一问题,首先采用最大距离积法对传统K-means聚类算法的初始聚类中心进行了优化.同时定义了一种新的目标函数并将其引用到传统的K-means聚类算法中,以实现对聚类结构类别数K的优化选择.将训练集样本数据经上述方法聚类后,再将各个子类分别建立基于支持向量机的子模型,通过开关切换的方式连接各子模型得到组合的支持向量机模型.将该方法应用于双酚A生产过程的缩合反应单元溶解罐出口苯酚含量的软测量建模.工业实例仿真结果表明:该算法能较好地跟踪苯酚含量的变化趋势,有效地改善了数据分类效果,提高了软测量模型的估计精度,显示了它在工业领域的应用潜力.     

基于ACC-RBF的水布垭面板堆石坝参数反演分析

蚁群聚类径向基函数(ACC-RBF)神经网络是将蚁群聚类算法和径向基函数神经网络组合运用的一种新型神经网络模型,把该网络用于水布垭高面板坝堆石体的多参数反演问题,在室内试验参数的基础上用有限元计算获得学习样本,采用该网络对坝体堆石料的邓肯E-B模型参数进行反演分析,用反演所得参数结合三维非线性有限元计算坝体应力变形,并与实测资料比较,得出很接近的结论.