基于评分填充和时间的加权Slope One算法

针对数据稀疏性,常用的评分矩阵填充方法主要是通过平均数、中位数等进行填充,该文提出一种新的评分矩阵填充方法。利用项目-属性矩阵计算用户对项目属性偏好,由于每个项目都有各自属性,从而可以获得用户对项目的偏好值,以用户平均评分为基准,实现对评分矩阵填充。基于填充后的评分矩阵,又考虑到用户兴趣爱好随时间会发生改变,因此引入时间因子,提出一种基于评分矩阵填充和时间因子的加权slope one算法(FTWSOA)。通过时间函数修正评分矩阵,优化的评分数据可以更好地体现用户兴趣爱好随时间变化的情况。在时间加权的评分矩阵下,计算出属性兴趣偏好,在共同评分很少甚至没有时,利用属性兴趣偏好可以较为准确地计算用户相似度。由于在共同很少或者没有时,原始评分矩阵中用户没有交集,而在属性兴趣矩阵下用户会存在交集,因此,使用参数λ将填充矩阵下的用户相似度和属性兴趣偏好矩阵下的用户相似度相结合得到最终的用户相似度,可以缓解在稀疏数据下相似度计算性能差的问题,最后使用加权slope one预测评分时,将时间衰减函数加入到预测公式中来优化预测评分公式。通过在MovieLens100k数据集上的实验表明,相比于其他算法,FTWSOA算法准确度有所提高。     

面向动用计划的车辆装备备件预测研究

针对动用计划下的车辆装备备件的消耗特点,研究了车辆装备维修备件消耗量和库存控制两个预测优化问题。考虑动用计划期内车辆装备的预防性维修和修复性维修,实现定时定程维修和自然随机故障维修下装备维修备件的消耗量的预测。在此基础上,根据备件库存检查方式的特点,建立基于定期检查策略的联合补货库存控制模型,根据模型的结构特点确定决策变量界限,并利用多类种群位置更新方式改进了果蝇优化算法。仿真结果表明,改进的果蝇优化算法具有良好的求解效率,本文所提出的优化方法可为车辆维修保障资源优化提供决策依据。     

基于深度学习的图像本征属性预测方法综述

真实世界的外观主要取决于场景内对象的几何形状、表面材质及光照的方向和强度等图像的本 征属性。通过二维图像预测本征属性是计算机视觉和图形学中的经典问题,对于图像三维重建、增强现实等应 用具有重要意义。然而二维图像的本征属性预测是一个高维的、不适定的逆向问题,通过传统算法无法得到理 想结果。针对近年来随着深度学习在二维图像处理各个方面的应用,出现的大量利用深度学习对图像本征属性 进行预测的研究成果,首先介绍了基于深度学习的图像本征属性预测算法框架,分析了以获得场景反射率和阴 影图为主的本征图像预测、以获得图像中材质 BRDF 参数为主的本征属性预测及以获得图像光照相关信息为主 的本征属性预测 3 个方向的国内外研究进展并总结了各自方法的优缺点,最后指出了图像本征属性预测的研究 趋势和重点。     

快速城市化条件下基于SLEUTH-SWAT模型的济南市水文响应分析

为更好地反映快速城市化未来长期的区域水文响应,以济南市为例,利用2000年、2005年、2010年、2015年土地利用、道路演变等数据,驱动SLEUTH模型对快速城市化进行了模拟和合理预测,生成了2020年、2030年土地利用数据。以此作为输入数据,运用SWAT模型定量分析了快速城市化和气候变化对径流、蒸发等水文要素的影响。结果表明:未来济南市仍有大量耕地转化为城市用地,2030年城市面积将达到640 km~2。不考虑气候变化,总径流和地表径流将分别增加4%和12.5%,蒸发和下渗分别减少0.78%和2.51%,核心城市化子流域地表径流将增加40%以上。依据年降雨量选取了平水、极丰和极枯三种降水情景,极枯和极丰情景下2030年济南市地表径流深分别为15.02 mm和101.44 mm,极丰情景下重点城区径流深可达300 mm以上。建议未来济南市核心城区加强防洪管理,重点防范城市内涝及洪水灾害。     

正弦波下砂岩ms级损伤预测模型

为获得毫秒(ms)级正弦波损伤变量预测模型,对岩样在不破坏情况下进行了不同波形不同频率的轴向力加卸载试验。提出了不同步时间段的定义,进而获得不同峰值荷载下不考虑不同步时间条件下的动态泊松比分别与即时荷载、即时横向长度、即时轴向高度之间的线性关系,从而得到线性关系中系数与峰值荷载间的拟合公式,即可联立不同已知条件,通过少量几个加载力峰值下的试验数据,对任意峰值荷载下动态泊松比与相关参数间的线性关系进行预测。以此为基础研究得到,在误差允许的范围内,采用动态泊松比与即时横向长度的线性关系,推导出体积应变、损伤变量的计算公式和方法,可以很好地对加卸载过程中岩样的体积应变、损伤的变化做出ms级的精确预测,也为在已知少量循环试验下获得岩石动态参数,即可对ms级的损伤进行精确预测的模型提供了方法。     

地铁隧道局部冻结方案设计及参数分析

为了研究地铁隧道冻结工程中的冻结管形式选择和地表冻胀量控制问题,依托广州市轨道交通13号线北延线机场区间隧道冻结工程,采用了室内试验、现场实测、数值计算的方法,对保温工艺、形式和冻结孔间距、保温段长度、冻结时间对地表冻胀量的影响进行了研究。研究结果表明:冻结管采用保温材料隔热方式可有效实现局部冻结,但施工时保温材料需进行防水处理,防止因地下水进入保温材料造成导热系数增加;地表冻胀量与保温长度呈线性反比关系,且随孔间距的增大比例系数逐步减小,随冻结时间延长增大。根据实测数据、计算得到了适用于本工程工况的冻胀量预测公式;结合工程现场条件,分析了制冷能耗和冻胀量与孔间距的关系,提出了在保证地表冻胀量的前提下,尽量减少冻结孔间距达到缩减工期、能耗的目的。     

极值-I型风速预测的Bayes方法

为提高极值-I型风速预测精度,在Jeffreys准则的基础上,采用Bayes估计中的Lindley近似方法推导极值-I型风速预测表达式.采用Monte Carlo法产生服从极值-I型分布的伪风速母样,基于伪风速母样分别采用基于Bayes理论和最大似然估计理论的极值-I型风速预测方法进行风速预测,并与伪风速母样的理论值进行对比分析.结果表明:与最大似然估计法相比,采用基于Bayes理论建立的极值-I型风速预测模型进行风速预测的精度更高,且精度随着伪风速母样样本量的增加而提高,位置参数先验样本数量的增加以及先验方差的增大对计算精度没有影响.     

基于线性多尺度模型的计算机网络数据流量预测

为了解决网络安全监控问题,提出了一种用于预测网络流量的算法.通过多个不同尺度的线性模型进行网络数据的组合预测,每个尺度的线性模型由经过滤波器滤波后的部分原始数据估计得到,最终的预测流量数据由多个尺度线性模型的平均预测值得到.选择的线性模型为自回归滑动平均模型,且尺度较小的线性模型对应自回归滑动平均模型的阶数较高.结果表明,本算法的预测精度高,整体预测误差的均值在10-3量级.     

高性能混凝土板式构件的早期收缩特性及预测模型

以桥面板等高性能混凝土板式构件为研究对象,通过实验测试了板式构件不同截面厚度位置处早期收缩分布情况,探讨混凝土早期收缩变形与温度、湿度发展过程。结果表明,混凝土板式构件的内部厚度方向不同位置处的相对湿度随龄期都呈现逐渐减小趋势,并呈现两阶段特征,同时,混凝土板式构件早期收缩变形厚度方向不同步,导致板式构件表面产生拉应力,当拉应力大于当时混凝土的抗拉强度时,混凝土表面就会出现浅层裂缝,这与实际工程中发现的板式构件表面开裂情况相吻合。混凝土板式构件早期收缩变形与相同配合比混凝土的早期自由收缩变形进行比较,引入相对约束度并建立了混凝土板式构件早期收缩变形的预测模型,并验证了该模型的准确性,其特点是能预测高性能混凝土板式构件不同截面厚度位置的早期收缩变形,对控制混凝土桥梁板式结构的早期收缩裂缝具有实际意义。     

Simulation of Fatigue Stiffness Degradation in Prestressed Concrete Beams under Cyclic Loading

In order to investigate and research the fatigue cracking of prestressed concrete fatigue properties and loading and stiffness degeneration process,cyclic loading tests were carried out on six prestressed concrete beams and the stiffness degradation under fatigue was investigated. A simulation model of stiffness degradation is proposed based on the stiffness analysis of the fatigue-damaged section. The elastic modulus of damaged concrete and the effective residual area of steel were introduced as well as an adjusted three-stage concrete fatigue damage evolution model. The strip method was used to analyze concrete damage due to changing stress along the depth of the beam section. The simulation and test results were compared and a method of predicting fatigue deflection was presented based on the simulation model. The predicted results were compared with that of the neural network method. It is in good agreement for the simulation results with the test results. It is only less than 5% error for the simulation model which can reveal the two-stage degradation of prestressed concrete beams under cyclic loading. It is more precise for the simulation prediction method under proper conditions.