水流作用下混凝土表面剪切力及其冲磨特性的试验研究

为了获得水流作用下混凝土表面剪切力和抗冲磨强度的变化规律,以水泥砂浆替代混凝土,设计制备环形试件作为研究对象,将一部分试件浸入1 mol/L的氯化铵溶液浸泡,以得到表层具有不同溶蚀程度的环形试件,再利用自主设计的水流冲刷试验装置,开展试件在不同条件下的水流冲刷试验,分析水流流速、含砂率和溶蚀程度等参数对试件表面剪切力的影响以及试件抗冲磨强度的变化。结果表明：水泥砂浆试件表面剪切力随流速和含砂率的增大而增大,且与流速的1.70次方成正比;溶蚀后试件的表面剪切力比未溶蚀试件有明显增加,随着溶蚀程度的提高,试件表面剪切力也有一定增加;试件抗冲磨强度随着溶蚀程度和冲刷流速的增大而降低。     

基于卷积神经网络和Adaboost的心脏病预测模型

借助计算机技术，使用年龄、性别等基本特征预测心脏病的易感性，对心脏病的早期预测和防治具有重要意义。针对基于机器学习的心脏病预测模型准确率不高的问题，提出一种基于卷积神经网络（CNN）和Adaboost的心脏病预测模型CNN-Adaboost。首先，对原始数据进行预处理，结合特征相关性与特征组合算法融合两两属性特征，并升维数据，使各属性特征充分融合；然后，通过CNN进行充分的特征提取；最后，结合Adaboost机器学习算法建立心脏病预测模型。UCI数据集上的测试结果表明，CNN-Adaboost预测模型优于K近邻（KNN）等传统机器学习模型和K近邻-随机森林（KNN-RF）等优化模型，准确率、AUC、查准率和查全率可达到0.917、0.95、0.924与0.85。CNN-Adaboost模型具有良好的分类效果，能为医患人员进行心脏病预测与预防提供帮助。