基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。     

非线性非保守系统的近似Birkhoffian化

研究了非线性非保守动力学系统的近似Birkhoffian化.基于等效线性化方法,通过平方误差累积最优原理,给出了非线性非保守系统的等效线性化系统.运用Santilli第一方法,得到Birkhoff函数为系统总能量的近似Birkhoff系统.最后,应用文中提出的方法,给出了两类非线性非保守系统的近似Birkhoffian方程.     

非稳态振动信号的积分算法研究

研究了基于高通滤波的时域积分和频域积分算法对锤击法模态试验加速度响应信号和旋转机械NVH常规测试中升降过程加速度信号的适用性,分别用仿真线性系统脉冲响应函数和线性变频函数模拟2种加速度信号,并应用2种算法进行处理。仿真结果表明,利用加速度信号的频谱有助于确定2种算法中滤波所需的截止频率,且频域积分法在波形的保真度和相位的准确性上都比时域积分法要好。最后给出了频域算法用于实测信号的例子,积分后的信号在零线附近波动,可用于工程中作为真实速度或位移信号的近似。     

突发公共卫生事件下公交调度时刻表优化方法研究

在新冠疫情等突发公共卫生事件下,公交调度在保障出行的同时如何应对疫情防控要求是一个新的课题,本文分析了公交车内环境特点、防控措施等影响病毒传播的主要因素,基于SEIR传染病模型,以降低病毒传播风险和社会经济运行损失为目标,考虑疫情期间乘客出行需求和公交企业提供服务水平相匹配,在乘客满载率不超过安全阈值、发车时间间隔等约束条件下,构建突发公共卫生事件下公交发车时间间隔非线性规划模型.使用matlab求解该模型,并结合实例予以验证,为公交企业在突发公共卫生事件下的发车时刻表编制提供理论依据.     

车辆非燃油碳氢化合物散发研究

本文结合车辆非燃油整车、系统及部件的碳氢化合物试验结果，发现目前乘用车非燃油碳氢化合物的散发总量已达到目前国家限值标准的43%。并且部件、系统与整车三者的试验结果之间存在一定的关系，通过对部件碳氢化合物的有效管理可以最终使整车持续达标。目前行业并没有统一的部件级碳氢化合物测试标准，建议国家在未来制定相关测试标准，引导行业正向发展。     

降雨条件下高速公路短时行程时间预测研究

为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间.并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型.该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度.选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测.结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0 .98 ,平均绝对百分误差1 .99% ;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3 .40% 和2 .60% ,且拟合程度不如组合预测模型.      

长江南京以下12.5 m深水航道二期工程初步效益分析

为科学评价长江南京以下12. 5 m深水航道二期工程的实施效果,通过运输经济模型、投入产出法、重力模型等研究方法,全面分析工程的经济、社会、宏观、环境效益。结果表明,长江南京以下12. 5 m深水航道工程实施以来,已经取得了显著降低物流成本、带动区域经济增长、新增就业岗位、拉动财政收入增长、促进沿江地区节能减排等实际效益,工程的战略意义得到充分体现。