机器学习在道路工程领域的应用研究进展

道路工程是国民经济发展的重要公共基础设施之一,机器学习是提高道路工程领域数字化、自动化和智能化的重要方法.为全面了解机器学习在道路工程领域的发展及应用,在阐述机器学习基本理论的基础上,分析机器学习在道路工程材料、设计、施工、运维和预测方面的研究现状.研究表明,道路工程领域已开展了不少机器学习研究,但道路工程各方面机器学习智能化发展存在不足,实际应用存在一定局限性;未来发展需深入探索大数据、深度学习、神经网络等智能技术在道路工程全生命周期的融合,促进道路工程领域机器学习等智能研究发展.     

阿德兰启发式算法在CNG加气站选址中的应用

随着CNG加气站建设的蓬勃发展,其规划选址问题也日益突出。以CNG加气站规划选址进程图为框架,分析CNG加气站规划选址的原则及影响因素,并制定合理的评价指标体系。最后,提出用阿德兰启发式算法计算客户加气成本的选址方法。     

基于机器学习的轴承故障分类方法研究

针对传统轴承故障诊断方法需要人为提取故障特征及依赖专家经验的问题,提出一种端到端的轴承故障诊断方法。将归一化的振动信号转换为二维图片,对图片分别进行均值滤波、高斯滤波、中值滤波和双边滤波的降噪预处理对比,最后选定中值滤波降噪方法。在改进LeNet-5模型的基础上,通过超参数设置,对全寿命轴承数据进行分类试验,平均精度达到97%,交叉熵损失达到0.06,分类效果明显。     

基于AHP算法的高职院校信息化效能评估体系研究

高职院校信息化效能评估体系研究还处于起步阶段,相应的评估方法、模型的建立,没有现成的经验可借鉴。针对高职院校信息化应用系统涉及面广、应用服务群体类型众多的特点,影响高职院校信息化效能的要素多元化,因此采用"多因素分析和多层次递进修正"的设计方法,研究构建高职院校信息化效能评估体系总体框架,并运用层次分析法(AHP)对建立的评估体系进行综合评估。     

CAD技术应用的效益评价指标与评估算法

通过ＣＡＤ应用需要指标,ＣＡＤ支撑功能满足度,应用ＣＡＤ的成本降低率及其投资效益来正确评价应用ＣＡＤ技术的经济效益,并建立了相应的评估算法。有利于ＣＡＤ技术的推广和应用效果的定量测评。     

基于机器学习的独柱墩桥梁抗倾覆性能研究

为探究机器学习算法在独柱墩桥梁抗倾覆性能研究中的应用思路和方法,介绍了独柱墩桥梁抗倾覆稳定性的研究现状,对比不同机器学习算法的特点和适用性,并介绍贝叶斯模型算法的原理及计算机程序实现步骤,编制用于预测桥梁抗倾覆稳定性系数的Python语言程序。依托独柱墩桥梁实际项目,对基于贝叶斯模型的独柱墩桥梁抗倾覆稳定性系数预测程序进行训练和测试,结果表明该方法具有可行性。研究旨在充分挖掘既有独柱墩桥梁抗倾覆验算结果的价值,为独柱墩桥梁的合理设计、既有独柱墩桥梁抗倾覆稳定性的快速判断提供数据参考。     

基于MSR算法的公路隧道围岩分级方法

隧道围岩分级是隧道设计与施工的基础,直接影响隧道安全与运行。为实现对隧道围岩进行快速、准确地分级,基于机器学习中softmax回归线性分类模型,构建多分类softmax回归分级方法（MSR）。首先,综合考虑岩石坚硬程度、岩体完整程度、结构面产状、地下水状况、节理风化状况及初始地应力状态6项分级指标,并对其进行量化;其次,采用argmax函数作为决策函数,建立多分类器;然后,给定专家修正训练样本,利用python语言编写程序,学习最优判别函数,同时比较不同学习率下模型的精度;最后,导入测试集数据,经过模型自动演算,得出合理的围岩分级结果。结合那丘隧道BQ法对围岩进行分级。研究结果表明：(1)该算法具有可行性和较高的准确率,证实了将机器学习应用到隧道工程中可以提高工程施工效率;(2)与二分类器相比,多分类器能更好地解决围岩分级问题;(3)当学习率为0.01时,模型的分类性能最佳。     

基于类选的电子证据评估算法

随着电子技术和互联网技术的发展和广泛应用,涉及电子证据的犯罪案件与日俱增.由于存储技术的迅速发展,取证人员往往无法在限定时间内完成对大容量存储介质的取证工作,针对这种取证时间和设备不足以应对取证需求的困境,本文借鉴军事医疗类选的思想设计了电子证据评估算法,根据案情对电子证据进行价值评估,然后根据证据价值大小决定取证顺序,以此提高电子取证的工作效率.     

影响线加载算法的改进

本文介绍了一种简捷的桥梁影响线加载算法。利用该法可减少编程工作量,提高计算结果准确性。     

基于机器学习的RC桥梁病害检测方法

针对现有桥梁检测中人工判别病害工作量大、效率低的问题,以钢筋混凝土(RC)桥梁为对象,阐述了机器学习在RC桥梁病害检测中的应用。从现有桥梁病害检测方法、机器学习方法、机器学习在RC桥梁中的应用进展三个方面进行研究,结果表明,基于深度学习的病害检测方法能够自动从病害图像中提取特征,实现病害的分类和定位,提供了一种病害自动化检测场景,有利于桥梁智能化管养。     

有轨电车的法律规制研究

近年来,随着我国社会经济不断发展,国家越来越重视绿色出行环境建设,现代有轨电车作为一种重获新生的城市轨道交通方式呈现出迅猛发展的势头,在城市交通中占据着越来越重要的位置。然而有轨电车在带给市民便捷出行的同时,也带来了交通安全隐患。为科学、合理、高效地对有轨电车进行管理,保证其安全运行,本文从法律规制角度对有轨电车进行分析研究,指出存在的问题和不足,并提出健全完善有轨电车法律规制的对策和建议。     

基于机器学习的交通流预测方法综述

通过文献梳理、专家访谈和试验场景构建等方法,分析了道路指定断面和区域路网宏观交通流预测的国内外研究现状和发展趋势,归纳了局部断面交通流预测方法,包括传统机器学习、递归神经网络和混合模型,分析了卷积神经网络、图神经网络和融合多因素网络的特点,阐述了方法的原理、优势、局限性和应用场景,总结了现有场景交通数据集类别,从采样周期与采集方式角度归纳了国内外主流交通数据集。分析结果表明：递归神经网络可以有效获取交通数据的历史规律,但存在梯度爆炸、计算复杂度高、长时预测准确度不佳等问题;图神经网络针对路网拓扑连接关系引入了图结构,在考虑路网和交通流数据的时空相关性上具有明显优势;融合多因素网络充分考虑天气、道路、事故等内外部因素的影响,有效提升了交通流预测的实时性和鲁棒性;由于交通数据采集困难、外部因素影响难以量化、机器学习方法可解释性差等原因,交通流预测方法的改进受到了限制;未来应从交通信息有效挖掘和图卷积方法完善两方面入手,拓宽图结构在交通领域的应用和考虑非常态交通场景,进一步揭示交通数据的内在规律,开发更准确、高效的交通流预测方法,推动交通流预测在工业界的落地应用。     

极大熵聚类算法的收敛性定理

讨论了极大熵聚类算法的收敛性，构造了极大熵聚类算法的收敛点集，并证明了极大熵聚类算法的收敛性定理．结果表明，极大熵聚类算法不一定收敛到局部极小点，有时收敛到鞍点．同时，也给出了如何判断极大熵聚类算法的收敛点是局部极小点还是鞍点的方法。     

小置信范围下指示函数的沃尔什逼近

讨论了基于统计学习理论中满足较小置信范围时,采用沃尔什函数逼近机器学习响应函数,从而在结构风险最小化原则条件下使风险泛函最小,保证了小样本环境下机器学习的误差最小,并且获得较好的学习推广能力.     

结合概率搜索定界的入度统计最短路径算法

Dijkstra 经典最短路径算法包括大量的排序运算,且需要对图中所有顶点进行计算,效率较低.本文针对有向网络,提出了与概率搜索定界结合的入度统计最短路径算法.该算法通过按概率搜索得到一条较短路径,依据路径长度和有向网络结构特征确定和顶点序号相关的节点阻抗最大值;采用入度统计算法代替经典的标号算法,在计算过程中根据节点阻抗最大值,采取一定方式剔除无效顶点(不在最短路径内的顶点),简化网络结构.本文提出的算法不需要进行排序运算,简化了运算过程,并且可以剔除大量的无效顶点,降低了网络复杂度.算例分析表明,相对于Dijkstra算法,结合概率搜索定界的入度统计算法大幅度提高了运算效率,具有实用性.     

网络隐私权及其法律保护

计算机网络对隐私权的侵犯日益加重,对网络隐私权的提出及其法律保护的探讨有其迫切的需要.本文指出网络不但具有开放性、交互性,而且具有＂记录性＂;并给出了网络隐私权的主要内涵定义和网络环境中隐私权的独有客体,分析了国外在网络隐私权保护方面有代表性的国家的保护情况和我国保护网络隐私权的状况,提出了我国对网络隐私权进行保护的设想.     

启发式搜索和机器学习在港区单路口交通控制的应用研究

主要运用启发式搜索和机器学习研究港区单路口交通控制。首先将港区路口交通流状态表征为两个状态变量,然后建立了港区单路口交通控制的启发式搜索和机器学习模型,并运用模型对双向车流不对称、双向车流对称和交通流动特性随时间变化的港区单路口进行仿真实验。     

论缔约过失责任的法律规制

缔约过失责任 ,对于保护交易安全 ,维护合同当事人的合法权益具有十分重要的意义 ,本文着重就缔约过失责任性质及成立要件加以分析和探讨 ,阐述对上述内容的基本观点。     

机器学习在磁记忆无损检测领域的应用及展望

磁记忆检测作为一种新兴的无损检测技术,具有快速、便捷地检测应力集中和微观缺陷的优点,而机器学习具有强大的学习能力和自适应能力,适用于磁记忆检测产生的大量非线性数据的处理。主要综述了机器学习算法在磁记忆无损检测领域的应用现状,考虑将机器学习应用于桥梁内部钢筋损伤的磁记忆检测当中,最终展望了机器学习在此领域的发展趋势。结果表明：以支持向量机、神经网络、聚类算法为代表的各种机器学习算法目前在磁记忆检测中得到了广泛应用,主要用于各类钢试件缺陷的损伤等级评估和缺陷尺寸反演,在桥梁钢筋损伤的磁记忆检测中尚无相关应用;单一算法具有较大的局限性,多种算法结合可以提高预测准确率;要实现磁记忆在桥梁结构内部钢筋损伤检测中的突破发展,需进一步考虑复杂结构和检测环境,结合机器学习算法建立各类影响因素与磁信号之间的关系模型,机器学习中的回归算法也可进一步应用到缺陷程度的评估当中。