出租车成为警方流动哨

日前,江苏南通市公安局交巡警支队推出对出租车经营单位及其从业人员参与社会治安防范的6个运行机制和2个奖惩办法,使从事出租车营运的2646名驾驶员成为南通市区一支新型、流动的群众性治安巡防队伍和打击违法犯罪的"编外警察".     

BIM技术在深基坑设计项目中的应用

我国建筑行业的传统模式生产效率相对低下,随着近些年深基坑的深度和复杂程度不断扩大,对传统的设计模式提出了更高的要求。此时,以BIM技术为代表的建筑业新兴技术手段逐渐被应用与建筑行业的各个专业中。本文以小白楼项目为例,采用BIM技术在深基坑中的应用做出了初步探讨。     

浅谈有限元分析在舱盖计算中的应用

以7800DWT多用途船为例,按照船级社对舱盖强度计算的要求,应用有限元模型的计算分析软件对舱盖结构进行强度校核并优化设计。     

宝鸡铁路枢纽现状分析及规划设想

分析了宝鸡铁路枢纽现状及存在问题，提出了解决问题的途径并对枢纽总图方案及建设规划提出了自己的看法．     

舰船电力系统智能化发展趋势探究

随着舰船电力系统朝着下一代发展,其系统规模将越来越大、结构越来越复杂并且地位也越来越高。利用现代信息技术及智能理论全面提升舰船电力系统的发展水平成为了目前的迫切需求,而信息化、智能化也必将成为舰船电力系统未来的发展方向。该文从统一的数据交互标准、智能诊断与重构、三维可视化和信息安全等角度对舰船电力系统的智能化发展趋势进行分析和论述,对于其未来的发展具有一定的借鉴意义。     

基于潜变量增长曲线模型的糖尿病患者抑郁状况动态变化研究

目的 探索糖尿病患者抑郁状况动态变化规律,为实现糖尿病患者心理问题的早期发现和预警提供依据。方法 基于中国健康与养老追踪调查(China Health and Retirement Longitudinal Study,简称CHARLS)数据,通过倾向性得分匹配方法消除混杂因素,拟合线性增长模型、非线性二次增长模型和不定义曲线类型的增长模型。通过比较模型拟合效果来确定增长函数的最优解,建立合理的增长模型来发现糖尿病患者的抑郁发展变化。结果 共纳入样本有5 711例(非糖尿病组5 380例,糖尿病组331例),倾向性得分匹配后的样本有1 621例(非糖尿病组1 291例,糖尿病组330例),各混杂因素在两组之间均衡可比。通过拟合3种潜变量增长曲线模型,结果表明不定义曲线类型的增长模型较其他两种模型为较优模型。非糖尿病组和糖尿病组初始状况的平均抑郁评分分别为9.640和10.097,并且都存在显著的个体间差异。在追踪期内,两组的抑郁状况都呈现出先下降后上升的趋势,但是非糖尿病组的抑郁评分始终低于糖尿病组,同时两组的变化速度都不存在个体间差异,初始时抑郁评分的高低与后来的变化速度之间的相关性...     

成年人不同肥胖评价指标对高血压患病风险预测效果的比较

目的 比较体质量指数(BMI)、体脂率(BFP)、腰围(WC)、腰围身高比(WHtR)和内脏脂肪指数(VFI)5个肥胖评价指标及联合使用两类肥胖评价指标对高血压患病风险的预测能力。方法 基于“甘肃城乡自然人群队列建设与肿瘤随访研究”基线调查的数据,采用带有协变量的ROC曲线的曲线下面积(AUC)分析和比较单个肥胖评价指标和两类肥胖评价指标联合预测高血压患病风险的效果。结果 对20 079名成年人的分析显示,BMI、BFP、WC、WHtR和VFI预测高血压患病风险的AUC分别为0.636、0.604、0.615、0.614和0.619。一般性肥胖和中心性肥胖评价指标BMI和WC联合预测的AUC(0.643)大于单独预测效果最佳的BMI的AUC(0.636),但AUC仅增加1.09%。中心性肥胖评价指标WC、WHtR和VFI与一般性肥胖评价指标BFP联合的AUC均小于单独使用BMI的AUC。BMI预测高血压的切点值为24.2 kg/m2。结论 BMI预测高血压患病风险的效果优于BFP、WC、WHtR和VFI单独预测的效果,联合使用一般性肥胖和中心性肥胖评价指标的预测效果并不优于单独使用BM...     

智能船舶航线优化方法综述

为提升船舶轨迹异常检测的精度和效率,解决传统异常检测方法存在的特征表征能力有限、补偿精度不足、容易出现梯度消失、过拟合等问题,提出一种基于Transformer_LSTM编解码器模型的无监督船舶轨迹异常检测方法。

该方法基于编码器解码器架构,由Transformer_LSTM模块替代传统神经网络实现轨迹特征提取和轨迹重构;将Transformer嵌入LSTM的递归机制,结合循环单元和注意力机制,利用自注意力和交叉注意力实现对循环单元状态向量的计算,实现对长序列模型的有效构建;通过最小化重构输出和原始输入之间的差异,使模型学习一般轨迹的特征和运动模式,将重构误差大于异常阈值的轨迹判定为异常轨迹。

采用2021年1月的船舶AIS数据进行实验,结果表明,模型在准确率、精确率以及召回率上相较于LOF,DBSCAN,VAE,LSTM等经典模型有着明显提升;F₁分数相较于VAE_LSTM模型提升约8.11%。

该方法的异常检测性能在各项指标上显著优于传统算法,可有效、可靠地运用于海上船舶轨迹异常检测。