一种在异构数据库中进行查询的方法研究

阐述了如何利用VisualC++与数据库系统连接和可视化编程的强大功能，实现异构数据库中 的数据库集成，直接查询的方法，该方法为用户提供了可视化界面，完成了目前常用几种数据库(SQL- SERVER，fOxpro，Access，Excel)的两两转换和查询。     

装配式部分预应力混凝土小箱梁发展历程

经历了20多年的推广、发展、应用和完善,装配式部分预制小箱梁在我国公路建设方面取到不小作用,在以后还会作为预制结构在公路和市政桥梁上大量应用。对小箱梁的发展历程进行简单的介绍以及对小箱梁的几次改版的比较和认识,有关经验可供相关专业人员参考。     

船艇变频恒压供水系统应用分析

对变频调速技术在船艇供水系统上的运用进行可行性分析,通过对船艇变频恒压供水系统的研究和设计,阐述了船艇变频恒压供水系统的组成、运行原理及运行效益.     

2009年美国国际贸易海运

根据美国联邦政府2009年国际贸易海运统计数据，对美国国际贸易海运的发展，尤其是中关之间的海运发展情况进行分析，认为尽管金融危机正逐渐消退，但其对国际贸易和全球实体经济的影响一时难以消除，因此中美之间的贸易和海运状况难以在2010年全面恢复至危机前水平。     

柔性基座上隔振系统的能量分析

针对船用基座特点,建立起柔性基座上隔振系统的数学模型,利用该模型并采用振动功率流法对隔振系统进行计算,得到振动流规律.     

地铁车辆直通电空制动装置风源系统设计

通过对地铁车辆直通电空制动系统中风源系统的原理分析和参数计算,为地铁车辆制动系统的设计研究提供理论依据。     

基于MSE与PSO-SVM的机车轮对轴承智能诊断方法

针对DF4型内燃机车轮对轴承单一和复合故障在内的7种不同健康状态的识别问题,提出了一种基于多尺度熵(Multiscale Entropy,MSE)和粒子群优化支持向量机(PSO-SVM)的机车轮对轴承故障识别方法.计算轴承不同健康状态下振动信号在多个尺度上的样本熵构成MSE特征向量,利用PSO-SVM识别轴承所属故障类型及故障程度.收集了DF4型内燃机车包含单一和复合故障在内的7种不同健康状态的轮对轴承试件,在南昌机务段的JL-501机车轴承检测台上采集了各轴承试件的振动信号样本.实验数据分析结果表明,MSE的特征提取效果优于多尺度近似熵(Multiscale Approximate Entropy,MAE)和小波包分解,PSO-SVM的故障识别效果优于参数不经优化的SVM和参数网格寻优法的Grid-SVM.本文方法能够有效诊断机车轮对轴承的不同故障,为提高机务段检测机车轮对轴承故障的精度提供了一种有效的方法.     

水泥剂量滴定试验影响因素分析

为研究水泥稳定碎石运用EDTA(乙二酸四乙酸二钠)滴定法测定水泥含量的影响因素,进行了不同版本试验方法、不同测定时间、不同混合料含水量等对水泥含量结果的影响。试验研究结果表明:试验操作过程中需严格按照2009年出版规范要求的溶液加入顺序和静置时间,方能使试验结果精确、可靠;对超出水泥终凝时间,EDTA滴定法测定水泥稳定碎石中水泥剂量需作龄期效应校正;标准曲线的制定过程必须与现场的施工情况相吻合,且标准曲线的过筛尺寸要和滴定试验的过筛尺寸相一致;在同一标准曲线下,滴定测得的水泥剂量随着混合料含水量的增大而减小。     

考虑偏好差异的后疫情时代居民出行方式选择行为研究

为探究后疫情时代居民出行方式选择行为，运用选择实验的方法，基于问卷调查获得选择行为数据，构建出行方式选择的混合Logit模型和潜在类别条件Logit模型。采用Stata软件标定模型参数，得到后疫情时代影响居民出行方式选择的主要因素。结果表明，两种模型均体现了个体出行方式选择的异质性，潜在类别条件Logit模型与混合Logit模型相比拟合优度提高了13%， 预测精度提高了3.03%，为突发公共卫生事件下分析出行行为的个体异质性提供了一种有效工具。潜在类别条件Logit模型根据居民所处低、中风险区两种情景，分别将居民划分为4类、5类人 群。从出行方式属性上看，等待时间和在途时间成为居民选择出行方式最重要的影响因素。从个人社会经济属性上看，在后疫情时代收入更高的女性更倾向选择私家车出行，年龄越大对行程费用越敏感，男性更愿意选择公交、地铁出行。     

基于梯度关联规则的老年行人交通事故风险识别

为构建老年行人交通事故严重程度风险关联因素识别方法体系，本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori，XGB-Apriori)识别城市道路老年行人交通事故风险因子。运用机器学习优化关联规则算法结构，通过机器学习库 scikit-learn 中 XGBoost (Extreme Gradient Boost)算法与SFM(Select From Model)特征选择类功能实现变量特征值的选择。进而，对Apriori算法设置有序定向约束，得到适用于交通事故致因分析的数据挖掘技术。通过逐层迭代识别关联项，选取频繁项集，总结高置信度、高提升度的关联规则。关联因素模型评估结果表明，本文采用的SFM功能准确度可达78.31%，关联规则XGB-Apriori算法较传统算法精度提升了91%。挖掘结果显示，驾驶员与行人的自身特征、车辆特征、碰撞状态以及道路特征均对老年行人交通事故的严重程度具有重要影响。其中，男性驾驶员造成的行人死亡事故频次较高，女性驾驶员造成的受伤事故频次较高；大型、重型车辆(SUV、卡车、施工车)发生死亡事故频次相对小轿车更高；位于匝道等道路线型弯曲的坡道中，老年行人发生致死交通事故的频次相对线型缓和路段更高。本文对老年行人交通事故耦合因素全面识别并针对性提出风险防控精准预判方法，为有效保护道路弱势群体提供必要的理论支持。