西部山区公路建设对生态环境的影响及防护措施

文章主要结合西部某高速公路建设项目,根据山区公路建设的工程及地形特点,分析讨论了公路项目对沿线植被的破坏、水土流失,对大气、水体和声环境的影响,以及隧道工程的生态影响等。并结合高速公路的建设特点,提出阶段性防护措施。     

国外水下无人装备研究现状及发展趋势

复杂的水文和海洋环境决定了水下是难以掌控的作战空间,也是世界军事强国竞相争夺的重要战略领域.随着新型水下作战概念的深化和水下无人技术的发展,水下无人装备在军、民、科研等方面迅速发展.为继续保持水下优势,美海军积极推进水下无人航行器军用化、体系化发展,加速全球水下监听、监视系统构建、加强战略前沿水下预置装备部署.本文综述国外在UUV、水下预置装备、水下监听网络等水下无人装备方面的发展规划,分析国外研究进展并总结发展趋势,为我国开展水下无人装备研究提供借鉴.     

浅谈高速公路缓和曲线长度的确定

研究了高速公路缓和曲线长度的确定方法。     

FMEA技术的应用

介绍ＦＭＥＡ的概念，以及应用它的目的和原因，文中较详细地描述了开展产品制造过程ＦＭＥＡ的实施程序，步骤和注意事项，给出了缺陷后果及严重性，缺陷原因分析及发生率，等评价指标，并用综合指标ＲＰＺ－风险优先指数加以终结。     

石油化工行业消防装备的发展现状

正0引言石油化工企业凭借其在国家能源行业中的特殊地位,长期以来对中国经济有着举足轻重的影响,但是由于石化生产工艺技术复杂,运行条件苛刻,易出现突发灾难性事故,一旦发生火灾,火情复杂,常伴随轰燃、爆炸、毒气、腐蚀和污染,灭火难度大,因此消防装备配备是否合适将直接影响到国家和人民的生命财产安全。本文主要通过消防车的状况来介绍石油化工行业装备的发展现状,有助于提高处理火灾的能力与效率。     

风电运维船发展现状及其典型船型水动力性能优化

对国内外风电运维船的发展现状进行调研。在此基础上,聚焦风电运维船的船型开发,结合风电运维船特定的作业环境和工作要求,设计3种典型船型,分别对其阻力和耐波性能开展数值仿真研究。结合工程应用实际对这3种船型中的某种船型开展线型优化设计,并通过水池模型试验验证优化效果的可信度,为风电运维船的总体性能设计和优化提供技术支撑。     

广东航标监测系统战略规划和技术构想

分析广东内河航标存在的主要问题，结合实际，在进行深入、系统研究的基础上，提出了广东航标监测系统建设的目标、原则、战略步骤，对系统的技术构想和拟实现的功能进行了探讨，以期对广东航标监测系统的建设起到一定的促进作用。     

高陡边坡下隧道洞口区稳定性研究

为研究隧道开挖工法对高陡边坡下隧道洞口区稳定性的影响,文章依托某实际隧道工程,采用FLAC3D软件建立了相应的三维模型,对三台阶法、环形预留核心土法和CRD法开挖施工进行模拟分析,并与现场监测结果进行对比,得到如下结论:(1)对比三种工法开挖时隧道围岩和边坡变形可知,CRD法为最适宜,采用该工法开挖隧道时,洞口区围岩和边坡变形最小;(2)数值模拟所得围岩及边坡变形变化规律与现场监测结果基本一致,故采用数值法进行隧道施工优化具有一定的可行性;(3)为减少隧道开挖对洞口区边坡的影响,采用CRD法进行隧道开挖,结合锚索预加固可有效提高边坡稳定性。     

Online sequential extreme learning machine based multilayer perception with output self feedback for time series prediction

This study presents a time series prediction model with output self feedback which is implemented based on online sequential extreme learning machine. The output variables derived from multilayer perception can feedback to the network input layer to create a temporal relation between the current node inputs and the lagged node outputs while overcoming the limitation of memory which is a vital part for any time-series prediction application. The model can overcome the static prediction problem with most time series prediction models and can effectively cope with the dynamic properties of time series data. A linear and a nonlinear forecasting algorithms based on online extreme learning machine are proposed to implement the output feedback forecasting model. They are both recursive estimator and have two distinct phases: Predict and Update. The proposed model was tested against different kinds of time series data and the results indicate that the model outperforms the original static model without feedback.