我国港口类上市公司融资浅析

港口码头建设的资金需求量大,投资回收期长,仅仅依靠国家财政资助和港务局自身财力是无法解决的,因此,港口企业需要通过有效的融资渠道进行资金筹集.本文通过对目前我国港口类企业上市公司融资情况的研究,阐明股市融资是促进港口跨越式发展的重要途径.     

PWM技术在音频放大器中的应用

文章介绍了基于PWM技术的音频D类功率放大器原理和专用IC的结构、功能特性。所设计的D类音频功率放大器效率达到88％，失真度小于0．5％(THD N)，具有优良的品质，是音频功放的发展方向。     

巫奉高速滑坡危险性的灰色聚类评价

灰色聚类决策问题是根据若干指标将一些研究对象进行分类的问题。由于巫奉高速沿线地质条件复杂．造成沿线滑坡岩土体的结构与物理力学性质表现出不连续性和高度的非线性等特点。在危险性综合评估中，把公路沿线滑坡的地质环境条件作为一个灰色系统进行研究，找到对滑坡稳定性起主导作用的因素，用灰色聚类法进行危险性等级的评价。     

滨海盐渍地区抗强侵蚀混凝土的研究与应用

滨海盐渍地区地质层系海泥长期淤填而成 ,由于海水中的盐类长期渗透积蓄 ,其地下水中的各种侵蚀性化学成份含量均远超过海水 ,从而对混凝土的腐蚀破坏程度亦远较海水剧烈。文章结合朔黄铁路跨沧黄铁路特大桥桥梁墩台及钻孔桩混凝土工程必须跨越河北黄骅盐渍地强腐蚀地段的工程实例 ,研究抗侵蚀混凝土的技术成果 ,以及在该工程中的应用效果。     

长沙理工大学桥梁与结构工程学院

长沙理工大学桥梁与结构工程学院设有土木工程(桥梁工程、建筑工程、岩土工程、隧道与地下工程方向)和工程力学两个本科专业以及桥梁与隧道工程学科博士学位点、桥梁与隧道工程、结构工程、岩土工程、工程力学四个硕士学位点,并已具有同等学力硕士学位和工程硕士学位授予资格。该院现有教职工126人,其中教授15人,副教授40人,具有博士学位者16人,有一支理论功底深厚、学术作风严谨、工程实践经验丰富的师资队伍。该院下设工程力学、结构力学、桥梁工程、工程结构、施工技术与管理、岩土工程和隧道与地下工程七个教研室；结构试验和工程力学两大实验中心以及岩土工程实验室桥梁工程、结构工程、岩土工程等研究所以及土木工程结构检测试验中心。拥有一个省级重点学科,一个省级重点实验室,一个省级示范实验室和一个国家与地方共建实验室。近年来,该院的四大学科承担了大量的科研任务,获得省部级科技进步奖17项,湖南省优秀教学成果奖7项,公开出版专著与教材16本,发表论文400余篇。桥梁与隧道工程学科在桥梁结构可靠度理论与优化设计、桥梁结构分析与工程控制、桥梁结构理论与新技术新工艺等方面的研究处于国内先进水平,取得了一批高水平的成果。结构工程学科在钢筋混凝土结构、配筋砌体结构、钢结构等学术领域已形成特色,正在跻身国内先进水平的行列。岩土工程学科以隧道与地下工程、土力学与地基基础、边坡稳定分析与加固等为研究方向,近几年承担了国家、省自然科学基金等项目30余项。工程力学学科在断裂理论和应用、振动理论及其工程应用等方面进行了较深入的研究,具有一定的特色。     

第二届中国交通土建工程学术交流会将在西南交通大学召开

由中国铁道学会、中国土木工程学会、茅以升科技教育基金委员会、西南交通大学主办的“第二届中国交通土建工程学术交流会”将于2006年5月16日-17日在成都西南交通大学召开。     

一种改进的基于密度和网格的高维聚类算法

提出了一种改进的基于密度和网格的高维聚类算法,并对算法有效性进行了验证.该算法通过减少样本点数量的方法达到减少稠密子空间数量.在发现高维稠密子空间时,对样本库进行精简.这些样本点的求得能有效减少求解最小聚类的时间复杂度.     

模糊C-均值聚类算法及其在船舶故障诊断中的应用

船舶设备故障的早期诊断和预测,对船舶的安全运行具有非常重要的意义。由于船舶设备繁多,运行环境特殊,各种设备的故障症状与故障原因之间的关系十分复杂,致使传统诊断方法在实际应用中效果不理想。因此,研究采用模糊C-均值聚类算法来实现船舶故障的诊断乃是非常必要的。将被诊断对象间故障和症状的特征通过建立模糊关系矩阵进行故障分类,用当前所得的故障征兆群与过去该设备故障征兆结果相对照,找出最相似的结果,从而确定其故障。通过船舶主机轴系诊断的实例,证明了该方法的有效性。     

基于UWB定位的邮轮乘员伴随关系发现算法

准确发现邮轮内部空间乘客之间的伴随关系, 在室内环境安装UWB定位设备开展室内人员定位实验。根据UWB定位的位置数据特点, 提出结合室内位置语义的Hausdorff-DBSCAN算法以聚类邮轮乘员轨迹, 并利用LSTM神经网络对疑似伴随关系对象进行相似度变化趋势的预测。传统的Hausdorff算法在计算轨迹相似度时未考虑轨迹时序一致的问题, 引入位置语义序列能够较好地解决这个问题。改进后的Hausdorff-DBSCAN算法的输入为乘员轨迹数据集, 根据轨迹整体相似度阈值选定聚类半径, 输出具有伴随关系的乘员轨迹聚类结果; LSTM神经网络以定长时间窗口的点邻近度序列为输入, 预测后1个时刻点邻近度值, 结合轨迹相似度阈值和预测结果分析乘员伴随关系的时序变化。利用Anylogic建模单层邮轮室内环境进行乘员仿真得到的轨迹数据验证算法的有效性。改进的Hausdorff-DBSCAN算法的准确率为0.920, 召回率为0.950, F₁值为0.934, 准确率高出对比算法至少5.7%, 召回率高出对比算法至少8.0%, F1值高出对比算法至少6.7%。同时LSTM在预测邮轮乘员之间相似度变化时, 收敛后的误差值能保持在3%~4%左右, 预测结果具有较高的准确性。