浅析金融支持低碳经济发展的必要性及措施——以三峡区域为例

低碳经济发展必需要有金融业的支持,金融支持低碳经济发展是推进发展方式转变的重要途径,是推进"两型"社会建设的现实需要,也是应对能源挑战的必然选择。必须构筑金融支持体系,完善金融政策,拓展融资渠道,增加资金投入,充分利用社会资金,构建低碳产业体系,加速发展碳汇产业,努力发挥碳汇潜力。     

支持向量机在船舶电力推进系统故障诊断中的应用

针对人工神经网络收敛速度慢、容易陷入局部最优解等不足,本文采用支持向量机技术建立船舶电力推进故障诊断系统。确定支持向量机的核函数和分类方法,结合训练样本,采用基于网格搜索的K重交叉验证法进行核函数的参数优化,从而得到支持向量机故障诊断模型。利用支持向量机工具箱函数,在MATLAB中进行故障诊断模型的仿真计算,结果表明基于支持向量机所建立的故障诊断模型有较强的诊断准确性和泛化推广能力,从而提高船舶的安全性。     

锚机和绞车地脚螺栓强度校核计算分析

为满足CRS规范对甲板机械地脚螺栓受力的要求,本文介绍了地脚螺栓连接方法的选择,并讨论了上浪载荷和支持负载在不同工况下锚机和绞车地脚螺栓的轴向载荷和横向载荷的计算方法。     

2014年新能源补贴标准下降 政策支持力度不减

<正>财政部、科技部、工业和信息化部、发展改革委等四部门日前发布《关于进一步做好新能源汽车推广应用工作的通知》,将纯电动乘用车、插电式混合动力(含增程式)乘用车、纯电动专用车、燃料电池汽车的补贴标准进行了调整。新的补贴标准为:2014年在2013年标准基础上下降5%,2015年在2013年标准基础上下降10%,从2014年1月1日起开始执行。     

基于支持向量机的多年冻土路基融沉变形预测

多年冻土路基热稳定性差,工后沉降量大,路基病害较为严重。如果能够准确预测该类路基的工后融沉值,就可为工程建设提供重要的参考依据,从而提高该类路基的路用性能。为此,在对现有预测模型应用效果分析的基础上,首次将支持向量机应用于多年冻土路基融沉变形的预测中,提出了一种有效可行的新型预测方法,并以实际工程为依托,构建了基于支持向量机原理的多年冻土路基融沉变形预测模型。通过与实测值及其它预测模型的对比分析表明：该模型在预测过程中有效的避免了“过拟合”及“维数灾难”,人为干预较少,具有预测精度高,泛化能力强,预测结果稳定的特点,成功的解决了多年冻土路基影响因素多,样本数量少等带来的预测难题。     

基于支持向量机的桁架桥可靠度评估

针对桁架桥结构极限状态方程一般难以显式表达的特点,提出基于支持向量机的桁架桥可靠度评估方法。通过抽样,采用桁架桥有限元计算,利用支持向量机的非线性映射和泛化能力,建立随机变量与结构响应之间的函数关系,模拟结构极限状态方程,采用优化算法计算桁架桥可靠指标。研究表明:该方法对于评估桁架桥可靠度具有较高的计算精度,但随车辆荷载随机变量的离散性增加,桁架桥的失效概率显著增大。     

以“三个注重”增强公交企业思想政治工作力度

如何在公交企业内把思想政治工作做活、做实、做出成效,是公交企业思想政治工作者必须思考和亟待解决的.结合近年来的工作实践,本人认为应以“三个注重”人手.     

一种基于TCM-SVDD的样本类别标注方法

船舶机械噪声源的识别是一个小样本条件下的模式识别问题,采用增量学习是解决此问题的一条有效途径。但在进行增量学习以前,必须对新增样本的类别进行有效识别。为有效识别新增样本的类别,提出一种新的TCM-SVDD方法。首先,通过支持向量数据描述（SVDD）方法获得训练样本与新增样本的拉格朗日乘子;然后,将其作为该样本的奇异值代入直推置信机（TCM）中,估计新增样本属于不同类别的置信度,并将其与预设的置信水平进行比较;最后,剔除新增样本中的异类样本,实现增量学习。试验结果表明,该方法能快速、准确地识别异类模式样本,对训练样本集中混有少量异类模式样本的情况不敏感,而且可以控制对异类样本的检测准确率,自动化程度高。     

电动汽车用感应电机的最小二乘支持向量机逆控制EI北大核心CSCD

针对电动汽车驱动用感应电机采用常规PI控制时转速波动较大、调节器参数调节困难等问题,提出了一种基于最小二乘支持向量机(LSSVM)的电动汽车感应电机逆控制法。首先建立了电动汽车驱动用感应电机的数学模型,并证明其可逆。然后利用LSSVM建立感应电机的逆模型,并通过改进的粒子群算法优化LSSVM的参数,将该逆模型串联在原系统中而得到伪线性系统,最后设计线性闭环调节器实现高性能控制。仿真结果表明,与常规PI控制相比,采用LSSVM逆控制时转速跟踪精度显著提高,系统具有较强的鲁棒性。     

基于GPS轨迹数据的不同交通状态下交通方式识别流程优化方法

基于GPS轨迹数据的交通调查技术能够有效弥补传统居民出行调查方式的不足，该技术在高峰拥堵时段的交通方式识别效果有待进一步研究.针对公交车和小汽车识别精度较低的问题，本文提出基于支持向量机(SVM)的流程优化方法，加入基于短时傅里叶变换 (STFT)的频域属性，利用遗传算法(GA)对SVM的惩罚系数和核参数进行联合优化，评估不同交通状态下交通方式和方式转换点的识别效果.结果表明：频域属性的加入能够有效提升交通方式识别精度，在道路畅通状态和一般拥堵状态下，交通方式和方式转换点的识别效果均较为理想；在严重拥堵状态下，机动化方式易与非机动化方式相混淆，方式转换点最大识别误差在13 min以内，相比于基于主观回忆的人工问卷调查方式仍具有参考性.