一种改进K-means模型的城市轨道交通突发事件分级方法

针对城市轨道交通事件量化分级的难题,本文提出了一种改进的 K-means聚类的突发事件分级方法.首先,从事件类型、持续时间、影响程度等方面分析各种类型事件的特征规律,提取 8个关键特征量用于聚类分析;其次,应用主成分分析法提取 4个主成分变量并提出权重系数计算方法,实现特征向量降维;提出了基于密度扫描的初始聚类中心确定方法,并将改进的 K-means聚类算法应用于地铁突发事件的分级.案例结果表明,与原始 K-means聚类方法对比,应用本文提出的改进方法聚类效果更佳.研究成果已应用于北京地铁应急指挥系统,验证了本文方法的可行性.     

磁珠固定多抗预测最大吸附活性识别阳性突变体

目的考察磁珠固定多抗吸附细胞裂解液中酶/突变体,分析吸附酶活性对样品蛋白量响应曲线预测最大吸附活性(Vs)用于比较识别阳性突变体的可靠性。方法纯化重组表达大肠杆菌碱性磷酸酶(ECAP)及绿脓杆菌芳香硫酸酯酶(PAAS)为免疫原;兔抗血清用33%硫酸铵分级和DEAE-纤维素层析纯化得多抗。磁珠羧基活化后固定多抗;用对硝基酚显色底物,碱终止后测定405nm吸收增量反映酶活性;分析吸附响应曲线预测Vs。结果多抗磁珠吸附酶的容量约2.0mg/g磁珠。ECAP比活性超过PAAS比活性70倍。ECAP突变体R168K较野生型比活性提高约50%,用2.5μg多抗磁珠反应10min即可预测Vs识别此阳性突变体;用PAAS突变体G138S为起始酶,用10μg多抗磁珠测定吸附酶反应20min后吸收预测Vs,能识别活性提高20%以上的PAAS弱阳性突变体。结论只要被吸附酶活性能可靠测定,优化磁珠固定多抗的用量能预测低活性酶/突变体Vs进行比较识别阳性突变体。     

USCG公布压载水规则

美国海岸警卫队（USCG）发布的压载水规则正如船东代表所期望的那样严格按照IMO制定的相关标准，3月23日发布的这一规则将要求船东在排出的压载水中每立方米要少于10种50微米大小的活性物种。2014年1月1日或2016年1月1日以后，船舶首次进入干船坞期间．     

路面基层与面层废旧料泡沫沥青复合冷再生研究

通过对基层与面层原材料分析与级配设计,确定最佳含水率与最佳沥青用量,并进行车辙试验、低温弯曲试验、冻融试验评价掺加基层废旧料的复合冷再生混合料性能。     

多指标评估体系的主成分分析及应用实例

以地区限额以上工业主要评价指标体系为例，讨论了主成分分析在多指标评估体系中的应用，显示了主成分分析在简化指标体系、突出主要因素方面的作用。     

石料SiO2含量对沥青混合料水稳定性的影响

石料的酸碱性直接影响到沥青混合料的水稳定性,如果石料选择不当,很难得到水稳定性能良好的沥青混合料。通过对不同SiO2含量的10种石料所得的沥青混合料水稳定性回归分析比较,得出沥青混合料水稳定性随SiO2含量的增加呈线性衰减的趋势,提出当SiO2含量超过一定限度后,其所对应的沥青混合料将不能满足水稳定性的要求,并建议了其含量的上限值,为石料的选择提供了一定的依据。     

基于K近邻与主成分分析的短时交通流预测

为有效预测高速公路短时交通流,提出一种将K近邻(KNN)法和主成分分析(PCA)法相结合的KNN-PCA法。工作流程为:1)采用KNN法筛选出与当前状态相似的多条交通流(即近邻); 2)将所有相似交通流延拓至待预测时刻,并将其表达为矩阵形式后进行PCA以得到主成分; 3)将当前交通流延拓至预测时刻并将其表达为少数起主要贡献主成分的线性组合; 4)采用最小二乘法直接得到这些主成分的组合系数估计值; 5)基于组合系数估计值,将这些主成分再次线性组合后,直接提取预测时刻的交通量。基于高速公路实测交通流进行数据分析,应用结果表明,KNN-PCA法原理清晰,计算简单,具有良好的预测能力,能很好地预测短时交通流的变化趋势。     

铁含量对AlSi10Mg(Cu)合金断屑性能影响的研究

为改善AlSi10Mg(Cu)五阀缸盖毛坯的切削加工性能,对合金中的Fe含量进行了分析、试验研究。试验结果表明,铁含量在0.45%～0.55%时,AlSi10Mg(Cu)五阀缸盖毛坯的综合性能和加工性能最为适宜;在保证合金成分要求的前提下,应尽可能地提高铁元素的含量,以提高合金的加工性能。     

Nonlinear Statistical Process Monitoring Based on Control Charts with Memory Effect and Kernel Independent Component Analysis

A novel nonlinear combination process monitoring method was proposed based on techniques with memory effect (multivariate exponentially weighted moving average (MEWMA)) and kernel independent component analysis (KICA). The method was developed for dealing with nonlinear issues and detecting small or moderate drifts in one or more process variables with autocorrelation. MEWMA charts use additional information from the past history of the process for keeping the memory effect of the process behavior trend. KICA is a recently developed statistical technique for revealing hidden, nonlinear statistically independent factors that underlie sets of measurements and it is a two-phase algorithm: whitened kernel principal component analysis (KPCA) plus independent component analysis (ICA). The application to the fluid catalytic cracking unit (FCCU) simulated process indicates that the proposed combined method based on MEWMA and KICA can effectively capture the nonlinear relationship and detect small drifts in process variables. Its performance significantly outperforms monitoring method based on ICA, MEWMA-ICA and KICA, especially for long-term performance deterioration.     

基于主成分分析法的公路客运量预测模型分析

文章基于主成分分析的基本理论与模型,采用SPSS软件,对影响四川省公路客运量的相关因素进行主成分分析,克服多重共线性的问题,构建出四川省公路客运量预测模型。根据预测结果显示,该模型具有较高的精度,适用于影响因素指标较为明确的短期客运量预测,能够满足四川省目前公路客运量预测的需要,对四川地区的公路旅客运输发展也有着一定的指导作用,具有一定的科学性与有效性。