无线车次号校核系统检修实例

无线车次号校核系统的主要功能是实时跟踪列车运行位置，为铁路调度指挥系统提供列车运行状态及相关数据，为实现列车综合信息处理与调度控制提供条件。目前，该设备在津山、津浦、津京地区经过1年多的运行使用，有些部位曾出现故障，下面就其工作原理进行故障分析。     

亚洲吉利方程式国际公开赛珠海站

2006年11月4日，珠海国际赛车场又一次的繁忙起来，这对于赛车场的工作人员来说，就跟以往一样按照程序办事，但对于赛事的组织来说，这一天发动机轰鸣的意义不亚于飞过。珠海航展上空的各国飞机的轰鸣。因为，这是AGF第一次在中国南方举办比赛，也是本年度AGF大赛的收官之战。[编按]     

一税激起千层浪

2006年3月21日，财政部国家税务总局联合下发通知，从2006年4月1日起．对游艇征收10％的消费税。游艇市场在我国才刚刚起步．由于各种政策法规的不完善已经极大地阻碍了游艇市场的发展，业内一直在呼吁政府尽快出台政策扶植游艇业发展。现在突然出台对游艇征收10％的消费税就好比是在伤疤上又撒了把盐。游艇属于奢侈品这是不容置疑的但是不是应该对游艇这种奢侈品收消费税．在这个时间段收税是不是合适就有待商榷了。本刊记者就这政策出台对游艇市场的影响和对政策本身的看法，采访了游艇销售商游艇厂商和外商驻华机构等相关产业的人士。     

重回美好大学时光 2014大学生方程式汽车大赛

当清晨的阳光尚不足以穿透淡薄的蒙蒙细雾之时，在拥有2800年历史的襄阳古城西郊，已经传来了发动机清冽的轰鸣，这阵阵轰鸣令我陶醉，恍如回到了当年美好的大学时光。是的．这就是昆仑润滑油杯2014中国大学生方程式汽车大赛的现场，简陋单调的场地上只有这些算不上精良的钢铁机械相伴。     

公安部交管局关于26项校车相关交通违法行为的处罚标准

早在去年6月27日,公安部交管局就已下发了《关于增加交通违法行为代码的通知》(公交管[2012]202号),其中,新增26个校车相关交通违法行为代码,并要求各地在办理校车相关交通违法业务时,应采用新     

CCSC看台

2012年认证业务公正性委员会会议召开4月20日,CCSC在CCS总部召开认证业务公正性委员会2012年年度会议,以确保公正性委员会对CCSC认证活动的公正性实施有效监督。来自政府机构、行业协会、获证组织、最终用户、认证机构等各利益相关方的委员参加了会议。会议由公委会秘书长、CCSC技术总监王建宁主持,总经理黄世元、     

桥梁养护与加固规范的分析研究

通过研究分析公路桥梁养护与加固规范的必要性和存在的问题的分析,来制定出有效的养护加固方案,从而促使公路桥梁工程养护与加固工作的提升,进而推动交通建设的长远发展。     

解决集装箱超重问题须供应链各环节集体行动

航运是广义“物流”概念中的一个组成部分，是供应链上的一个环节。因此，航运企业必须和货主、港口等相关方一起行动。如果其中任何一个部分不同向进行，就会产生一系列的问题，最终对整个供应链的运行产生不利影响。     

KLF5转录因子抑制TRAIL诱导PC-3前列腺癌细胞凋亡的分子机制

目的探究通过抑制KLF5表达促进TRAIL诱导的前列腺癌PC-3细胞凋亡的分子机制。方法在TRAIL诱导下,使用MTT实验、流式细胞实验、Western blot及qRT-PCR检测KLF5敲低组与对照组的PC-3细胞在细胞活性、凋亡比例及凋亡相关标志物的表达。结果在PC-3细胞中抑制KLF5表达后,TRAIL诱导下的细胞凋亡明显增加,TRAIL受体DR4、DR5表达上升,凋亡抑制因子c-FLIP蛋白表达下调,但是其mRNA表达水平不变。结论抑制KLF5,可以通过上调TRAIL受体、下调c-FLIP蛋白表达的途径,促进TRAIL诱导的前列腺癌PC-3细胞的凋亡,抑制肿瘤细胞增殖。使用小干扰RNA或小分子药物抑制KLF5表达,可能是潜在的激素非敏感前列腺癌治疗手段。     

基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型

为降低样本噪声对客流预测模型的干扰, 结合深度学习理论, 提出了一种基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型; 将预测过程分为3个阶段, 第1阶段预处理原始地铁刷卡数据, 构建进(出)站客流时间序列, 运用经验模态分解法将时间序列转化为一系列本征模函数及残差, 第2阶段利用偏自相关函数确定长短时记忆神经网络的输入变量, 第3阶段基于深度学习库Keras, 完成长短时记忆神经网络的搭建、训练及预测; 以上海地铁2号线人民广场站客流数据验证了模型的有效性。计算结果表明: 与代表性的预测模型(差分自回归移动平均模型、支持向量机、经验模态分解与反向传播神经网络、长短时记忆神经网络)相比, 经验模态分解与长短时记忆神经网络预测模型分别将工作日高峰、平峰、全日的进(出)站客流预测精度分别至少提升了2.1%(2.5%)、2.7%(3.5%)、2.7%(3.4%), 将非工作日全日的进(出)站客流预测精度至少提升了3.3%(3.5%), 说明经验模态分解与长短时记忆神经网络的组合是一种预测短时地铁客流的有效模型; 当预测步长由5 min逐渐增加至30 min时, 工作日高峰、平峰和全日进(出)站客流的平均绝对百分比预测误差分别由14.8%(13.9%)、16.8%(17.4%)和16.6%(17.0%)逐渐降低至7.0%(6.2%)、8.3%(7.5%)和8.1%(7.4%), 说明该方法预测误差与预测步长呈负相关。