基于最大公称粒径的贝雷法选取密度修正值

选取AC-20、AC-16、AC-10、AC-5等四种不同最大公称粒径沥青混合料矿料级配,根据贝雷法控制筛孔D/2通过率计算PCS通过率,进而反算不同最大公称粒径条件下粗集料选取密度修正值范围。结果表明：沥青混合料最大公称粒径与粗集料用量呈正相关的关系,而粗集料用量则影响着贝雷法控制筛孔PCS的通过率;粗集料选取密度修正值与最大公称粒径呈正比,采用贝雷法进行矿料级配设计时,应根据最大公称粒径选用合适的选取密度修正值。     

天津市商业综合体交通出行时间特征分析

为研究商业综合体交通出行时间特征,选取了天津市三个商业综合体样本,进行工作日、周末的人流和车流的出行吸引点调查.根据调查结果,分析三个样本各业态交通出行量在全天不同时段的分布情况,进而得出商业综合体交通出行量全天的总体分布特征,总体分布特征可以反映交通出行量在时间上的集中情况,对高峰小时系数的选取具有理论支持作用.     

关于闽中南海域海岛航标登陆点选取的建议

航标是重要的船舶助导航设施。针对沿海设置在岛礁上的航标在不良气象条件下不易登陆维护的问题,采用实证分析的方法,以厦门航标处泉州航标管理站和湄洲湾航标管理站辖区部分航标为例,通过对影响登陆的风向、潮汐、水文、地形等因素进行探讨,尝试提出解决不同气象条件下设置在岛礁上航标登陆难问题的方案。     

卡尔沟料场深孔爆破参数选择

结合工程实践,对地质条件恶劣、料场周围环境复杂、施工安全要求高的土石方爆破设计参数进行分析,并对如何减少超径石产生和爆破飞石作详细论述。     

桥梁抗震设计中地震波的合理选取

选择合适的地震波是对桥梁进行抗震设计的基础。地震波的合理选取受到桥梁动力特性、所处地震区及场地类别等众多因素的影响,对于同一场地的不同桥梁以及不同场地的相同桥梁,能有效用于抗震设计的地震波可能是不一致的。分析了合理选取地震波需要考虑的因素,并结合具体实例,应用有限元程序midas/civil分析并阐述了合理选取地震波的流程和方法。     

导航电子地图中道路网增量信息的多尺度探测

针对常用增量信息提取方法中根据经验阈值确定新旧目标匹配的不足,提出一种导航电子地图中道路网增量信息的多尺度探测方法.该方法用最大类间方差法自适应地确定几何匹配阈值来探测增量信息,完善了基于道路网眼密度的增量变化目标渐进式选取算法,实现了增量信息在较小比例尺下的缩编提取.增量信息探测实验研究结果表明:基于自适应匹配阈值的新旧版本对应路网目标匹配准确率达到了90%,优于传统的经验阈值匹配精度;改进的增量变化目标渐进式选取算法可以满足路网增量更新的结构选取需求.      

既有居住区交通改造评价指标体系研究

既有居住区交通改造评价指标体系的建立旨在了解老、旧小区各项交通设施现状,对改造必要性等进行评价。其构建的指标体系包括4个一级指标,12个二级指标及34个评分细则,其中一、二级指标的权重分别用层次分析法和组合赋权法来确定,评分则是采用专家打分与居民意愿调查相结合。该体系提倡因地制宜,对于不同地域、区位的小区参考规范也不尽相同,力求使结果更科学、合理。     

基于Vissim仿真软件的交通信号配时研究

研究了交通信号配时，阐述了平面交叉口单点信号控制配时设计的具体方法和过程，以及各种交通信号配时参数的确定方法、标准及依据，并将其应用于长春市一个极具代表性的5路交叉口；在现有配时方案的基础上，设计多个不同时段的新方案，并利用仿真软件Vissim对其进行模拟，从模拟结果中选取适当参数加以综合比较，评选出最优方案。     

舰船信息网络物流配送最优路径选取方法研究

利用基于神经网络或基于遗传算法等传统方法进行舰船信息网络中物流配送最优路径选取,选取质量较差,使得物流配送时间长,导致运输成本过高,降低了客户满意度。针对上述问题,提出一种基于Dijkstra算法的物流配送最优路径选取方法。该方法主要分为两步:对Dijkstra算法选取最优物流配送路径原理进行分析;在该原理基础上构建物流配送最优路径选取模型,包括问题描述、求加权矩阵、建立距离矩阵、确立需求量与配送距离之间的线性关系、构建Dijkstra算法模型等流程。结果表明:按照本方法选取出的最优路径进行物流配送,平均时间为55.69 h,按照基于神经网络或基于遗传算法等传统方法选取出的最优路径进行物流配送,平均时间为58.62 h和62.42 h。前者与后两者对比,配送时间大大缩短,由此证明本方法选取质量更好,能大大缩短物流配送时间,降低运输成本,提高客户满意度。     

基于样本选取的决策树改进算法

为提高决策树分类算法的精度,通过比较几种经典的决策树分类算法,提出了基于样本选取的改进的决策树分类算法.改进算法基于决策树精度与样本的相关性较大以及决策树只能得到局部最优解的事实,通过反复迭代寻找较优样本,从而在不改变决策树分类算法的前提下,得到较好的决策树分类算法.该算法不针对某个决策树,只利用输入和输出的反馈信息进行迭代,因此通用性较好.实验证明,该改进算法与ID3,C4.5算法平均错误率的比值约为0.82∶1.22∶0.92.