结构水下爆炸响应的恢复与冲击谱计算

由于传感器受高强度冲击作用,实测的结构水下爆炸响应信号可能偏离正常特征,为进一步分析响应信号带来困难.文中针对实测加速度信号的噪声特征,对信号采用SVD及ARMA滤波处理,先恢复真实的响应信号,然后在此基础上,给出正确的冲击谱计算结果.计算结果说明了SVD结合无相差滤波能够准确分离具有阶跃特征的低频噪声信号,对低频段的冲击响应谱计算精度有利.     

多分类转导支持向量机

为了完成分类学习,传统的支持向量机基于带标记信息的经验数据归纳出一个通用的决策函数。而转导支持向量机则不同,它考虑包含测试集在内的所有数据信息并致力于最小化测试样本的分类错误数。在已有的2类分类方法的基础上构造了直接求解多类分类问题的的转导支持向量机。     

港口火车装车工艺系统改造方案设计

结合国内某港口火车装车线项目改造方案,考虑现有码头设施现状及改造需求,对装火车过程中不同环节出现的问题,提出针对性改造方案.采用改造装车输送线,增加移动式装车机方式,解决装车皮带机洒料、装车线净空不足、装卸效率偏低等问题,在对现有码头运营影响最小的情况下,可增大码头煤炭装火车能力,实现更快更经济的疏港方式,为类似项目的...     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.     

路面结构层排水问题探讨

路面污场排水,在设计和施工都应充分考虑,只有这样才能保证高速公路的路面质量.     

一类含间隙机械振动系统的概周期运动与混沌

着重研究了一类存在间隙的双质体振动系统的周期运动在非共振和弱共振条件下的Hopf分叉.解析确定了该类含间隙系统周期运动的Poincar     

土石混合填料压实特性研究

通过对土石混合料压实特性变化规律的研究，找出该填料对压实特性影响的主要因素。通过实验确定了该填料的最佳组合含量。研究表明，该填料经过压实后属于高密度低压缩性土，具有良好的稳定性，优于一般纯土，易于施工。     

支持向量机增量学习算法研究

给出了使用多支持向量机进行增量学习的算法．传统的支持向量机不具有增量学习性能，而常用的增量学习方法各具有不同的优缺点，基于固定划分和过间隔技术，提出了使用多支持向量机进行增量学习的算法；使用此算法，针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验，结果表明，使用单一的支持向量机进行增量学习，不论采用过间隔还是固定划分技术，其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。