舰船机舱监控网络高维感知数据弱关联挖掘研究

舰船机舱监控网络高维感知数据主要包含正常状态数据与异常状态数据,其中异常状态数据规模较大,增加舰船机舱监控网络高维感知数据弱关联挖掘的难度,导致数据弱关联挖掘效率较低,为此设计一种舰船机舱监控网络高维感知数据弱关联挖掘方法。采集舰船机舱监控网络高维感知数据,计算采集到的数据点与数据点之间的紧密联系度,确定异常数据最合适的异常处理时间,在此基础上,对正常感知数据与异常感知数据特征相关性参数进行统计特征分析,对数据弱关联模糊值评估,完成舰船机舱监控网络高维感知数据弱关联挖掘。实验证明,在正常感知数据与异常感知数据弱关联挖掘上,此次设计的方法都比传统2种方法的挖掘效率高。     

车辆维修保养需破除误区

误区一:保养不能迷信时间周期表每个车主买车时都会得到一份保养周期表,被告知什么时候该做怎样的维护保养。但部分车主感觉车况良好,不按时保养。有的车主则自行缩短保养里程,比如规定8000公里保养却在6000公里时就把车开到4S店,结果是多花钱。实际上,车辆保养不是越勤越好,厂家规定的里程数是基于对车身性能的充分了解而设定的最佳保养间隔里程。误区二:保修期延长可降低使用     

一种防尘保温电池板以及太阳能发电系统

本实用新型公开一种防尘保温电池板以及太阳能发电系统,涉及光伏技术领域。防尘保温电池板包括太阳能光电板组、清洗保温卷、支撑传动装置以及驱动装置。清洗保温卷在驱动装置的驱动下具有使得镂空部位于感光面并使感光面直接暴露于太阳下的第一状态以及使得保温清洗部覆盖并接触感光面的第二状态;当处于第一预定时间时,驱动装置驱动清洗保温卷运动至第一状态,当处于第二预定时间时,驱动装置驱动清洗保温卷运动至第二状态。     

西安市空气污染物与出生缺陷的时序变化及相关性的生态学研究

目的分析西安市出生缺陷、空气污染的趋势变化和季节规律,探讨空气污染暴露与出生缺陷结局的相关性。方法利用时间序列乘法模型,分解出生缺陷发病人数和空气污染物浓度的时间序列,描述二者的长期趋势及季节变动;采用生态学研究思路,分析出生缺陷与空气污染物的秩相关和交叉相关关系。结果 2010-2015年西安市空气污染分析结果显示,NO_2总体趋势在2013年出现上升,随后在高水平波动;SO_2总体呈缓慢下降趋势,但在2012和2013年出现2次高峰;PM_(10)总体趋势在2013和2014年出现2个小高峰,其余时间变化较为平稳;PM_(2.5)总体趋势呈现缓慢下降,但在2015年后出现小幅上升。2010-2015年西安市出生缺陷分析结果显示,总出生缺陷和先天性心脏病的长期趋势在2010~2014年呈上升态势,之后迅速下降;唇腭裂和神经管畸形的长期趋势在低水平小范围波动。空气污染物与出生缺陷的相关性分析结果显示,总出生缺陷、先天性心脏病在孕前3个月和孕早期3个月与NO_2正相关;先天性心脏病在孕前3个月与PM_(10)正相关。结论西安市出生缺陷、空气污染存在趋势变化及季节规律,妊娠妇女在孕前3个月和孕早期3个月暴露于NO_2与先天性心脏病的发生正相关。     

关于公交线路生产合理编制班型的调查

随着我司（编者注：成都公交集团公司）核定驾驶员工作时间办法的出台，为科学、合理的编制生产计划提供了依据。如何利用新办法编制班型，降低人车比，提高高峰运力，成为我司直接指挥生产，编制营运计划的各营运公司及各车队面前的一道课题。因此本文结合我司线路生产实际对该问题进行一些探讨，为营运公司及车队在生产计划制定、科学编制班型结构等方面提供借鉴和帮助。     

媒体的“蝴蝶效应”

奥运是一个独特的场合，每隔四年，我们就能欣赏到包括帆船赛在内的世界顶级运动竞技。同一时间，相同的“框架”。这里既有众多的顶级选手，也有专业的观众和爱好者。还有将最新消息即时传送到世界各地的媒体记者。     

国内首次实现北京和拉萨间定期航班往返直达

中国国际航空公司15日正式开通北京至拉萨往返直达航线，单程飞行时间仅需4小时左右，这也是国内首次实现北京和拉萨间定期航班往返直达，与之前经停成都的航班相比可节省近2个小时。     

抛石输运行为的连续时间随机行走模型应用

文章研究河道抛石的反常输运行为,应用连续时间随机行走模型,模拟抛石在河床上的运动行为。通过等待时间和跳跃步长的分布形式反映河床结构的异质性,从粒子随机运动角度解释了抛石在河道中反常输运的物理机理。应用蒙特卡罗模拟方法,直观展示了抛石输运过程中粒子在不同时刻下的空间分布情况。模型构建了单个粒子运动行为和宏观抛石输运现象之间的联系,对比实验结果验证了模型捕捉抛石反常输运现象的有效性,理论结果与实验高度吻合。分析结果表明,抛石运动过程中等待时间和跳跃步长的"宽"分布是导致抛石产生反常输运现象的主要原因。     

基于客流需求的城市轨道交通动态时刻表优化模型

为使城市轨道交通列车运行时刻表更贴合客流需求,依据不断变化的客流需求确定每列车的发车时刻和停站时间,采用多目标优化方法构建以乘客出行时间费用和列车运行时间费用最小为目标、列车发车时刻和停站时间为决策变量的城市轨道交通动态时刻表优化模型,并采用粒子群算法求解。以广州地铁13号线为例进行验证,结果表明优化后的时刻表更满足客流需求,能有效地提高乘客出行效率,具有更好的动态适应性。