戴家沟矿山泥石流内因分析与工程治理

戴家沟是一条潜在泥石流沟,流域面积约1.25×106m2,泥石流物源主要为矿渣,储量约1.2×106m3.利用X衍射光谱分析了黏土矿物试样;根据黏土矿物的结构及物理特征,从微观的角度分析了泥石流的形成原因.分析表明:黏土矿物具有巨大的表面积和亲水性,它的存在会促进泥石流的形成.在对泥石流物源岩土特性、泥石流流量、流速和...     

吉林省白河地区泥石流物源的粒度成分和物理性质的研究

确定泥石流发生的物源条件是预防泥石流灾害发生的首要任务,文中通过对吉林省白河地区松散堆积物的粒艘成分和物理性质的测定和分析发现,该松散堆积物土样颗粒粒度较粗,黏粒含量非常少,土颗粒之间空隙较大,连通性比较好,导致土体的团聚性不好,遇到强降雨土体的整体强度和稳定性将会下降,容易被流水冲散,增大了泥石流灾害发生的可能性,町以作为白河地区的泥石流物源。     

空中交通复杂性指标体系精炼方法研究

为了准确评估空中交通复杂性,需要构建多维复杂性指标体系并对指标进行精炼.借鉴已有的研究成果,构建指标体系,使用K-means聚类方法对指标进行聚类分析,与初始指标分类相互验证,最后使用主成分分析方法提炼指标内涵.以广州地区16扇区的航班数据为例,发现聚类结果不仅与经验结果一致,还可以对指标进行更精细的划分;指标经提炼后保留了98%的信息,表达维度大大降低,从而验证了指标精炼方法的实用性和有效性.     

基于行驶工况识别的纯电动汽车续驶里程估算

本文中采用主成分分析和模糊聚类相结合的行驶工况识别方法进行纯电动汽车续驶里程的估算。首先选取20个具有代表性的循环工况数据,将其划分为215个工况片段,并选用12个特征参数对其进行主成分分析、模糊C聚类分析和行驶工况识别;然后在MATLAB/Simulink下建立纯电动汽车整车模型,进行行驶工况识别、整车能量消耗和续驶里程仿真估算;最后在转鼓试验台上进行ECE15工况下实车测试验证,结果表明:续驶里程仿真估算值与测试值的最大绝对误差为1.905km,平均绝对误差为0.742km,相对误差小于3%。     

基于粒子群K均值聚类的空中目标识别

舰艇编队面临的空中威胁日益复杂多样,正确、快速地识别目标是赢得对空防御作战的前提。在分析各传感器测量得到的空中目标威胁特征指标的基础上,将舰艇编队防空作战目标识别问题转化为最优聚类问题,建立基于粒子群聚类的目标类型识别模型。通过主成分分析将样本各特征值标准化、降维投影到新的特征空间,引入粒子群优化算法构建最优聚类识别模型,实例分析表明该方法有效,计算速度快,降低了实用的复杂度,提高了目标识别的可靠性。     

矽肺病人全肺灌洗回收液粉尘矿物学分析

对７例矽肺，１例煤尘肺全肺灌洗回收液粉尘采用Ｘ射线衍射法对其矿物学成分的分析结果表明，其矿物学成分主要为ＳｉＯ２，ＦｅＣＯ３，Ｆｅ３Ｏｒ，ＤＭｇ（ＰＯ３）３，β－Ａｌ（ＯＨ）３除煤尘肺ＳｉＯ２ ２．１３％，无定型碳占７３．４％外，其他矽肺灌洗回收液粉尘的结构与成分基本相似。     

模糊支持向量机和独立成分分析在人脸识别中的应用

将独立成分分析(ICA)、模糊支持向量机(FSVM)以及三叉决策树相结合并应用于人脸识别。首先对人脸图像做独立成分分析，提取有利于分类的面部特征的主要独立成分，然后在特征空间中，用FSVM和三叉决策树相结合设计人脸分类器。在ORL人脸库上的实验结果表明，该算法能够取得较好的分类效果。     

基于栅格元模型的纹理图像分割方法

提出了一种基于栅格元模型的纹理图像分割方法,该方法结合了视觉栅格元模型对不同纹理方向和频率的响应敏感性及特征变换的降维特性。首先通过栅格元运算模型提取图像的多维纹理特征,然后利用变换法将特征从多维空间映射到低维空间,最后依据降维后的纹理特征将图像分割为不同的纹理区域。仿真结果表明,该方法不但能有效地分割纹理图像,而且能分割出由纹理和非纹理区域组成的混合图像,与传统的Gabor滤波器法相比,分割效果更佳,适用范围更宽。     

编组站运营工作评价研究

调查分析提速干线上编组站近年运营状况。应用因素分析理论,分析编组站运营指标构成因素对其变化的影响规律。发现车流量波动对中时的影响不明显;影响中时变化的主要因素是有调中时和无调比;非生产性停留时间是有调中时和每车停时的主要影响因素。选取多项评价指标,根据近期统计数据运用主成分综合评价法对若干编组站运营状况进行评价分析,得到各编组站的主成分及综合得分,以此可掌握编组站的运营状况,并发现货车工作量和中转车运用效率是衡量编组站运营绩效的主要因素。提出加快货车周转、提高编组站运营效果的建议。     

基于PCA-改进RBF神经网络模型的铁路隧道突水风险评价

为了准确预测铁路隧道突水风险等级,降低隧道施工过程中的突水灾害风险,结合相关规范,在调研分析影响隧道突水灾害的风险因素集的基础上遴选13个因素构建评价指标体系。利用主成分分析法对突水风险评价指标提取主成分并实现降维,模糊C-均值聚类算法计算RBF神经网络的中心,梯度下降法修正权值和方差,并将分析后得到的主成分作为改进RBF神经网络评价模型输入向量,建立了基于PCA-改进RBF神经网络铁路隧道突水风险评价模型。最后结合天秀山隧道对该模型预测效果进行验证,评价结果与实际情况相符。实例研究表明:该模型合理可操作,相比于其他方法准确率更高、训练更快、均方误差更小,为类似铁路隧道预防突水灾害事故提供了一种新的途径和借鉴。