矩阵损失下多元Gauss-Markov模型中可估函数的线性Minimax估计

对一般多元Gauss-Markov模型E(Y)=XB,cov(Y)=σ2∑V,∑,V是正定矩阵,SB是线性可估函数.本文给出了线性Minimax估计的定义,在给定的两种矩阵损失函数下,分别获得了可估函数SB在线性估计类中唯一的线性Minimax估计.     

基于RBF-ANN GA的水下空化水射流喷嘴结构优化

为使空化水射流的性能满足船舶水下清洁的需求,对喷嘴结构进行优化,提出一种基于径向基函数（RBF）、人工神经网络（ANN）和遗传算法（GA）的水下空化水射流喷嘴结构优化方法。通过数值模拟计算设计参数（如入口段长度、收缩段长度、圆柱段长度、扩散段长度、入口半径、圆柱段半径、收缩角和扩散角等）与空化性能参数轴线最大蒸汽体积分数的关系,通过RBF-ANN对该关系进行预测,解决采用GA进行结构优化时个体适应度难以计算的问题。将该方法与传统的方法进行对比,结果表明,该方法能快速且稳定地计算个体的适应度,相比传统方法能更有效地提升喷嘴的空化性能。     

影响汽车方向盘转角脉冲输入试验结果的因素

介绍了汽车系统频响函数输入的标准信号,阐述了在汽车方向盘转角脉冲输入试验中,各种因素对横摆角速度频响函数的影响。     

中国区域速度场多面函数拟合稀疏建模方法研究

分析多面函数建模中核函数结点选择存在的问题,探讨LASSO等变量选择及空间降维方法,在此基础上,提出多面函数拟合的稀疏建模方法和惩罚参数选取指标。该方法通过最小化正则化损失函数,实现模型参数估计与核函数结点筛选,所构建模型易于解释且具有较强的泛化能力。中国区域速度场建模结果显示,多种方案下的模型变量参数筛选保留率在19.42%～51.17%之间,外符合精度提升率达到3.29%～16.50%,表明该方法可有效降低模型结构复杂度并提高建模精度。     

基于正态分布密度函数的三维激光点云强度渲染技术

三维激光点云不仅具有高精度的几何散点信息,还包含反映地物材质的反射强度信息,目前已广泛应用于轨道交通工程项目中。文章针对现有点云强度渲染技术的细节信息损失严重问题,研究一种基于正态分布密度函数的点云强度渲染技术,基于点云强度信息映射理论构造其正态分布密度函数映射,将点云强度信息保细节压缩为灰度信息。实验对比证明,此技术具有良好的细节表达能力。     

机动管线水面浮运铺设牵引力计算及分析比较

机动管线和固定管线不同,是由一根根的管子用连接器或自身阴阳头连接而成。机动管线在水面浮运中所受牵引力的大小是铺设过程中的重要参数。用流速函数描述水面流速分布,得出牵引力的计算公式,并通过Matlab编程分析了任一参数变化时牵引力的变化情况,根据管线自身强度,得出了铺设时的临界点,并对各参数的影响进行了比较,对管线铺设有一定的借鉴意义。     

可拓理论在高等级公路隧道围岩分级中的应用研究

根据可拓理论在解决不相容问题及不确定问题等方面的突出特点,文章对其进行了适当的改进,得出高等级公路隧道围岩分级系统可拓评价体系,并应用于广东省惠深高速公路牛湖山隧道的围岩质量评价当中.且通过与灰色关联分析方法、专家经验方法等评价结果相比较,证明了高速公路隧道围岩分级系统可拓评价体系的科学性、合理性和经济性.     

区域交通枢纽与经济发展适应度研究

为促进区域交通枢纽与经济的协调发展,研究了区域交通枢纽与经济发展水平的适应度。首先,建立交通枢纽与经济交互作用下的两个子系统,然后选取交通枢纽与经济相关指标,构建适应度评价函数,进而评价交通枢纽与经济发展的适应情况。以九龙坡区为研究对象,将2008—2015 年交通枢纽与经济基础数据转化为其增长率,然后对二者综合发展水平进行了计算,根据适 应度模型对二者之间的适应度进行测算。结果显示,经济综合发展水平略大于交通枢纽发展水平,二者之间适应度经历“S”型周期波动变化过程,且适应度值整体处于0.4 以上,均未达到较强的适应状态。在未来经济发展中,交通枢纽建设有待加强,而且需占主导地位,才能引导经济 快速发展。     

基于流体逼近的路段交通流动态加载研究

路段交通流动态加载是动态交通网络分配模型中的重要组成部分,在路段交通流动态加载中,离散形式或者连续形式的点排队模型被广泛使用.本文在以往研究的基础上,提出基于流体逼近的连续型点排队模型,克服了原有点排队模型中排队负值的情况.通过分析可以发现,原有点排队模型实质上属于具有单一服务台和无限容量的排队模型,基于流体逼近的思想重新定义了原有点排队模型.其中3 个主要部分是流量守恒模型,车辆流出模型和时间相关的服务台模型,这3 个模型全部都是连续的.由于连续点排队对计算需求较高,本文将连续的排队模型离散化,模拟了3 种不同场景下车辆驶出、路段排队情况.本文模型克服了原有点排队中的负排队现象,并且排队过程满足先进先出的原则,模型具有良好的模拟效果.     

一种基于支持向量机的增量学习算法

具有增量学习功能的数据分类技术与普通的数据处理技术相比较,增量学习分类技术具有明显的优越性?在新的训练过程中充分利用了历史的训练结果,从而显著减少了后继训练的时间。介绍了支持向量机的基本理论和一般的支持向量机增量学习算法,针对有些渐变问题(如机械设备的早期故障期和损耗期),新样本所提供的信息量与历史样本所提供的信息量是不同的,给出一种新息加权的支持向量机的增量学习算法,通过循环来获得最优分类面仿真实验表明,采用加权的增量算法更能反映新样本点的特征?