半潜式钻井支持平台在不规则波中的时域耦合分析

基于三维势流理论和莫里森方程,运用水动力软件AQWA,计算半潜式钻井支持平台的水动力特性。同时运用时域耦合方法,计算了风、浪、流共同作用下,半潜式钻井支持平台在三种工况(迎浪、斜浪和横浪)下的运动响应及系泊系统动力响应。时域耦合分析结果验证了该钻井支持平台满足规范要求。     

基于混沌时序最小二乘支持向量机的汽油机瞬态空燃比预测模型研究

针对由氧传感器构成的瞬态空燃比反馈控制系统无法满足实时性要求的问题,提出了基于混沌时序最小二乘支持向量机(LS-SVM)的瞬态空燃比预测模型。对试验采集到的一维空燃比数据利用相空间重构技术构造多维空间数据,恢复空燃比时间序列的多维非线性特性,然后采用LS-SVM对重构后的数据进行训练及预测,得出预测结果。仿真结果表明:与Elman神经网络预测模型及前馈BP神经网络预测模型相比较,混沌时序LS-SVM预测模型具有更强的非线性预测能力,能够有效地提高瞬态空燃比的预测精度。     

车用汽油机瞬态空燃比的混沌时序非线性组合辨识模型

为提高汽油机瞬态空燃比的辨识精度,提出了混沌时序非线性组合辨识模型.采用2种单项辨识方法,包括最小二乘支持向量机(LS-SVM)及径向基函数(RBF)前向型神经网络,分别对瞬态空燃比时间序列进行建模与辨识.采用非线性组合方法利用BP神经网络对2种单项辨识方法的结果进行组合辨识,并与Elman神经网络模型及最小二乘辨识模型进行比较.结果表明:混沌时序非线性组合辨识模型的辨识精度优于Elman神经网络模型及最小二乘辨识模型,具有更强的非线性辨识能力,能提高瞬态空燃比的辨识精度,为空燃比反馈控制的成功实行提供了有力依据.     

今年郧西查醉驾2人被终生禁驾

<正>2014年以来,郧西县公安局交警大队始终保持对酒后驾驶"零容忍",全警动员,全社会支持,持续保持常态高压整治。截止目前,全县共查处酒后驾驶37起,醉驾入刑20人,因醉酒驾车被吊销驾照10本,其中终生禁驾2人。经查:10月30日,违法行为人张天财(男,30岁,安家乡田坑村人)在供电局路段饮酒后驾驶鄂C4E280号小型轿车,     

基于支持向量机模型的深基坑变形预测研究

支持向量机是近年来在统计学习理论基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势.将支持向量机用于基坑变形预测,根据基坑位移的实测时间序列资料,建立基坑位移与时间的关系模型.将实际基坑工程监测资料作为学习训练样本和测试样本,将模型计算结果与实际监测值进行对比分析、研究....     

基于SVM的交通事件检测技术

为减少交通事件引起的交通延误,提出了一种基于支持向量机(SVM)的交通事件自动检测(SVM-AID)算法.采用实际高速公路交通参数数据库(I-880数据库),对SVM-AID算法的分类性能进行测试,并分析了SVM中各参数对分类效果的影响.结果表明,SVM中参数对分类效果的影响很大,必须慎重选择;SVM-AID算法对不同...     

基于车致振动响应的铁路桥梁损伤位置识别

为识别列车荷载引起的桥梁结构损伤,基于车致振动的加速度响应,提出了一种损伤位置识别方法.该方法通过结构易损性分析,确定结构易损的部位,并根据易损部位的损伤状态,从列车行驶的时间区域中选择若干子区域;然后,假设在每一个子区域内特定易损部位的损伤状态保持不变,将损伤位置识别分为2个层次进行,每一层次均以加速度时程数据构建损伤指标,从多个角度优化样本库,并采用支持向量机作为分类工具,建立损伤位置识别模型.对一连续梁的实例分析表明:该方法能够考虑结构状态与列车荷载的相关性,在损伤最易出现的时间子区域内,对易损部位进行损伤识别,可获得较好的损伤位置识别结果;且在低水平噪声干扰下,识别结果变化不大.     

2011年度交通运输节能减排量及投资额核算方法审定

7月9日交通运输部政法司在北京组织召开了2011年度交通运输节能减排专项资金支持项目节能减排量及投资额核算方法专家审查会,会议确定了相关的节能减排量及投资额核算方法。中国船级社、部规划院、交科院、公路院、水运院、天科院、中交水规院等七家单位专家参加了会议。     

基于SVM分类器的道路湿滑图像分类方法研究

在恶劣天气下路面湿滑状况将发生显著变化,导致驾驶条件恶化,极易引发恶劣的交通事故.为了帮助交通管理部门实时获取路面湿滑状况信息,了解路面附着性能,并以此制定合理的车速控制和交通诱导策略,通过采集道路湿滑图像,利用设计的具体SVM分类器结合3种训练算法对道路湿滑图像进行分类学习训练,并通过训练后的SVM分类器对大量道路湿滑图像进行分类实验,对道路湿滑状态进行分类研究.实验结果表明:(1)寻找合适的核函数,选择合适的参数是使用SVM进行高效分类的一个重要因素;(2)在训练过程中,均方误差(MSE)能反映出分类器实现的正确率,SVM的训练本身的误差决定了分类的正确率,而且训练个数的增多带来了特征空间维数的增加,从而导致计算量的增大.     

基于Gaussian-支持向量回归机的高速公路短时交通量预测

针对高速公路短时交通量的实时性、波动性和非线性的特点,将支持向量回归机(SVR)应用于高速公路短时交通量预测,并采用Gaussian损失函数来代替ε-不敏感损失函数,对原始序列进行降噪处理,为了更好的优选SVR模型参数,采用遗传算法(GA)进行参数优选,建立了基于GA优化的GA-Gaussian-SVR高速公路短时交通量预测模型,将本路段前几个时段交通量、天气因素和出行日期作为影响因素输入,结合实例进行了仿真预测.结果表明该方法可有效应用于高速公路短时交通量预测.