河北曹妃甸近海区地貌与沉积特征分析

依据现场调查资料与前人的研究成果,对该海区的沉积分布特征进行了分析,认为该区沉积物自岸向海的粒径分布呈由粗而细的分布特征。近岸浅滩为细砂,深水区为粉砂质粘土,自东向西的分布,也显示了由粗而细的分布特征,粒径最细的区域在曹妃甸西南侧的深水区。拟建港区水深条件优越,可利用岸线长,并有天然的进出港航道,具有非常良好的开发前景。     

浅谈强化机动车维修业监管的对策

1机动车维修业监管的相关点1.1行业监管的特点机动车维修业是纳人政府管理的独立性较强的服务行业,其行业市场模式是以粗放型经营方式为业态,以分散型经营组织为主体,其主要特点有以下几个方面:一是点多面广。截止2(X)5年底,宁波市共有各类机动车维修业户3341家(占全省维修     

深中通道隧道沿线表层沉积物特征及输移趋势研究

文章根据2017年7月深中通道隧道沿线表层沉积物取样结果,分析了表层沉积物的粒度特征,并探讨了沉积物的输移趋势,研究表明:研究区域广泛分布粉砂质粘土、粘土质粉砂和砂-粉砂-粘土等细颗粒沉积物,其平均中值粒径仅为0.005 mm,仅东滩及矾石水道零星分布平均中值粒径为0.26 mm的砂质沉积物;研究区域的细颗粒沉积物的分...     

公路隧道消防安全系统研究

基于系统安全分析方法并结合数理统计理论,系统地分析了近年重大火灾隧道存在的问题,建立了隧道消防安全系统原理图及评估指标体系,运用多元统计理论中的主成分分析法,构造了一种基于统计基础上的综合评估函数,对近年来的典型火灾隧道的防火安全系统进行了合理评估.并针对评估结果构造了分级标准,给出了公路隧道消防安全等级评估的新思路.以雪峰山隧道的实例计算表明,该评估模型具有简便性、可操作性和准确性,能全面系统地反映隧道消防安全系统状况,及时发现隐患,采取消防控制措施.减少火灾的潜在危险.     

基于主成分分析法和支持向量机算法的驾驶人疲劳检测方法

汽车驾驶人的疲劳程度识别对于预防交通事故具有十分重要的意义。设计了实车驾驶实验，采集了20名汽车驾驶人在疲劳驾驶状态下的眼动特征参数，将汽车驾驶人的疲劳等级分为警觉、轻度疲劳、深度疲劳和嗜睡四个级别。利用主成分分析法（PCA）预处理了所采集的眼动特征数据，并利用支持向量机（SVM）算法建立了PCA-SVM疲劳检测模型。实验结果表明，该模型能够高精度地识别驾驶人的四种疲劳状态。     

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究，提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization，PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理，提取能表征路面特征的主要成分，采用学习向量量化神经网络对降维处理后的驾驶数据进行训练，并用于路面特征分类，使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明，所提出的 PCA-LVQ算法能准确识别路面类型特征，路面识别的精度达到 97%，与传统 BP神经网络的路面类型特征识别精度提升 7%；同时，在不同车速下，基于PCA-LVQ算法也能较准确地识别路面类型特征。     

软土真空预压法加固效果分析

本文以缅甸某真空预压工程为依托,研究了真空预压等地基处理方法对缅甸软黏土层的加固效果。在真空预压前后,分别对各个钻孔的土样进行室内土工试验以及现场的标准贯入试验,再进行对比分析,研究真空预压法的加固深度和效果。得出以下结论:真空预压对缅甸软黏土有较强的加固效果,含水率、孔隙比、压缩系数变小,内聚力、内摩擦角、压缩模量、标贯击数变大,加固深度最大可达到地表以下19 m左右;而在加固深度范围内,其加固的效果随着深度的增大而不断衰减;真空预压对软黏土层加固,其含水率与孔隙比降低了10%~15%左右,压缩模量提高了15%~40%左右,标贯击数提高了50%~60%左右;另外,软黏土层中的淤泥质黏土层经过加固后定名变化为黏土,效果明显。     

基于CHMM和SSA-SVM模型的高速铁路道岔设备健康状态评估方法

为更加精准地评估道岔设备健康状态，加强对设备的维护与管理，以ZDJ9型转辙机驱动的高速铁路道岔设备为研究对象，提取道岔功率曲线的时域、频域特征指标及经验模态分解奇异值熵，组成道岔特征指标向量，并采用核主成分分析法消除原始多维特征信息的冗余，构建道岔特征指标样本数据库；利用连续隐马尔可夫模型划分道岔退化状态，在此基础上，建立麻雀搜索算法优化支持向量机的健康状态综合评估模型。研究结果表明：所构建的健康状态评估模型的评估正确率高达98.75%,不仅能够实现高铁道岔设备健康状态综合评估效能，而且明显优于GridSearch-SVM、GA-SVM、PSO-SVM等组合算法，为实现道岔设备由“故障修”到“状态修”的综合智能维护提供可行途径。     

融合主成分分析与支持向量机的船舶异常行为识别方法

为解决船舶异常行为识别率低下的问题，综合考虑船舶属性和运动特征，提出了一种融合主成分分析和支持向量机的船舶异常行为识别方法。根据船舶作业过程对船舶行为模式进行划分，并明确船舶行为模式相关的船舶运动特征；进而以船舶自动识别系统数据为基础，运用主成分分析算法提取最具代表性的船舶运动特征；最后运用支持向量机算法对船舶异常行为进行识别。选取青岛港附近水域的船舶轨迹进行试验分析，结果表明：青岛港附近水域最具代表性的船舶运动特征共10个，总贡献率为84.40%;船舶异常行为识别结果的平均精确率和平均召回率分别为83%和84%,均优于对比模型。研究成果可以为船舶位置异常、轨迹异常、航速异常、航向异常等异常情况的智能发现和海事监管提供支撑。