对科研档案质量控制的思考

科研档案是指在科学技术研究过程中形成的,具有保存价值的文字、图表、数据、声像等各种形式载体的文件材料。科研档案是科学技术研究活动的真实记录,是科学技术储备的一种形式,是企事业单位重要的信息资源和宝贵财富。近年来相当一部分单位的科研档案质量出现不同程度的下降趋势。如何有效控制科研档案质量,确保科研项目档案的完整、准确、系统,成为档案工作者当前需要深思和着重解决的问题。本文结合笔者单位科研档案管理实践情况,对科研档案的质量控制谈谈自己的认识。     

印度与中国桥梁抗震设计规范对比

为研究印度桥梁抗震设计规范,为后续工程项目提供参考,对该规范进行了介绍,对设防标准、场地类别、地震动峰值加速度和反应谱计算的规定与中国规范进行对比分析,并依据实例对中印两国的设计反应谱进行计算。对比后发现,印度桥梁抗震设计规范在设防标准上要求较中国规范偏低,荷载组合、场地类别、地震动峰值加速度重现期、设计反应谱特征周期等存在不明确的地方。印度规范水平弹性反应谱普遍接近中国规范E1反应谱,明显小于E2反应谱。     

中港协科技委2006年年中成员代表大会暨《港口科技》编委会(哈尔滨)会议纪要

中港协科技委2006年年中成员代表大会暨<港口科技>编委会会议于2006年8月18日至20日在哈尔滨召开.中国港口协会秘书长何业钢、中港协科技委主任委员包起帆、副主任委员吴金坤、吴裕昆、彭维德、徐奇标等各港务集团领导,各成员单位代表、编委会委员及各协办单位代表61人出席了会议.会议由中港协科技委主任委员、上海国际港务(集团)有限公司副总裁包起帆主持.     

基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM（支持向量机）模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明：(1)误差对比：当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。(2)预测精度：组合模型>BP神经网络>SVM,组合模型的平均绝对误差（MAE）提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。     

预应力波形钢腹板组合挑梁结构的探索性研究

钢-混凝土组合脊骨梁是一种新型的桥梁结构形式,其钢挑梁常采用平面钢腹板,由于混凝土的收缩、徐变以及混凝土板和钢梁之间的温差效应,引起挑梁根部混凝土板的较大拉应力。针对上述问题,该文提出在组合脊骨梁中采用预应力波形钢腹板组合挑梁这一结构形式。通过实桥背景算例,重点对比分析了两种组合梁预应力效率、温差效应、收缩徐变等方面的力学特征。结果表明,波形钢腹板组合挑梁在力学性能、经济性、施工等方面都具有较大的优势。     

组合桁梁桥主要设计参数分析

文章以组合桁梁桥为研究对象,以某实际工程为研究背景,主要针对桁高、桁宽、节间数、剪力连接件刚度、混凝土顶板厚度这5个主要设计参数,建立组合桁梁桥在不同参数下的有限元模型进行数值模拟,分析组合桁梁桥在荷载作用下的受力特性,为该种桥型设计提供参考。     

钢-混组合连续梁桥设计关键技术分析

文章以某钢-混组合连续梁桥为研究对象,通过有限元模型对其负弯矩桥面板、主梁挠度、抗疲劳等设计关键技术进行了分析,验证了组合桥梁设计的合理性和可靠性,为今后同类组合梁桥的设计分析提供借鉴。     

模糊数学在立交匝道线形优化设计中的应用

将模糊数学的概念、原理应用到立交线形优化设计中,以立交平面线形设计中的2种基本线形—圆曲线、缓和曲线作为构成立交线形设计中的线形元,并且考虑了行车条件、线形几何约束、超高要求等约束条件,以及影响参数取值的因素的模糊性,提出了比传统的优化设计方法更为科学、合理的模糊优化设计方法,建立了模糊优化数学模型,并分析了其解法.     

《中国修船》征稿启事

1.《中国修船》的办刊特点是实用性与科学性相结合,理论与实践相结合。探讨修船企事业单位的发展方向和模式,介绍修船新工艺、新技术,切磋保证修船质量、缩短修船周期、提高修船效率的有效措施。文章力求有前瞻性、先进性、实用性。2.征稿内容:经营管理方面的成功经验,理论探讨;船体、船机、船电、计算机信息管理等方面新技术的应用;坞修设施的改造;拆船、船舶改装、特涂、特修、防污防腐、维修理论以及海洋平台的改装;企业风采、新产品介绍;国内外修船动态、航运信息、简讯等信息类的文稿。     

SVR辅助SINS-DVL的水下机器人组合导航方法

多普勒计程仪(DVL)在水下导航系统应用越来越广泛。当海底环境发生变化时,DVL会发生数据刷新频率不稳定,数据无效等情况。为了提高导航的可靠性,本文提出了一种变训练集的SVR回归方法,对DVL的数据进行预测。根据水下机器人的速度变化率和加速度变化率调节训练集大小。把捷联惯导(SINS)的东向和北向速度作为输入,DVL东向和北向速度作为输出对模型进行训练。根据SINS的数据输出频率,选取合适的预测数据输出频率进行仿真。仿真发现算法有效地提高了SINS/DVL组合导航的精度,并在DVL数据无效时,有效地抑制误差,提高导航系统的稳定性。