贫困地区农村公路建设技术标准的分类应用

进入“十二五”时期,国家加大了对农村公路建设的资金投入力度,实施集中连片贫困地区农村公路建设项目。为把握好建设技术标准,结合贫困地区农村公路建设的实际,把农村公路建设区分为四种类型,分类确定技术标准,充分利用老路资源,修建节约、环保、安全的农村公路。     

公路桥梁上部结构加固技术

随着高速公路运营的时间逐渐增长,桥梁的病害也逐年增加,及时地对桥梁的进行加固或预防性加固很有必要。公路桥梁需要加固的原因是多方面的,在分析桥梁加固原则和桥梁加固分类的基础上,重点论述了桥梁上部结构的加固技术,对于桥梁加固施工具有指导意义。     

基于分类预处理的协同供应商模糊综合评价

供应商优选是供应链协同管理和供应链竞争力的内在要求。对定性指标采用梯形模糊数处理,并对所有指标进行分类预处理,实现无量纲化并避免设计隶属度函数;构建模糊互补矩阵时对定性指标采用两两比较法,对定量指标采用模糊一致判断矩阵元素与权重之关系式,以提高定量指标数据的区分精度;从而,构建基于梯形模糊数及模糊一致矩阵的协同供应商模糊综合评价方法。案例计算表明,该评价方法对定性指标和定量指标的处理技术更加科学客观,比传统模糊评价方法更合理,能为供应链协同管理中供应商选择提供科学的决策支持。     

基于形态学分形维数的输电线路故障选相方法

输电线路故障信号是一种典型的非线性信号,分形几何理论为描述非线性故障信号的特性提供了一个有力的分析工具。针对传统分形维数的局限性,本文提出了一种基于局域均值分解（local mean decomposition,LMD）-形态学的分形维数-Elman神经网络的输电线路故障选相新方法。该方法通过对故障电流进行相模转换后,对单一线模分量进行LMD分解得到若干乘积函数（product function,PF）分量,然后选取前4个PF分量进行数学形态学的分形维数估计,最后形成特征向量作为Elman神经网络的输入参数。仿真试验表明：提出的故障分类识别方法能快速、准确地识别各类故障,并且不易受故障初始角、故障位置和过渡电阻的影响,与传统的BP神经网络相比,Elman神经网络具有更好的效果,为准确判断输电线路故障选相提供了一种快速有效的新方法。     

基于交叉组合重采样的拥挤识别方法

针对拥挤数据分布不平衡问题,提出了一种新的重采样方法———交叉组合重采样法。该方法是将随机向下采样法与 smote法相结合,对原始数据进行交叉采样,以减少采样法对原始数据的非均匀性破坏。通过仿真,得到比例为1∶10.1的非拥挤数据和拥挤数据原始样本。根据实际情况,通过交叉采样法,分别得到类比例为1∶5,1∶3以及1∶1的数据集,并对3种情况下的分类结果进行对比分析。选择朴素贝叶斯分类器、贝叶斯网络分类器及神经网络分类器,在不同比例数据集下,针对交叉组合重采样法和一般组合重采样法进行对比实验。实验结果证明：交叉组合重采样法能够更好地解决拥挤数据不平衡给分类器带来的问题。     

海港港址选择技术发展

回顾了我国海港港址选择历程及技术成果。结合近些年港口选址建设遇到的海岸新特征,阐述了我国海岸分类标准。针对不同海岸性质从自然环境角度论述了我国海港港址选择的技术发展,对于地貌、水文等自然条件复杂的粉沙质海岸论述了港口选址建设所取得的成果,并提出发展展望。     

洋山深水港区四期工程接岸结构冲刷分析

水工建筑物前沿底部冲刷严重,将对建筑物的稳定性造成巨大威胁。洋山深水港区四期工程接岸结构西端区域进行了定期的水下地形测量,本文根据取得的实测数据资料,对洋山水域的水深变化趋势进行分析及分类拟合预测,并与现行规范理论计算结果进行对比、分析得出相关结论,供洋山附近及类似工程参考。     

ABC分析在工程成本管理中的应用

ABC分类方法的管理思想是基于企业的资源有限,为了使有限的时间、资金、人力、物力等资源能得到更有效的利用,应对企业库存物资进行分类,将管理的重点放在重要的库存物资上,进行分类管理和控制,依据库存物资重要程度的不同,分别进行不同的管理。其分类管理方法就是将库存物资按重要程度分为特别重要的库存（A类库存）,一般重要的库存（B类库存）和不重要的库存（C类库存）三个等级,然后针对不同的级别分别进行管理和控制。     

3S技术在土地利用调查中的应用

基于无人机遥感图像的分类精度和高分辨率的图像特征,得出面向对象的遥感影像分类方法,即应用无人机遥感技术进行土地利用的快速详查信息提取。运用GIS技术,着重研究土地利用数据库的建立方法及构建过程,通过该数据库构建的时空模型,可有效地避免数据冗余问题,建立的数据库还可实现土地的详查追溯,通过图像的层次叠加获取历史土地详查的全区土地信息。     

BP神经网络在企业财务预警中的应用

根据预警系统体系指标的要求,对企业财务预警指标进行了筛选。采用BP神经网络预测与Adaboost算法相合的分析方法,对采集的样本数据建立了强分类器并进行了分类误差分析研究,完成了公司财务预警系统分析。结果表明:用BP_Adaboost分类算法建立的强分类器的分类误差率低于仅用BP算法建立的弱分类器的分类误差率,此法具有可行性和一定的计算精度,能为企业财务预警提供一定的理论指导。