来马路隧道超前地质预报典型不良地质体雷达数据解析

文章根据广西来宾至马山高速公路隧道超前地质预报成果,介绍了地质雷达数据采集、处理的要点,并结合探测实例分析了项目区常见的不良地质体(溶洞、断层带、裂隙密集带)的雷达反射波特征。     

基于PCA/ICA的中心区转向试验数据提取

基于主成分分析(Principal Component Analysis,PCA)及独立分量分析(Independent Component Analysis,ICA)方法,利用PCA降维功能及ICA独立盲源信号分离挖掘技术,对PCA/ICA计算方法进行改进,并应用于车辆中心区转向试验数据处理环节,有效排除了测试中各种干扰因素,实现了原始信号降噪,从统计学意义上保证了所提取数据指标的一致性。     

A hybrid Bayesian Network approach to detect driver cognitive distraction

Driver cognitive distraction (e.g., hand-free cell phone conversation) can lead to unapparent, but detrimental, impairment to driving safety. Detecting cognitive distraction represents an important function for driver distraction mitigation systems. We developed a layered algorithm that integrated two data mining methods—Dynamic Bayesian Network (DBN) and supervised clustering—to detect cognitive distraction using eye movement and driving performance measures. In this study, the algorithm was trained and tested with the data collected in a simulator-based study, where drivers drove either with or without an auditory secondary task. We calculated 19 distraction indicators and defined cognitive distraction using the experimental condition (i.e., “distraction” as in the drives with the secondary task, and “no distraction” as in the drives without the secondary task). We compared the layered algorithm with previously developed DBN and Support Vector Machine (SVM) algorithms. The results showed that the layered algorithm achieved comparable prediction performance as the two alternatives. Nonetheless, the layered algorithm shortened training and prediction time compared to the original DBN because supervised clustering improved computational efficiency by reducing the number of inputs for DBNs. Moreover, the supervised clustering of the layered algorithm revealed rich information on the relationship between driver cognitive state and performance. This study demonstrates that the layered algorithm can capitalize on the best attributes of component data mining methods and can identify human cognitive state efficiently. The study also shows the value in considering the supervised clustering method as an approach to feature reduction in data mining applications.     

TBM掘进数据标准化预处理方法研究北大核心CSCD

TBM信息化采集了海量数据,对TBM数据的标准化预处理是进行诸多研究的前提。基于此,提出了一种TBM掘进数据标准化处理方法,依托TBM现场施工掘进大数据,以破岩特征为依据选取基本掘进参数(刀盘转速、推进速度、刀盘推力及刀盘扭矩)分析掘进过程TBM数据特点,提出循环掘进过程空推段、上升段、稳定段及下降段起点的判别方法,对稳定段起点提出了标准差法判别方法、均值判别方法、直方图判别方法,满足实时和非实时的数据划分需求。最后对两个TBM工程的数据进行标准化预处理,实现施工大数据的标准化。结果表明,提出的标准化预处理方法可实现循环掘进过程数据的有效划分。研究成果可推广应用于众多TBM工程的数据标准化处理,有效实现机器学习数据库的建立。     

单拱单柱双层浅埋暗挖地铁车站二次衬砌优化施工技术

北京地铁五号线蒲黄榆车站为22.6 m宽大跨度单拱单柱双层结构,采用中洞法开挖,开挖跨度相对较大,临时支护体系繁多,二次衬砌过程中结构受力转换复杂。文章主要介绍蒲黄榆车站二次衬砌施工分层、分段划分及临时支撑拆除代换技术。     

牵引试验车数据采集及处理系统设计与实现

牵引试验车数据采集及处理系统采集机车有关数据,并从RS232串口接收机车监控装置数据,同时,实时显示线路图和机车有关数据.介绍了该系统基于VC++6.0的实现方法,并着重讲述了系统的数据采集和串口数据接收过程.     

海量数据录入的几种技术方案的比较分析

基于B/S结构的0A系统,受浏览器的限制,在进行数据录入和数据校验时,如何保证用户使用的方便性、实时性以及安全性是企业Web OA系统开发实践中的难点问题.对此提出了5种技术解决方案,每个方案都按照方案概述、体系流程描述、难点问题解决过程描述以及方案优缺点描述的顺序进行说明,并对5种方案从用户需求的角度做了比较.     

基于遗传算法的车辆悬架系统等效物理参数识别

针对车辆悬架系统的功能及物理特性,以车轴的运动为系统输入,对复杂的整车行驶模型进行了合理简化。以某型专用越野车辆为例,建立了簧载质量的3自由度振动模型,推导了簧载质量任意位置处的加速度频响函数;利用汽车试验场道路测试数据,通过遗传算法编写VC程序进行了数据拟合,得到了悬架系统在不同路面工况下的等效物理参数。实际应用表明,拟合结果具有较高的可信度。     

神经网络在多目标分布式融合中的应用研究

提出了适合分布式多传感器多目标(MSMT)数据融合估计算法，对这种推广的分层融合估计算法进行了数学推导和描述，研究了利用神经网络进行MSMT跟踪融合的网络结构和算法，进行了计算机模拟仿真。仿真结果表明神经网络融合估计可提高跟踪精度，并且这种融合方法是有效的。     

基于二进制可辨矩阵知识约简方法的完备有效性

对于海量数据的铁路各种信息管理系统,利用基于二进制可辨矩阵的知识约简方法简化数据和从大量的冗余数据中挖掘出有价值的信息,是一种很有前途的方法。但实例证明该方法中的一些规则在有些情况下还不是完备有效的。因此,以从铁道部某管理信息系统的数据中抽取并建立的决策表为例进行检算和分析,提出基于二进制可辨矩阵知识约简方法的有效性及完备性的形式化定义,即:若给定二进制矩阵其列向量逻辑和为全“1”,则其正域相等,称其为有效;反之也成立,则称其为完备。从理论上给出严格的证明,首先求出有效和完备的二进制矩阵,然后求出最简的二进制矩阵,所得结果就是最简约简。