排序方式: 共有10条查询结果,搜索用时 323 毫秒
1
2.
3.
4.
5.
6.
浮动堆平台采用小堆型式用于海上发电,为采油平台等海上设施提供电力能源和热水资源,其定位系统能保证浮动平台抵御风浪流的恶劣海况从而稳定的漂浮于海上。结合浮动平台运动特点,分析定位系统固有特性,提出一种以水动力计算得到船体位移,基于LS-dyna显示动力学建立整体刚柔耦合模型的分析方法。以船体位移作为输入对结构进行动力学耦合计算,分析各系统模块、运动副受力,得到关键部位和运动副的应力时程曲线以及关键节点的位移时程曲线,并给出各运动副最大受力时的运动姿态的计算方法,为工程应用提供了参考。 相似文献
7.
城中村是大城市住房的重要组成部分,由于环境差、交通秩序乱等问题成为城市重点治理对象之一.交通治理可有效改善城中村居民出行和生活品质,在分析和总结城中村居民出行特征、交通设施现状和常用交通治理措施的基础上,以深圳市为例,根据已有的城中村交通治理实践,以问题为导向,面向实施,从规划、投融资、主导、实施、宣传、管理和维护多方面自上而下的、自始至终全过程,提出相应的可实施的优化措施,以期为今后其他城中村交通治理提供一定的参考. 相似文献
8.
为科学评估地铁洪涝灾害发生的可能性,增强地铁洪涝灾害的防治和应急能力,减少人员伤害和财产损失,以我国已发生的地铁洪涝灾害历史事件中提取的相关数据作为样本,通过解构地铁洪涝灾害的致灾因素,从自然因素、周边环境和防汛能力3个维度,共13个致灾因素分析地铁洪涝灾害发生的原因及相关信息,并基于DNN神经网络方法构建用于预测是否会发生地铁洪涝灾害的神经网络模型。结果表明:(1)地铁洪涝灾害预测模型在准确率和F1 Score指标评价上均表现良好,准确率为85%, F1 Score值为0.9,且测试集结果与实际是否发生地铁洪涝灾害情况基本一致;(2)防汛能力较差和不良的周边环境因素会加重地铁车站承灾环境的脆弱性,应予重点关注;(3)自然因素是构成地铁洪涝灾害的关键要素,应多加强自然因素和防汛信息调度之间的及时性。 相似文献
9.
地铁车站形式以地下段为主,进入雨期时受到洪涝灾害的威胁,易发生雨水倒灌现象,严重影响居民出行和地铁安全运营。为进一步提高地铁车站洪涝灾害预测的效果,提出基于RF-RFE和DNN神经网络的地铁车站洪涝灾害预测方法。首先,通过收集并分析已发生地铁车站洪涝灾害的案例,采用文献综述结合专家访谈的方法,构建地铁车站洪涝灾害初始变量集;然后,利用随机森林—递归特征消除(RF-RFE)算法,计算初始变量重要性并完成变量分类正确率排序,从初始变量集中筛选出重要变量;最后,建立DNN神经网络预测模型,并以筛选出的重要变量作为输入样本,训练DNN神经网络,完成对地铁车站洪涝灾害的预测。研究结果表明:(1)变量选择可提高预测模型精度,与初始变量集的DNN神经网络预测模型相比,数据筛选后的DNN神经网络预测模型准确率提高了4.36%;(2)RF-RFE和DNN神经网络算法结合具有良好的效果,预测模型准确率为88.1%,F1分数为0.9。 相似文献
10.
1