基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别北大核心

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法。创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究。根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列。随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98%。为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力。当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低。     

基于量表型选择集的出行信息需求有序选择模型

研究了城市出行者日常活动和出行所需要的关键信息, 提出了一种针对量表数据的量化分析方法; 以出行者信息需求为研究对象, 设计了一项基于李克特5级量表的问卷调查; 总结了出行个体对各类出行信息需求程度的排名, 分别构建并标定了驾车线路、目的地位置和实时路况信息需求的有序选择模型; 与多项Logit模型在参数显著度、赤池信息量准则和对数似然函数值等指标上进行对比, 以验证有序选择模型的有效性, 并对影响信息需求的关键变量进行了局部效应分析。研究结果表明: 出行者在通勤出行前最需要公交运营变更信息, 而在通勤出行中最需要实时路况信息; 非通勤出行者最关注目的地位置信息, 在出发前和途中对目的地位置信息的需求概率较通勤出行前分别高出31.08%和29.25%;在职人员对信息的需求程度普遍高于学生和自由职业者, 说明时间价值高的人群更期望通过全面及时的信息获取来合理安排出行; 女性比男性对实时路况信息的需求概率高出10.23%, 说明女性对延误的风险规避意识更强; 20~40岁的人群出行信息需求最强烈, 随着年龄的增长该需求将逐渐下降; 各年龄段对实时路况信息都表现出了较高的需求, 说明人们对于有可能带来负面影响的信息更为敏感。可见, 采用有序选择模型能够精确分析量表型选择集。      

2002阿姆斯特丹欧洲道路运输车博览见闻(一)

2002年2月7日～16日在荷兰阿姆斯特丹RAI展厅举行的阿姆斯特丹商用车展,虽不能与汉诺威国际商用车博览相提并论,但依然让参观者不枉此行,其展台上新颖的运输车设计方案给人一种耳目一新的感觉.车身和挂车制造商展厅与之遥相呼应,相得益彰,倍受人们的关注.     

利用ObjectARX开发基于AutoCAD的有限元前后处理

介绍了利用ObjectARX开发AutoCAD2000，并将之应用于有限元前后处理的方法及其过程。利用ObjectARX提供的一些函数和AutoCAD平台提供的功能来实现前后处理的简单化。     

调大前束值转向变轻的原因

根据转向梯形机构的工作原理,分析了已磨损的转向节臂导致转向沉重的原因。汽车转向时,要求车轮只滚动不滑动,要实现这一要求,所有车轮必须以不同的半径围绕同一转向中心滚动。转向节臂是转向梯形机构的主要零件,在车辆使用保养和修理中,必须装用符合技术要求的转向节臂。     

巧取变速器一轴前轴承

安装在曲轴后端座孔内的变速器一轴前轴承(也称变速器一轴导向轴承)，由于其安装位置比较特殊，常因润滑不良而磨损、卡滞，致使出现不正常的响声，或使变速器一轴不能正常转动，甚至卡死在轴承座内。从座孔内拆卸该轴……     

新型滚刀构形误差及优化的研究

对新型凸曲前刀面刮削滚刀的理论构形误差进行了全面分析，探讨了各特征参数对构形误差的影响规律。所提出的参数优化方法解决了这种新型滚刀设计参数不易确定的难题，经实践证明，效果很好。