碳纳米管改性沥青主曲线研究

选取90号基质沥青并掺拌总质量1%、2%、3%的碳纳米管,对碳纳米管改性沥青进行常规性能试验和动态剪切流变试验,基于时温等效原理确定不同掺量的碳纳米管改性沥青复数模量主曲线。结果表明:随着碳纳米管掺量的增加,改性沥青的高温稳定性,抗剪切能力均逐渐增加;利用sigmoidal拟合的复数模量主曲线预测了碳纳米管改性沥青在较宽频率范围内的黏弹性指标,温度与位移因子拟合的一次函数相关系数大于0.996,相关性较高。

基于PSO优化的叶节点加权随机森林算法

随机森林算法(random forest)是属于集成学习的一种组合分类方法,作为一种重要的机器学习算法,随机森林算法普遍适用于大部分数据集。通过使用PSO算法优化并采用对叶节点加权的方式,可以改善传统随机森林算法的性能,提升其分类能力。利用PSO算法全局搜索能力强、收敛速度快的优势,根据决策树分类能力的不同对其进行优化,获得叶节点的投票权重,最终采取多棵决策树投票法得出随机森林的结果。实验证明,改进后PSO优化的随机森林算法的准确度可比传统的随机森林算法提升19.1%。

基于时态关联规则的网络故障预报

该文针对网管告警数据库中时间序列存在的连续性、不确定性和模糊性问题，提出了一种基于时态关联规则挖掘告警库的新方法。该方法引入告警数据的时间序列，可预测出一些告警（联合）事件的发生将导致哪些告警（联合）事件的随后产生。通过对某校园网的告警数据库进行规则挖掘实验，表明该方法可以准确、有效的挖掘出隐含在海量网管告警数据库中大量有意义的时态关联规则，规则中的概率参数（置信度和支持度）可作为网络管理的先验知识用来指导网络故障的诊断和预报。