水浸胁迫下植被高光谱遥感识别模型对比分析

随着全球气候变暖,我国洪涝灾害发生的频率及影响范围都不断增加。通过野外模拟试验,研究植被(玉米、甜菜)在水浸胁迫下的光谱变化特征,以构建高光谱遥感模型对水涝灾害范围进行监测。试验于2008年5月—8月在英国诺丁汉大学Sutton Bonington校区(52.8°N,1.2°W)进行,每周采集一次样本并在室内测量其光谱数据。试验结果表明植被光谱在550,800~1 300nm区域反射率都稍有降低,而在680nm区域反射率则略微增大。选取NDVI,SIPI,PRI,SRPI,GNDVI及R800*R550/R680共六个植被指数识别水浸胁迫下的植被,研究表明,指数SIPI与R800*R550/R680对水浸胁迫玉米比较敏感,而指数SIPI,PRI及R800*R550/R680对水浸胁迫甜菜比较敏感。为寻找最优的识别模型,计算对照与水浸胁迫植被指数之间的归一化均值距离并进行对比分析,发现植被指数R800*R550/R680的归一化均值距离在胁迫早期即大于其他指数的距离,说明该指数识别水浸胁迫植被的能力优于其他指数,且具有较强的敏感性与稳健性。因此,可以利用该指数快速地提取水浸面积,为救灾减灾决策提供信息支持。

地下水位预测模型对比分析研究

为更好地研究地下水位预测模型,选用灰色GM(1,1)、叠加的马尔科夫链和BP神经网络3种模型,选取2007-2010年长春市的地下水位资料进行地下水位预测研究,对比分析了3种模型的预测结果以及其适用情况。结果表明,3种预测方法的平均绝对误差均小于10%,在一定程度上表明3种模型均具备一定可信度,其中叠加的马尔科夫链模型的误差相对较大,另外两种则相差不大。灰色GM(1,1)模型适用于把握数据的大体变化趋势;叠加马尔科夫链模型适用于对相对稳定的数据的预测;BP神经网络模型需要基于相对较多的数据进行有弹回地校正模拟,且预测的结果相对拟合程度更好,预测结果更理想。

Marsh-Schulkin与Rogers模型比对分析

基于实测传播损失数据对比分析Marsh-Schulkin和Rogers经验传播损失模型。通过讨论东海声学调查具体的海洋环境,较详细地标定了两模型对应的声学参数,并融入模型,结合实测数据进行对比验证,得出关于两模型在东海适应性的如下结论:两模型预报结果与实测数据吻合较好,且两者预报曲线大致相同;其中MarshSchulkin模型预报曲线斜率略大于Rogers模型,预报差异随距离增大有所增加;各频率预报曲线存在交点,交点左侧Rogers模型更接近实测数据,右侧Marsh-Schulkin更为准确。

BP、PSO-BP神经网络模型在人因失误因素判别上的对比分析

通过对大量我国煤矿重大事故及人因比率的分析后发现,在近三十多年间我国煤矿发生的重大事故96.56%与人为因素有关。为判别哪些人因失误因素会造成事故灾害,笔者分析了煤矿综采工作面人因失误的主要因素。通过数据分析,调查问卷等方式最终确定了23个人因失误的因素,并最终确定使用神经网络作为分析方法。建立了三层(23-11-5)神经网络模型,利用MATLAB软件中的神经网络工具箱进行编程,选取具有代表性的15组样本作为分析数据,在计算机中实现了煤矿综采工作面人因失误模型的建立。最后对比分析处理结果用于验证改进后的PSO-BP神经网络的正确性。

双贮备系统冷/温/热贮备模型的优化选择研究

对运行设备安装双贮备设备是实现系统高可靠性的有效方法.在双贮备系统冷/温/热三种贮备模型中,选择哪种贮备模型对系统性能指标和经济指标均有重要影响,因此对如何选择双贮备系统的贮备模型从而使系统性能最优或经济效益最大的问题进行研究具有现实意义.而现有研究成果很少涉及双贮备系统贮备模型的优化选择问题.为此,本文创新性地提出一种确定双贮备系统最优贮备模型的选择方法.分别建立系统冷/温/热贮备模型,分析每个模型的系统状态及系统半Markov核函数,利用Markov更新方程、Laplace变换以及Laplace-Stieltjes变换技术推导系统稳态可用度、稳态平均维修次数、维修人员稳态忙期概率以及冷贮备模型的平均激活时间,并从经济角度给出系统单位时间内的净收益函数.最后分别以性能指标和经济指标作为研究目标,通过模型对比分析给出不同条件下的系统贮备模型的优化选择算法,并对每个研究目标下的优化选择算法进行实例计算.计算结果表明以不同性能指标和不同费用作为参考得出的最优贮备模型不尽相同,从而验证了所提方法能够有效地确定不同衡量标准下的系统最优贮备模型.

U型地埋管与当量直径地埋管传热模型对比与分析

建立了考虑地下水渗流的U型地埋管与当量直径地埋管传热模型,并对这两种模型进行了对比分析,得出在考虑同一动态负荷的前提下,这两种模型地下土壤温度场的温度分布、地埋管的全年逐时出水温度大致相同。

基于DID模型的农村产权抵押贷款对农户收入影响的分析——以浙江嘉善县为例

对浙江嘉善县667家农户进行实地调研,通过构建DID模型实证分析农村产权抵押贷款对农户收入变动的影响,研究表明:农村产权抵押贷款有利于提高农户收入,对低、中收入群体边际贡献更为显著。同时,农户的个体特征对增收效果产生一定影响,高学历、稳定的资金来源结构等有利于提高农户收入。政策含义是:政府应拓宽贷款抵押品范围,从信贷等方面加大对农户的金融支持,完善贷款风险补偿与分担机制,提高农村金融对农户收入增长的贡献。

Fluent模型在河道堤防渗透数值计算中的适用性和精度对比分析

本文结合渗流物理模型试验,分析了Fluent模型在河道堤防渗透计算的适用性,并对比分析了Fluent模型和传统渗流计算模型在河道堤防渗透计算的精度。研究结果表明:Fluent模型在河道堤防渗透计算具有较好的适用性,计算的渗透系数和渗流试验分析的堤防渗透系数之间的相对误差值小于15%;Fluent模型由于采用有限体积方法对非稳定渗透流方程进行离散,计算精度好于传统渗流计算方程,计算误差减少12.2%,相关系数提高0.28。研究成果对于设计河道堤防的渗透合理计算提供方法参考。

双肢薄壁墩系梁对连续刚构桥抗震影响分析

连续刚构桥在我国西南地区的应用越来越广泛,以高墩连续刚构桥为研究对象,以双肢薄壁墩系梁间距为主要参数,分析桥梁振型频率、墩顶位移、墩顶内力以及墩底内力在地震响应下评价桥梁的抗震性能和纵桥向系梁对刚构桥稳定性的影响。结果表明:在地震响应下,对于纵桥向系梁间距为21.7 m最为合适。

基于PCA-XGBoost联合算法的盗窃犯罪预测模型

结合大量犯罪数据特征和行为特征,提出一种PCA-XGBoost联合预测模型。采用PCA算法提取数据集的主要特征;应用XGBoost算法提升预测优化和泛化能力,并通过三种检验方法进行准确率检验。此外,经与XGBoost、CART、RF、NB和LR等分类算法模型的预测结果进行对比,表明PCA-XGBoost联合预测模型对盗窃犯罪数量的预测准确度明显高于其他预测模型,具有较高的应用价值。

箱形转换层结构在PKPM CAD软件中的模型建立

箱形转换层由上下较厚楼板和转换梁构成转换箱体，箱体与下部的框支柱组成一个转换层来实现上部结构体系的转换。在PMCAD建模时，每个标准层中的每个单元内只允许布置一块楼板，这就给箱形转换层的PMCAD建模带来了困难。本文根据SATWE软件中布置虚粱的方法，将箱形转换层分解成上下两个标准层来建模，以解决箱形转换层的建模困难。本文通过多个模型和西安庆化开元高科大厦实例的计算分析，对本文提出的建模方法进行了讨论，采用本文推荐的建模方法能更好地符合结构实际受力状态。

基于深度学习的转炉煤气发生量预测模型

转炉煤气发生量预测为转炉炉口微差压调控、转炉煤气回收质量提升和全厂煤气平衡调度提供重要支撑。以某钢厂吹炼过程转炉煤气实际发生量数据为依据,采用深度学习方法,建立了BP神经网络、LSTM长短记忆神经网络和RBFNN径向基函数神经网络3种转炉煤气发生量的预测模型,对比分析预测步数、输入样本量和隐藏单元数3个参数对预测模型精度和计算效率的影响。研究结果表明,模型的预测精度均随着预测步数的增加而减小,选择30步预测更符合钢厂的实际需求。随着样本输入量的增加,LSTM的精度无明显变化,BP的精度呈降低趋势,RBF的精度先大幅提高后缓慢降低。LSTM的预测效率无明显变化,BP大幅降低,RBF无变化。当3种模型各自在最佳样本输入量和30步预测条件下,随着隐藏单元数的增加,LSTM的精度基本不变,BP先略有升高再缓慢降低,RBF先大幅升高之后保持平稳,后面再大幅降低。LSTM的预测效率小幅降低,BP大幅降低,RBF保持不变。最终,在30步预测的条件下,LSTM、BP、RBF 3种模型的最佳参数条件为,LSTM样本输入量为125,隐藏单元数为135,此时均方根误差ERMS最小为13.38,训练时长为4.7min;BP样本输入量为50,隐藏单元数为60,此时ERMS最小为31.46,训练时长为16.8min;RBF样本输入量为210,隐藏单元数为210,此时ERMS最小为2.07,训练时长为1.2min,与实际数据相比,RBF预测效果最好。采用转炉煤气发生量预测结果调控风机的转速,可以使炉口微差压保持在更稳定的状态,减少吸风量,提高回收煤气热值。

柴油发动机可变压缩比研究

柴油发动机在船舶、汽车、飞机等运输工具上运用十分广泛。柴油机凭借转换热效率高的特点,常用在大功率的机械设备上。但它存在着油耗高、燃油经济性较差等缺点,必须采用可变压缩比技术来弥补这一缺点,以达到良好的效果。本文研究分析可变压缩比技术在柴油发动机上应用的可行性,通过建立模型,分析实现其功能的原理,并对其进行结构强度试验模拟,以验证是否满足要求,推出最优模型方案。

基于灰色参数组合优化模型的重庆PM;浓度预测与对比分析

为科学预测重庆市PM;年均浓度,文章通过分析2013-2019年数据,依据其小数据特征,对GM(1,1)的初始化条件、背景值系数及累加阶数进行了参数组合优化,提出了新型GM(1,1,Csz,ξ,r)模型.应用该模型对重庆市PM;年均浓度进行模拟和预测,模拟结果表明其性能优于TDGM(1,1)及TWGM(1,1),预测结果显示重庆市2021年PM;年均浓度可以达到国家二级标准限值,空气质量持续好转,重庆市"四控两增"举措已初步取得成效.

基于改进PSO-BP神经网络算法在一般盗窃犯罪预测中的应用

针对BP神经网络对初始权重敏感,容易陷入局部最优解的问题,引入粒子群优化算法(PSO),对网络权重进行全局搜索,同时采用BP神经网络权重更新方法对PSO搜索到的权重和阈值进行进一步的更新,构建改进后的PSO-BP神经网络模型,对一般盗窃犯罪数量进行预测。应用美国芝加哥市2015年-2017年盗窃犯罪数据以及总人口数、房价中位数、本科率等11个影响因子数据,对改进前后的模型进行了预测对比实验。结果表明,改进后的PSO-BP神经网络模型成功克服了BP模型的缺陷,相对误差由4.68%降低到1.635%。

水电站设计及施工

《复合单元法在深基坑降水井设计中的应用》；《水工墩墙结构混凝土裂缝成因与防裂措施分析》；《物理模型与数学模型对比分析沙牌拱坝的结果特性》；《水电站气垫式调压室应用现状和主要设计问题》。

多指标评价方法在注塑成型工艺中的应用

以电动车头罩成型过程中的翘曲量、收缩率、缩痕指数为评价指标,运用加权综合评价法、功效系数法、灰色综合法以及TOPSIS法4种多指标评价方法进行了分析,得出各方法对应的最佳工艺参数组合;建立多指标评价方法对比分析模型,以各方法最佳工艺参数组合下翘曲量、收缩率和缩痕指数、成型周期和各方法原始数据计算量为对比分析指标,得到加权综合评价法和TOPSIS法具有相同的质量指标,翘曲量、收缩率和缩痕指数分别为1. 831 mm、7. 366%、4. 593%,成型周期均为11 s。通过分析这2种方法的计算量,最后确定加权综合评价法为最佳多指标评价方法,并根据极差分析表得到最佳工艺参数组合。此方法在保证制品质量的同时,能够提高生产效率和减少技术人员的计算量。

改进的GA-BP神经网络模型在财产犯罪预测中的应用

发现犯罪时空分布规律并预测犯罪发生,是提高警务策略有效预防、控制犯罪的重要方法。在分析财产犯罪时空规律的基础上,利用BP神经网络模型自动学习训练各因子与财产犯罪的非线性关系,建立了财产犯罪预测模型。针对BP神经网络模型易陷入局部最优和模型不稳定的缺陷,提出了利用遗传算法(GA)选择各因子最优的初始化权重和参数,并以此作为BP神经网络模型的初始化权重矩阵,通过对历史数据的学习及训练建立了改进后的GA-BP神经网络模型。利用某市2007~2012年财产犯罪、人口、GDP、土地利用等35个综合影响因子数据,对改进前后的模型进行了预测对比试验。结果表明,改进后的GA-BP神经网络模型成功克服了BP模型的缺陷,收敛迭代最小次数从117次改进到8次;10次计算收敛迭代次数最大误差从370次提高到5次;模型预测精度(RMES)从0.043 0提高到0.019 95。