基于STM的建筑物体打击事故致因关联分析

本文为系统分析建筑施工物体打击事故的产生机理,深入探索了事故调查报告中记录的主要致因类型及其联系。首先,选取2012—2021年国内136例物体打击事故调查报告,运用文本挖掘技术对事故报告进行预处理;然后,构建结构主题模型(STM),引入协变量建筑工种、击打物体和季节,对事故报告文本进行致因主题生成;再运用共现矩阵可视化直观展示主题间的关联关系;最后,分析各项主题与协变量之间的关联。研究结果表明:物体打击事故报告中呈现9项致因主题,其中人为因素占比最大。对于3个协变量,建筑工种中技术工人所面临的危险更多;一年中物体打击事故多发于夏季和春季;击打物体中原材料类和工程机械类物体易造成事故。根据事故致因的关联分析结果制定针对性的风险防范措施,可提高施工现场的安全管理水平。

城市交通出行方式选择的随机弹性分析

影响城市交通出行方式选择的因素有很多,本文致力于分析具有随机特性的因素对出行方式选择的影响程度,即随机弹性.使用具有较好收敛性的集计交通战略STM模型作为分析出行方式选择的工具,并根据对道路实测数据的统计分析,验证了作为影响出行方式选择的重要因素——小汽车出行速度为随机变量并服从k阶爱尔朗分布.根据经济学的随机弹性理论,推导出小汽车出行速度对出行方式选择的随机弹性计算模型,利用北京市的实际数据验证了模型的有效性.并得出结论:交通政策指标(影响因素)的可靠度越高,政策目标对政策指标的弹性值越稳定、集中,即政策目标达到的可靠度越高,随机弹性分析模型可作为一种交通政策量化分析的工具.

对象空间踪迹的自动跟踪与管理

提出了一种在多个观察点对目标空间踪迹自动跟踪的方法(MOTT)。每条踪迹由若干个空间等距的节点连接构成,而节点信息从2个相似摄像头捕捉的视频流中提取。该文构造了一个三维方位模型(3DOM)来确定目标当前的位置,并预测了运动轨迹,构造了一个空间踪迹模型(STM),用来记录对象行为信息,识别对象行为特征,并通过代理对象分类管理这些踪迹。该方法可在视频防盗、航空视频监控等领域广泛应用。

深承台板的载荷传递机制(英文)

采用STM模型,进行了双向剪切破坏的深四桩承台板的静力分析.分析中使用ANSYS软件和试验得到的数据,简要的参数分析以进一步理解分析过程.结果清楚地显示,深承台板的载荷传递机制与相应的双向剪切破坏模式.对于分析得到的结果进行了图形表示和解释,同时,对于分析中的某些限制及假定进行了说明.最后,提出了进一步研究的意见和建议.

我国广义货币供应量M2的结构时间模型实证分析及预测

我国的M2是传统的货币政策调控中介目标,也是用来综合反映经济系统中现实和潜在购买力的重要经济指标。本文使用STM模型将M2这一可观测时间序列分解为趋势、周期、季节、不规则成分等不可观测的成分,通过对其构成成分的分析和对其变化的预测了解经济的动态特性。通过实证分析,发现STM预测性能总体上高于ARIMA模型,STM模型借助状态空间的表达形式,通用性更强,能够更加灵活的表达真实的经济系统。

教育质性研究中人机协同文本挖掘技术的运用——以某高校教学评估中文文本数据为例

信息时代海量增长的文本资料成为质性研究者开展研究的数据宝藏,但未得到充分研究,其原因在于针对海量中文文本数据的有效分析方法尚待突破。文章率先在质性研究范式中使用了以结构主题模型(STM)为代表的人机协同方法,对某大学在线教学效果评估的课堂观察记录数据展开文本挖掘。以教学评估研究数据分析为例,完整呈现了在教育质性研究中应用STM进行数据挖掘的四个步骤,并分析了其在挖掘海量中文文本资料方面的独特优势。研究表明,跨学科研究方法的尝试有助于解决教育学科甚至人文社科领域内海量中文文本在质性分析上的固有难题。