研究了不同石粉含量对C60机制砂混凝土徐变的影响,并对现有徐变预测模型进行了对比分析。结果表明:当机制砂石粉含量不超过15%时,各组试件的抗压强度均可满足C60强度等级的要求,各组试件120 d的徐变应变约为(180~230)×10-6,徐变系...研究了不同石粉含量对C60机制砂混凝土徐变的影响,并对现有徐变预测模型进行了对比分析。结果表明:当机制砂石粉含量不超过15%时,各组试件的抗压强度均可满足C60强度等级的要求,各组试件120 d的徐变应变约为(180~230)×10-6,徐变系数在0.41~0.56之间;随着石粉含量的增加,各组试件的徐变应变呈现先减小后增大的趋势,徐变系数呈先增大后减小的趋势;石粉含量对C60机制砂混凝土徐变的影响不显著;现有徐变模型对徐变系数的计算结果均大于实测结果;相比较之下,fib MC 2010模型更适用于高强机制砂混凝土的徐变预测。展开更多
链路预测是通过已知的网络拓扑和节点属性挖掘未来时刻节点潜在关系的重要手段,是预测缺失链路和识别虚假链路的有效方法,在研究社会网络结构演化中具有现实意义.传统的链路预测方法基于节点信息或路径信息相似性进行预测,然而,前者考...链路预测是通过已知的网络拓扑和节点属性挖掘未来时刻节点潜在关系的重要手段,是预测缺失链路和识别虚假链路的有效方法,在研究社会网络结构演化中具有现实意义.传统的链路预测方法基于节点信息或路径信息相似性进行预测,然而,前者考虑指标单一导致预测精度受限,后者由于计算复杂度过高不适合在规模较大网络中应用.通过对网络拓扑结构的分析,本文提出一种基于节点交互度(interacting degree of nodes,IDN)的社会网络链路预测方法.该方法首先根据网络中节点间的路径特征,引入了节点效率的概念,从而提高对于没有公共邻居节点之间链路预测的准确性;为了进一步挖掘节点间共同邻居的相关属性,借助分析节点间共同邻居的拓扑结构,该方法还创新性地整合了路径特征和局部信息,提出了社会网络节点交互度的定义,准确刻画出节点间的相似度,从而增强网络链路的预测能力;最后,本文借助6个真实网络数据集对IDN方法进行验证,实验结果表明,相比于目前的主流算法,本文提出的方法在AUC和Precision两个评价指标上均表现出更优的预测性能,预测结果平均分别提升22%和54%.因此节点交互度的提出在链路预测方面具有很高的可行性和有效性.展开更多
针对传统空气质量预测模型收敛速度慢,精度低的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和蜣螂优化算法(dung beetle optimizer,DBO)优化长短期记忆网络(long short term memory,LSTM)的预测模型。首先,针对...针对传统空气质量预测模型收敛速度慢,精度低的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和蜣螂优化算法(dung beetle optimizer,DBO)优化长短期记忆网络(long short term memory,LSTM)的预测模型。首先,针对AQI原始数据具有大量噪声的问题,使用VMD方法对非平稳信号进行模态分解以降低噪声对预测结果的影响从而获得多个不同特征的模态分量;其次,针对LSTM靠人工经验调参存在一定局限性,利用DBO算法对LSTM模型参数进行优化;最后,对分解后的各个子序列使用LSTM模型预测,将各个子序列进行叠加得到最后的预测结果。实验结果表明,VMD对非平稳数据的分解有助于提高预测精度,VMD-DBO-LSTM模型的性能较其他模型均有不同程度的提高,该模型预测的均方根误差为4.73μg/m^(3),平均绝对误差为3.61μg/m^(3),拟合度达到了97.8%。展开更多
文摘研究了不同石粉含量对C60机制砂混凝土徐变的影响,并对现有徐变预测模型进行了对比分析。结果表明:当机制砂石粉含量不超过15%时,各组试件的抗压强度均可满足C60强度等级的要求,各组试件120 d的徐变应变约为(180~230)×10-6,徐变系数在0.41~0.56之间;随着石粉含量的增加,各组试件的徐变应变呈现先减小后增大的趋势,徐变系数呈先增大后减小的趋势;石粉含量对C60机制砂混凝土徐变的影响不显著;现有徐变模型对徐变系数的计算结果均大于实测结果;相比较之下,fib MC 2010模型更适用于高强机制砂混凝土的徐变预测。
文摘链路预测是通过已知的网络拓扑和节点属性挖掘未来时刻节点潜在关系的重要手段,是预测缺失链路和识别虚假链路的有效方法,在研究社会网络结构演化中具有现实意义.传统的链路预测方法基于节点信息或路径信息相似性进行预测,然而,前者考虑指标单一导致预测精度受限,后者由于计算复杂度过高不适合在规模较大网络中应用.通过对网络拓扑结构的分析,本文提出一种基于节点交互度(interacting degree of nodes,IDN)的社会网络链路预测方法.该方法首先根据网络中节点间的路径特征,引入了节点效率的概念,从而提高对于没有公共邻居节点之间链路预测的准确性;为了进一步挖掘节点间共同邻居的相关属性,借助分析节点间共同邻居的拓扑结构,该方法还创新性地整合了路径特征和局部信息,提出了社会网络节点交互度的定义,准确刻画出节点间的相似度,从而增强网络链路的预测能力;最后,本文借助6个真实网络数据集对IDN方法进行验证,实验结果表明,相比于目前的主流算法,本文提出的方法在AUC和Precision两个评价指标上均表现出更优的预测性能,预测结果平均分别提升22%和54%.因此节点交互度的提出在链路预测方面具有很高的可行性和有效性.
文摘针对传统空气质量预测模型收敛速度慢,精度低的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和蜣螂优化算法(dung beetle optimizer,DBO)优化长短期记忆网络(long short term memory,LSTM)的预测模型。首先,针对AQI原始数据具有大量噪声的问题,使用VMD方法对非平稳信号进行模态分解以降低噪声对预测结果的影响从而获得多个不同特征的模态分量;其次,针对LSTM靠人工经验调参存在一定局限性,利用DBO算法对LSTM模型参数进行优化;最后,对分解后的各个子序列使用LSTM模型预测,将各个子序列进行叠加得到最后的预测结果。实验结果表明,VMD对非平稳数据的分解有助于提高预测精度,VMD-DBO-LSTM模型的性能较其他模型均有不同程度的提高,该模型预测的均方根误差为4.73μg/m^(3),平均绝对误差为3.61μg/m^(3),拟合度达到了97.8%。
