城区渗流场分析的奇异点子结构法

为克服城区渗流场有限元分析中的困难,采用奇异点子结构法对渗流场中的阻水结构进行处理.首先用较粗的网格对计算区域进行划分,然后从整体网格中分离出包含阻水结构角点的网格,将其作为一个子结构进行处理.对分离出来的子结构,采用有限相似划分方式逐层进行网格加密,由内向外逐层凝聚得到子结构的等效刚度矩阵和等效列向量.分析结果表明,奇异点子结构法避免了大区域中小尺寸物体的网格划分问题,其精度和效率与无限相似单元法相当,且在处理入渗、潜水、多层透水层和悬挂式阻水结构等方面更为方便.

基于余弦相似度的加权K近邻室内定位算法

基于位置指纹的室内定位系统能够实现较高精度的定位,其中KNN(K-nearest neighbor)和余弦相似度定位算法原理简单且易于实现。但每种算法仅从单一限制条件进行匹配,导致定位精度不高。针对此问题,提出基于余弦相似度的加权KNN算法,并通过实验测试算法的定位性能。实测结果表明,该算法的定位精度高于传统定位算法。当AP数量为5时,平均误差为1.67 m。定位精度优于1 m的置信概率为42%,优于2 m的置信概率为88%,最大定位误差为4.3 m。

对开展危险点分析工作的一点看法

危险点就是指事故的易发点、多发点、设备隐患的所在点和人为失误的潜伏点。开展危险点分析活动,是系统安全的补充,是保证安全生产的重要措施之一。在开展同类作业中,必须注意根据不同的工作进度,针对不同的情况进行动态的、新的危险点分析,做到具体情况具体分析。同时,通过三级控制的管理模式和目标管理形式进行危险点分析,实现安全生产。

改进地标点采样的加速谱聚类算法

传统的基于地标点的大规模加速谱聚类算法易受分布不均匀地标点和离群地标点影响。K-means等采样方法在面对大规模数据时,时间空间消耗较大。针对以上问题,文中提出了一种改进地标点采样的加速谱聚类算法。该算法通过地标点间成对相似度矩阵的标准差来衡量地标点的分布均匀程度,选取随机的多组地标点集中分布最均匀的一组,去除局部密度较低的离群地标点;利用获得的地标点集与原始数据集构造稀疏相似度矩阵,并对该矩阵奇异值分解得到的前k个右奇异特征向量矩阵进行K-means聚类,得到最终聚类结果。文中从理论上分析了该算法时间复杂度和空间复杂度。验证结果表明该算法在一些数据集上比随机采样方法的准确率高3%~10%,和K-means采样方法相比时间消耗少50%~60%。