认知心理与安全

正何为认知心理认知心理是人在认识活动中所体现出来的心理现象或心理活动。心理学研究表明,人的认识过程由一连串相互联系、相互影响的阶段或环节构成,其中包括感觉、知觉、记忆、思维、想象等。其中感觉是人对直接作用于本身感觉器官的事物个别属性(如颜色、形状、硬度等)的反映过程,它是使外界事物的刺激进入人脑的中介和桥梁,是把人同外界事物联系起来的纽带;知觉是对直接作用于感觉器官的事物整     

午睡意想不到的五大好处

正真正健康的午睡不应该超过30分钟,同时,午睡要养成每天定时定量的习惯。不管夜间睡眠是否足够,白天想小睡片刻,是人类正常的生理需求。目前一些拉丁美洲国家和欧洲国家仍保有此习惯。据估计,全世界有一半的人口,仍然生活在午睡的习惯中。但健康的午睡过犹不及,以15~30分钟最恰当,若是超     

基于长短时记忆神经网络的河流水质预测研究

准确高效地预测河流水质变化趋势对河流水环境治理与保护具有重要意义。该文利用广州市白坭河上自动监测站每2 h的水质数据,从单测站数据时序之间的相关性和上游测站的影响两方面,分别建立长短时记忆网络(LSTM)河流水质预测的循环神经网络模型。模型以氨氮浓度为输出变量,比较了不同输入变量下的模型预测效果,并以最优模型和常用的深度学习算法支持向量机(SVM)进行了比较。结果表明:单测站LSTM模型经输入变量特征选择后的预测结果比仅使用氨氮浓度单变量的时间序列预测更接近真实数值;对加入上游监测站的双测站LSTM模型,输入的变量经过特征选择时,模型预测效果优于全部水质变量作为输入的预测结果,也优于单测站LSTM模型;但不进行特征选择时,输入变量增加,模型学习到噪声而使精度下降;和SVM模型相比,最优特征组合的LSTM模型具有更好的预测效果。研究也表明,对输入变量进行特征选择后,LSTM模型是一种有潜力的河流水质预测方法。     

深水钻井隔水管磁记忆内检测装置研发及应用

为了解决深水钻井隔水管裂纹、磨损、疲劳损伤等检测难题,基于磁记忆检测技术研制1种内检测器.其主要结构包括:数据采集腔,周向布置的60路GMR高灵敏度传感器,导向支撑轮,吊装牵拉钩等.该设备可以在不拆卸浮力块的情况下完成隔水管内壁的覆盖式扫查.结果表明:检测器具备较高的可靠性,操作简单、检测效率高;检测数据可以有效反映隔...     

基于复合LSTM模型的PM2.5浓度预测

在对淄博市19个空气质量监测站点监测数据进行分析后,提出了一种基于机器学习的复合模型——灰色关联度分析(GRA)-改进的完备总体经验模态分解(ICEEMD)-长短期记忆网络(LSTM)模型。通过分析淄博市2019年大气污染物和气象数据,选用LSTM模型预测PM_2.5浓度。由于传统单一模块机器学习模型具有训练时间较长和预测精度较低的问题,提出了复合LSTM模型。该模型由3部分组成：GRA,用于PM_2.5浓度影响因素变量筛选;ICEEMD,用于PM_2.5分解、分量筛选和原始大气污染物及气象数据处理;LSTM,用于PM_2.5浓度预测。预测结果表明：淄博市中部丘陵地带PM_2.5浓度高于南部山区和北部平原,东部高于西部;淄博市逐月PM_2.5浓度呈“U”形分布,1月最高,8月最低;淄博市PM_2.5浓度受PM₁₀和CO影响较大,受湿度和温度影响较小。对比单一LSTM模型和GRA-LSTM模型,GRA-ICEEMD-LSTM模型...     

善用气味你的生活大不同

故乡青草地的味道,儿时难忘的美食,无一不以气味的形式存留在人们记忆中。但嗅觉的魅力不仅只是留在记忆里,更多新的研究发现,气味会全面影响身心健康。为此,最新一期的《康健》指出,善用气味,也许你的生活会大不同。     

压力容器在用磁记忆检测

在用压力容器的应力集中部位,在温度、压力和介质作用下会产生裂纹等危险性缺陷。采用金属磁记忆检测技术,能准确快速发现在用压力容器应力集中部位,实现在役压力容器损伤的早期诊断,为保证压力容器安全运行作贡献．     

记忆的落空

一场疲惫的汽车旅行之后,终于站在了这片魂牵梦绕的土地上。但是静静地仰望天空,瞬间被眼前的景色惊呆了,心中涌起一股莫名的失落。八年前,年仅10岁的我曾经在这里玩耍,遥想当年:茂密的树林,清凌凌的河水,无忧无虑的嬉闹声,树荫下遍布了我幼时的足迹。而如今呢,一片灰蒙蒙的厂房取代了茂密的树林,据说是蒜片加工厂,墙边依稀伴着几棵近乎枯萎的小树,倔犟地昂着头踮起脚尖,好像在向沉默的大地发出质疑。蒜片厂的围墙外是原先环绕     

ST-GCN在建筑工人不安全动作识别中的应用

为准确及时地识别施工现场工人的不安全动作,运用计算机视觉的方法,结合图像识别技术和建筑安全知识,提出一种基于骨架的实时识别方法。将姿态估计算法与动作识别算法结合搭建组合模型,通过全面的数据进行模型训练,进而实现动作分类和不安全动作的识别,其中,AlphaPose用于姿态估计提取骨骼关键点坐标位置,时空图卷积网络(ST-GCN)用于动作识别,并通过试验进行验证。结果表明：该方法识别爬梯危险动作的准确率可以达到98.48%,同时,ST-GCN与支持向量机、随机森林、长短期记忆网络(LSTM)相比,具有更强的泛化能力。该方法通过对现场工人的不安全动作进行实时识别和预警,可改善传统安全管理模式,提高安全管理信息化水平。