土体液化判别方法在振动注浆机具研制中的应用

直接针对振动注浆机具振源设计的需要,根据实际地震液化资料和室内土动力液化试验资料,基于土体液化影响因素多元拟合相关性分析结果,通过概率处理的办法求解土体动力液化的概率模型判别式。回判检验证实,所求的概率模型判别式具有较高的回判成功率(78.8%),能够满足岩土地震工程对精度的一般要求。进一步分析表明,通过该概率模型判别式,可以建立振动注浆机具的振源特性与土的特性和埋深、振动持时之间关系,从而为振动注浆机具的研制提供必要的振源设计参数。     

边坡稳定性自动机器学习预测方法研究

为了简便有效地评估边坡稳定性状态,针对目前传统机器学习的算法选择与超参数优化等难题,提出1种边坡稳定性自动机器学习预测方法。首先,简要介绍5种主流开源自动机器学习框架;其次,以422组边坡稳定性样本为数据集,进行自动机器学习纯自动化训练,并与传统机器学习对比分析模型的性能与耗时;最后,综合讨论与比较典型自动机器学习框架的特性。研究结果表明：自动机器学习预测效果总体上优于传统机器学习,提升边坡稳定性预测准确率和稳健性,且无需人为干预。研究结果可为岩土工作人员准确可靠地评价边坡稳定性提供便捷条件。     

混凝土结构使役环境中温度智能模拟LabVIEW软件设计

本项目结合湖北省科技计划自然科学基金项目“混凝土结构使役环境的智能模拟”,在WTST-150试验机硬件平台基础上,以LabVIEW8．5为开发平台,设计了一套混凝土结构使役环境中温度智能模拟LabVIEW软件,主要包括能初始化程序、温度采集与显示子程序、温度PID控制子程序、温度存储和查询子程序。经投入实验验证,该软件能实现实时曲线显示、温度控制、试验状态和保存试验数据、数据查询、手动加热、分配温度通道、PID控制参数整定、制冷、读入温度曲线等功能。具有实时在线循环检测、采集数据、响应快速等优点,并具有良好的故障诊断能力和可维护性以及超强的纠错能力。本软件完善了WTST-150试验机的温度控制系统,使其更加符合实际工况。     

大型烧结机头电除尘器提效改造探讨

本文针对320m^2烧结机头电除尘器烟气、烟尘的特点,以及该电除尘器存在的关键问题,着重介绍在改造上采用新的除尘技术和方法,使改造后的电除尘器能够满足机头工艺除尘的要求,达到提效净化烟气达标排放的目的。     

Approximating SWAT Model Using Artificial Neural Network and Support Vector Machine1

Abstract: With the popularity of complex, physically based hydrologic models, the time consumed for running these models is increasing substantially. Using surrogate models to approximate the computationally intensive models is a promising method to save huge amounts of time for parameter estimation. In this study, two learning machines [Artificial Neural Network (ANN) and support vector machine (SVM)] were evaluated and compared for approximating the Soil and Water Assessment Tool (SWAT) model. These two learning machines were tested in two watersheds (Little River Experimental Watershed in Georgia and Mahatango Creek Experimental Watershed in Pennsylvania). The results show that SVM in general exhibited better generalization ability than ANN. In order to effectively and efficiently apply SVM to approximate SWAT, the effect of cross‐validation schemes, parameter dimensions, and training sample sizes on the performance of SVM was evaluated and discussed. It is suggested that 3‐fold cross‐validation is adequate for training the SVM model, and reducing the parameter dimension through determining the parameter values from field data and the sensitivity analysis is an effective means of improving the performance of SVM. As far as the training sample size, it is difficult to determine the appropriate number of samples for training SVM based on the test results obtained in this study. Simple examples were used to illustrate the potential applicability of combining the SVM model with uncertainty analysis algorithm to save efforts for parameter uncertainty of SWAT. In the future, evaluating the applicability of SVM for approximating SWAT in other watersheds and combining SVM with different parameter uncertainty analysis algorithms and evolutionary optimization algorithms deserve further research.     

煤与瓦斯突出预测的支持向量机(SVM)模型

基于支持向量机(SVM)分类算法,考虑影响煤与瓦斯突出的主要因素,建立了煤与瓦斯突出预测的SVM模型。该模型选取开采深度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及地质破坏程度5个指标作为模型输入量,同时将煤与瓦斯突出程度划分为无突出、小型突出、中型突出和大型突出4个等级,进而使其评判结果更为细化。以实测数据作为学习样本进行训练,建立相应判别函数对待判样本进行预测。通过算例分析,表明该模型的方法对煤与瓦斯突出预测的合理性与有效性,可以在实际工程中推广。     

定型机油烟废气监测分析方法初探

定型机废气污染是当前环境投诉的热点之一,油烟污染是定型机废气的主要问题,我国尚无定型机废气监测分析的标准方法。本文参照《餐饮业油烟排放标准》（试行）（GB 18483-2001）中的方法,比较了餐饮业油烟废气和定型机油烟废气在成分、排放方式等方面的相同点和不同点,从采样方法、采样时间等对定型机油烟废气的监测分析进行了初探,确定了定型机油烟废气竣工验收参考的采样方法和时间等要素。     

基于支持向量机的高速公路事件检测

针对交通领域中的事件检测(无事件模式和事件模式)模式识别问题,描述了支持向量机(SVM)支持的基本方法,建立了基于线性(linear function)、多项式(polynomial function)和径向基(radial basis function)3种核函数的事件检测SVM模型。采用高速公路路段I-880线圈数据集和事件数据集验证模型,结果发现:无论对于向北、向南或混合方向的事件检测,在3个SVM模型中,SVM(P)检测效果最好,SVM(L)最差。SVM算法具有避免局部最小,实现全局最优化,更好的泛化效果的优点,是高速公路事件检测的一种很有潜力的算法。     

安钢90 m2烧结机尾除尘工艺设计特点

介绍了安钢90 m2烧结机尾除尘工艺设计中的设备选型、系统配置、管网阻力平衡的特点及应注意的几个问题.     

网络攻击检测中的机器学习方法综述

在详细介绍网络攻击检测机器学习原理的基础上,对现有的各种方法进行了评述,并结合网络攻击检测系统的应用需求,阐述了网络攻击检测系统机器学习技术的发展方向。