基于生理指标的建筑工人攀登作业疲劳实验研究

为研究攀登作业建筑工人生理疲劳状态的评测指标,提出1种基于生理指标的建筑工人攀登作业疲劳测度实验方法。首先,设计实验测量建筑工人的心率、皮肤温度、舒张压、收缩压4项生理指标,结合Brog’s RPE主观疲劳程度量表研究建筑工人生理疲劳的变化;其次,提取上述4项指标的平均值和标准差作为生理指标特征值,利用静息状态下生理指标特征值和疲劳状态下生理指标特征值进行方差分析、球形检验、T检验筛选出与疲劳相关的特征值;最后,利用支持向量机构建疲劳检测模型。研究结果表明：上述8项生理指标特征值与攀登作业工人疲劳具有显著相关性,疲劳检测模型的准确率为96.875%,研究结果可对攀登作业人员疲劳评估和疲劳预警具有实践性意义。     

利用黏弹性阻尼器减小结构的风振和地震反应

通过黏弹性阻尼器在工程结构抗震中所起的作用,阐述了黏弹性阻尼器增强结构抗震、抗风、抗振动和安全性的能力,介绍了黏弹性阻尼器性能及在国内外的使用和发展情况.     

有机过氧化物反应热的危险性预测研究

为了采用非实验的方法对安全物质学的研究内容及研究方法进行初探,基于定量结构-性质关系法,选择13种与有机过氧化物热危险性的影响因子密切相关的描述符,分别对起始分解温度T0和分解热△H的实验数据进行多元线性回归、偏最小二乘和支持向量机回归分析,从而获得3种相应的预测模型。对比T0与△H的实验值和预测值,结果发现:SVM预测模型的精度高于PLS预测模型,MLR预测模型的精度最低;同种预测模型对分解热的预测结果均优于起始分解温度。此外,分析各预测模型的稳定性数据发现:MLR模型的预测过程发生了过拟合现象,不具备预测能力;PLS模型的交互验证系数均大于0.5,具备较稳定的预测能力;SVM模型的交互验证系数均大于0.9,具备非常稳定的预测能力。     

基于支持向量机的入侵检测研究

根据入侵检测和支持向量机的特点,提出基于最小二乘支持向量机异常检测方法,并建立基于支持向量机入侵检测的模型,对网络数据进行采集,提取特征,进行分类,分辨正常的数据和异常的数据。并在KDD CUP'99标准入侵检测数据集上进行实验,选取data_10_percent子集,把该数据集中的41个属性作为特征,将该子集最后一个属性label属性为:back,ipsweep,neptun,ports-weep和normal各200个数据进行测试。实证表明:该方法能获得较高检测率和较低误警率。     

浅谈影响烧结机头电除尘器效率的主要因素

针对烧结机头烟气、烟尘的特点,对影响机头电除尘器运行效率的主要因素进行了分析,并提出了一些应付不利因素的对策,为提高烧结机机头除尘器除尘效率和使用寿命,进一步加强和改善除尘器运行效果,实现达标排放提供了理论依据及技术方案。     

Understanding crashes involving roadway objects with SHRP 2 naturalistic driving study data

Introduction: Crashes involving roadway objects and animals can cause severe injuries and property damages and are a major concern for the traveling public, state transportation agencies, and the automotive industry. This project involved an in-depth investigation of such crashes based on the second Strategic Highway Research Program (SHRP 2) Naturalistic Driving Study (NDS) data including detailed information and videos about 2,689 events. Methods: The research team conducted a variety of logistic regression analyses, complemented by Support Vector Machine (SVM) analyses and detailed case studies. Results: The logistic regression results indicated that driver behavior/errors, involvement of secondary tasks, roadway characteristics, lighting condition, and pavement surface condition are among the factors that contributed significantly to the occurrence and/or increased severity outcomes of crashes involving roadway objects and animals. Among these factors, improper turning movements (odds ratio = 88), avoiding animal or other vehicle (odds ratio = 38), and reaching/moving object in vehicle (odds ratio = 29) particularly increased the odds of crash occurrence. Factors such as open country roadways, sign/signal violation, unfamiliar with roadway, fatigue/drowsiness, and speeding significantly increased the severity outcomes when such crashes occurred. The sensitivity analysis of the three SVM classifiers confirmed that driver behavior/errors, critical speed, struck object type, and reaction time were major factors affecting the occurrence and severity outcomes of events involving roadway objects and animals. Practical Applications: The study provides insights on risk factors influencing safety events involving roadway objects, including their occurrence and the severity outcomes. The findings allow researchers and traffic engineers to better understand the causes of such crashes and therefore develop more effective roadway- and vehicle- based countermeasures.     

协同通风影响全断面隧道掘进机工作面岩尘分布规律研究

针对全断面掘进机施工过程中,产生大量岩尘影响施工人员工作环境的问题,采用理论分析、数值模拟与现场测定相结合的方法,以青岛地铁2号线全断面隧道掘进机工作面为对象,对协同通风影响全断面隧道掘进机工作面风流运移与岩尘污染分布规律进行研究。结果表明:在复合式通风模式和一定条件下,在隧道中段会形成由主通风与回风主导的耦合风场;当协同通风量(Qcv)从6 m3/s增大至12 m3/s时,产生的岩尘可控制在距掌子面77.2 m的范围内;当Qcv=8 m3/s时,岩尘最小扩散距离为44.7 m,工作区周围岩尘浓度约为30.1 mg/m3。     

雾霾天气预测中支持向量机的应用分析

支持向量机在对非线性复杂问题进行处理的过程中,展现出来的优势特征非常突出,本文针对雾霾天气预测中支持向量机的应用做出了进一步探究,对支持向量机的概念、支持向量机的基本思想、建立雾霾预测模型、预测试验给出了详细的分析。     

模糊支持向量机在滑坡危险性评价中的应用

为了将模糊支持向量机应用于滑坡灾害危险性评价工作,并进行验证,进行了研究区滑坡现状的调查,评价指标的选取,隶属函数的确定和基于FSVM的滑坡灾害危险性评价.选取了高程指标、坡度指标、岩土体指标、地表湿度指标及植被覆盖指标等5个指标作为滑坡灾害危险性评价指标,最后以莆田市为例,结合Rs和GIS技术,进行了滑坡危险性评价的研究.评价结果与实地验证和莆田市国土局提供的地质灾害现状图基本吻合.     

基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型。经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度。同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点。由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学。