Perimitrax埋地电缆入侵探测传感器

隐蔽式入侵探测传感器，在埋入地下的泄漏感应电缆周围产生不可见的电磁场。当有人干扰该电磁场时，就会触发报警。在网络系统模式下，报警信号立即通过感应电缆传到基于PC机的中央管理系统。     

CAD技术在人－机－环境系统工程中的应用

从以下几个方面介绍了ＣＡＤ技术在人－机－环境系统工程中的应用：ＣＡＤ技术与人－机－环境系统工程的关系；计算机图形技术在人－机－环境系统仿真中的应用；计算机几何建模技术在人－机－环境系统建模中的应用；国内外该领域的软件开发情况。     

城市居住建筑能耗预测模型

针对城市居住建筑能耗问题,利用相关分析、鱼骨图模型得出城市能耗与影响因素联系程度,并结合SVM原理构建城市能耗预测模型。鱼骨图以城市能耗为原因问题,以城市能耗直接相关的因素作为原因,间接相关作为子原因,相关系数作为联系值,得出相关的关系系数并作为因素权重。以28组工程项目数据作为训练样本,利用SVM模型建立相应的预测模型,并采用平均绝对误差进行评估,再以5组测试样本进行检验。研究结果表明,夏温度设定与各因素的相关性极弱;户主年龄较重要,电脑台数较不重要。     

可移动式土壤淋洗机研制

目前,土壤污染日益严重,影响了土壤的生态结构性和功能稳定性。污染的土壤会对周围的农作物及地下水造成一定的污染,直接影响人类的健康。因此急需对污染的土壤进行净化处理。介绍了一种可以处理污染土壤的机械设备,能够快速移动,并且集淋洗与固液分离于一体。针对大规模污染土壤处理前期的实验装置,可以同时对小面积污染土壤进行及时处理,针对这种功能做了具体设计,并对于离心固液分离用工业滤布的选择做了具体实验与分析。     

基于GIS和PSO-SVM模型的文山州石漠化风险评估

针对喀斯特石漠化风险评估影响因素较复杂且涉及众多地理空间对象的特点,本文在采用GIS技术对空间数据进行管理分析的基础上,提出了基于粒子群优化的支持向量机(PSO-SVM)的石漠化风险评估模型,分析了基于GIS的石漠化风险评估指标体系的建立过程,详细探讨了主成分分析与支持向量机模型相结合进行石漠化风险评估的方法与实现过程,并以云南省文山州为研究实例,将其与单独SVM模型和PSO-BP模型风险评估结果进行了对比分析,结果表明PSO-SVM模型的石漠化风险评估精度较高,效果更好。     

《企业安全生产应急管理九条规定》解读(二)

五、必须开展从业人员岗位应急知识教育和自救互救、避险逃生技能培训,并定期组织考核。依据:《安全生产法》第25条、第55条有关要求。解读:新《安全生产法》第25条中明确了安全生产教育和培训应当包括的内容,增加规定了"了解事故应急处理措施以及熟悉从业人员自身在安全生产方面的权利和义务"两方面的内容。事故应急知识是应急培训的重要内容,从业人员掌握了这些知     

巴音朝鲁主持召开2015年第一次省委常委会议研究部署安全生产工作 为振兴发展提供有力的安全保障

1月12日,省委召开常委会议。会议对全省安全生产工作作出安排部署、提出明确要求。省委书记巴音朝鲁主持会议。会议强调,安全生产事关人民群众生命财产安全,事关改革发展稳定大局。我们必须认真贯彻落实习近平总书记、李克强总理关于安全生产的重要指示批示精神,时刻紧绷安全生产这根弦,强化底线思维、红线思维,坚持警钟长鸣、常抓不懈,把安全生产工作做实做细,为振兴发展提供有力的安全保障。一要严格落实责任。各级党委、政府要按照"党政同     

基于PCA-LSSVM的厌氧废水处理系统出水VFA在线预测模型

采用IC厌氧废水处理系统处理人工合成废水,并利用PCA-LSSVM模型对系统出水挥发性脂肪酸(VFA)进行预测.首先利用主成分分析法(PCA)分析影响厌氧废水出水VFA浓度的多个变量的相关性并降低输入变量维数,然后用网格搜索结合10倍交叉验证优化LSSVM模型参数sig2和gam,最后利用建立的模型对实验数据进行仿真预测.仿真结果表明,稳态LSSVM模型对稳态条件下厌氧废水处理系统出水VFA具有很好的仿真预测能力,相对误差在4.72%以内,平均相对百分比误差(MAPE)为1.61%,均方根误差(RMSE)为1.08,相关系数达0.9996;稳态干扰LSSVM模型对厌氧废水处理系统出水VFA的仿真预测精度有所降低但仍然具有较好的预测能力,平均相对百分比误差(MAPE)为15.83%,均方根误差(RMSE)为15.45,相关系数为0.9984,该方法可为厌氧出水VFA在线预测和厌氧废水处理系统的优化控制提供指导.     

基于主成分分析和粒子群优化支持向量机的边坡稳定性评价

为科学评价边坡工程的稳定性,优化边坡稳定性的预测精度,提高工作效率,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型。首先利用主成分分析法对边坡稳定性影响因子进行特征提取,以获得的主成分作为支持向量机的特征向量建立支持向量机模型,然后通过粒子群算法优化支持向量机参数,最终建立边坡稳定性评价模型,并对边坡实例的稳定性进行预测,结果表明:PCA-PSO-SVM模型的运行速度快,预测准确率达909%,满足工程要求。