入侵检测的1类支持向量机模型

计算机网络尤其是互联网的迅速发展与普及 ,使得信息安全已经成为一个全球瞩目的重要研究课题。随着攻击技术的不断进步与更新 ,迫切需要一种有效的入侵检测技术来保护信息系统的安全。由于几乎所有的攻击与滥用都被记录在系统的网络数据中 ,因而可以基于计算机系统的网络数据构造入侵检测系统。在对网络数据进行深刻的分析和研究的基础上 ,提出了入侵检测的 1类支持向量机模型。第一 ,构造适于异常点检测的1类支持向量机模型 ;第二利用抽象化的网络数据对该模型进行训练以确定其中各个参数的值。实验表明 ,该方法是行之有效的     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象,将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g,以利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。     

试论起重机械安全检查标准

根据起重机械可能发生的事故和特点，制定具体的检查标准，对于施工现场安全管理工作具有比较实际的指导意义。本文重点对起重机械特别是塔吊的安全检查，探讨了常规、特殊检查标准；年度、月度、日检查标准；塔吊的金属结构、机械、电气、液压系统等方面的检查标准。并介绍了简单的检查方法。     

FLOOD STAGE FORECASTING WITH SUPPORT VECTOR MACHINES1

ABSTRACT: Machine learning techniques are finding more and more applications in the field of forecasting. A novel regression technique, called Support Vector Machine (SVM), based on the statistical learning theory is explored in this study. SVM is based on the principle of Structural Risk Minimization as opposed to the principle of Empirical Risk Minimization espoused by conventional regression techniques. The flood data at Dhaka, Bangladesh, are used in this study to demonstrate the forecasting capabilities of SVM. The result is compared with that of Artificial Neural Network (ANN) based model for one‐lead day to seven‐lead day forecasting. The improvements in maximum predicted water level errors by SVM over ANN for four‐lead day to seven‐lead day are 9.6 cm, 22.6 cm, 4.9 cm and 15.7 cm, respectively. The result shows that the prediction accuracy of SVM is at least as good as and in some cases (particularly at higher lead days) actually better than that of ANN, yet it offers advantages over many of the limitations of ANN, for example in arriving at ANN's optimal network architecture and choosing useful training set. Thus, SVM appears to be a very promising prediction tool.     

烧结机共处置危险废物过程中重金属Pb、Zn的挥发特性

利用化学试剂PbCl2、ZnCl2来模拟危险废物,研究了烧结机共处置危险废物过程中Pb、Zn的挥发特性.首先选取PbCl2、ZnCl2两种化合物的纯化学试剂分别进行了热重分析实验,然后对掺有一定比例PbCl2、ZnCl2的烧结矿原料进行煅烧,采集分析煅烧烟气和煅烧所得烧结矿中Pb和Zn的总量.实验结果表明,在刚开始煅烧的一段时间内,Pb、Zn两种重金属挥发特性相似,均是随着时间的增加以及温度的升高而挥发率逐渐上升,而当煅烧超过一定时间后,其挥发和固化反应会达到平衡,当煅烧的温度为1200℃时,Pb和Zn的挥发率分别为97.13%和65.04%.运用化学反应动力学理论对Pb、Zn两种重金属在烧结机共处置过程中的挥发规律进行动力学模拟,模拟结果表明,PbCl2中Pb挥发的动力学方程可表示为α=f(T,t)=1-exp[-7.90exp(-5595/T)t];而ZnCl2中的Zn为α=f(T,t)=1-exp[-0.534exp(-3210/T)t].     

游艺机的安全及管理对策探讨

游艺机和游乐设施将休闲、娱乐和消费融为一体，专门用来满足人们的特殊需要，其涉及人的安全，具有很高的风险，本用安全系统的理念和思维方法，从人、机和人一机关系三要素入手，分析游艺机的事故特点和发展原因，对游艺机的安全管理问题提出了对策和建议。     

基于模拟植物生长算法的快线公共车辆优化调度研究

公共车辆的运营优化调度能够很好的减少城市交通拥堵,缓解交通压力,保证多方面的利益。对乘客高峰期快线公共车辆的调度进行了研究。首先运用了三元组α/β/γ方法对问题进行了描述,将乘客高峰期快线车辆的调度描述为一类以最小化制造期和平均等待时间为目标,具有先入先出原则和机器适用限制的流水车间动态调度问题。并在此基础上建立了相应的数学模型;接着,运用模拟植物生长算法进行了算法设计;最后,用实际数据进行了数值仿真,结果证明该研究具有较高的理论及现实价值。     

Responses of community to the possible use of recycled water for washing machines: A case study in Sydney, Australia

Recycled water is a valuable resource that has potential to free up potable water supplies and recharge systems while improving the environment. Recycled water for washing machine could be one of the options as new end use of recycled water to alleviate the demand on existing and limited water supplies. This paper summarizes the findings of a research survey in Sydney, Australia to explore the attitudes and opinions of community towards the use of recycled water for different purposes, especially for the washing machine. The survey showed that 97% of the respondents were aware of the persisting water shortage problem while more than 60% of the respondents supported the use of recycled water for washing clothes. This paper exposes the basic concern of participants for using recycled water in washing machine. Health issue was found as the most concerns of the community. The survey also presents the further conditions to be considered for using recycled water for washing machine according to the participants’ opinions. Correlation between knowledge and attitudes of respondents was also found in this survey.     

基于回归支持向量机的指标规范值的水质评价模型

传统的回归支持向量机的水质评价模型不具有普适性和通用性,当指标较多时,模型的学习效率和求解精度均会受到影响.若适当设定3类水体(地表水、地下水和富营养化水体)各项指标的参照值及指标值的规范变换式,使不同指标的同级标准的规范值差异不大,从而可以认为用规范值表示的不同指标皆“等效”于某个规范指标.因此,可建立用规范值表示的任意m项指标组合皆适用的水质评价的回归支持向量机模型.通过实例对模型的实用性进行了效果检验,结果表明:用基于回归支持向量机的指标规范值的水质评价模型对河桥地表水、黑龙洞泉域地下水和山仔水库富营养化水体的水质评价结果与用BP神经网络评价法、模糊综合评价法和属性识别评价法的评价结果基本一致.     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.