太中银线吕梁段方案研究

文章以太中银线吕梁段方案为例,分析了影响线路方案的主要因素,强调了线路选线过程中的主要技术标准以及与地方规划协调的重要性。     

导数在求方程重根中的应用

用导数的方法，给出了多元多项式具有重因式、能因式分解的必要条件和操作步骤，以及判断方程是否为重根的充分条件。并且，提供了中学教学中常见的二次六项式能否进行因式分解的条件。     

情感因素在外语教学中的重要作用

英语教学要注意学生的情感因素，主要包括自尊、抑制、焦虑和学习动机，以加强英语教学效果。     

空气喷射对旋转圆筒表面传质特性的影响

通过对旋转雷诺数R，喷射雷诺数Rej，喷嘴宽度和圆筒直径比B／d，喷射距离与喷嘴宽度之比L／B等影响旋转圆筒表面传质特性参数的实验研究，发现：在空气喷射作用下，由旋转产生的第一临界点消失，只存在第二临界点；平均舍伍德数Sh与Rej，B／d和L／B之间的关联式为Sh=0．515Re^2/3（B／d）^0.3（L／B）^0.1；空气喷射对圆筒表面传质的强化作用大于旋转的作用．     

NH_4HCO_3作沉淀剂制备超细Ce-Zr-O粉末的研究

为寻求简便、合理的合成超细粉体的方法,利用NH4HCO3 作沉淀剂,通过考察料液配比、加料速度、升温速度等实验因素,得到了简单的合成超细 Ce Zr O粉末的工艺,并利用比表面积测定仪、激光粒度仪、XRD、Raman等仪器对相关产物进行了表征.结果表明:利用简单工艺合成的超细 Ce Zr O粉末具有中位粒径为0.30μm、比表面积为21.2 m2/g、悬浮性大于30 min、松装密度小于 1 g/cm3等性能,产物具有 CaF2 型的空间结构.     

拖拉机主减速主动锥齿轮轴的辅助设计

本文对拖拉机主减速主动锥齿轮轴提出了一种新的设计方法，为提高该件的设计水平提供了可靠数据．     

贵州省不同类型自然保护地空间分异及其影响因素

受自然与社会因素的影响,不同类型自然保护地的空间分异存在较大的差异.研究针对贵州省内的自然保护区、森林公园、湿地公园和风景名胜区等4类自然保护地,综合运用最邻近点指数、地理集中指数、核密度和地理探测器模型对其空间分异特征进行分析,并探讨其影响因素.结果表明：自然保护区与其余3种自然保护地在数量的空间分异特征上具有明显差异,但4种自然保护地在面积的空间分异特征上均表现出离散化分布的特征,具有较高的相似性.相同影响因素的解释力在不同类型的自然保护地上差异较大,在数量上主要影响因素呈现出趋异性,而面积上主要影响因素则呈现出趋同性.任意2个影响因素交互后其解释力均增强,交互的特征呈多维度复合影响的态势.不同类型自然保护地功能定位的差别是其主要影响因素呈现出趋异性和趋同性的主要原因.     

具有优先级的深度确定性策略梯度算法在自动驾驶中的应用

深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法在自动驾驶领域中应用广泛,但DDPG算法因采用均匀采样而导致低效率策略比例较高、训练效率低、收敛速度慢等.提出了基于优先级的深度确定性策略梯度(priority-based DDPD,P-DDPG)算法,通过优先级采样代替均匀采样来提升采样利用率、改善探索策略和提高神经网络训练效率,并且提出新的奖励函数作为评价标准.最后,在开源赛车模拟(The Open Racing Car Simulator,TORCS)平台上对P-DDPG算法的性能进行了测试,结果表明相对于DDPG算法,P-DDPG算法的累积奖励在25回合之后就有明显提升而DDPG在100回合之后训练效果才逐渐显现,提升约4倍.P-DDPG算法不仅训练效率提升且收敛速度加快.     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

Sylvester矩阵方程的改进IO迭代算法

通过对Sylvester矩阵方程的理论分析,可知IO迭代算法中迭代矩阵的谱半径随内迭代次数的增大而减小,更新了IO迭代算法中内迭代次数的选择方法,并证明了该算法收敛性与初始矩阵无关。Sylvester矩阵在满足一些特定条件下,为了进一步提高收敛速度,可通过选择适当的相关参数,使得IO迭代算法有较好的收敛速度且比Smith算法的迭代次数明显减少。