基于FAHP-ICV的燃气管网风险评估方法

可靠的风险评估结果有助于提升燃气管网安全管理水平。该文提出一种基于模糊层次分析和改进变异系数(FAHP-ICV)的燃气管网量化风险评估方法。结合某省燃气管网实际情况构建了包含3个一级指标、 9个二级指标的燃气管网风险评估指标体系。采用FAHP与ICV相结合的组合赋权法确定指标的综合权重,基于统计学中K-means聚类、抽样技术及概率分析方法对指标评分分值进行调整,结合专家经验确定评分标准。采用线性综合评估方法计算管段相对风险值,实现风险排序及风险分级。以某省12个城市燃气数据为基础验证了该方法的可行性与适用性。该方法提升了燃气管网量化风险评估的客观性与准确性。     

南水北调东线工程调水期洪泽湖水质变化规律分析

为了解南水北调东线工程调水期间洪泽湖水质变化,基于2013—2020年洪泽湖调水期水质监测数据,采用Daniel趋势检验分析水质年变化趋势,通过空间插值得出各湖区水质分布规律,并进一步用主成分分析法分析水质主要污染类型。结果表明：2013—2020年洪泽湖调水期水质在合格至轻度污染之间,TP和TN为主要超标因子;时间上水质有变好趋势,空间上过水区水质最差,但有转好趋势,而成子湖区和溧河洼区有所恶化;污染类型以富营养化污染为主,氮磷营养盐影响较大;水质污染以入湖河流输入和建设用地增加人类活动的污染为主要来源,还伴有偶发污染事故;时间上洪泽湖对东线输水的综合水质有改善趋势,建议进一步加强相关污染防治工作,保护洪泽湖水环境,保障南水北调东线工程输水水质安全。     

不同生境对银杏雌、雄株嫁接苗叶中聚戊烯醇等成分积累的影响

【目的】探究生境对银杏(Ginkgo biloba)叶中聚戊烯醇、可溶性糖、可溶性蛋白和类脂4类代谢产物积累的影响,探索影响代谢产物积累的主要立地因子,为银杏栽培提供理论依据。【方法】采用随机区组试验设计,方差分析、多重比较、相关性分析和逐步回归分析等方法,研究雌株和雄株银杏在7个生境下叶中聚戊烯醇、可溶性糖、蛋白质和类脂等变化规律。【结果】来自不同生境银杏叶中聚戊烯醇、可溶性糖、蛋白质和类脂的含量存在显著差异(P<0.05),来自石家庄地区叶中聚戊烯醇、可溶性糖、可溶性蛋白和类脂的含量最高;聚戊烯醇含量与类脂含量呈极显著正相关关系(P<0.01),但与蛋白质含量呈显著负相关关系(P<0.05);平均最暖月气温是影响银杏叶中聚戊烯醇、可溶性糖、可溶性蛋白和类脂积累的关键环境因子,此外日照时长和土壤中P、K含量对其的积累也具有较大的影响。【结论】环境因素会显著影响银杏叶中代谢产物的含量,温暖的生境有助于聚戊烯醇等类脂类物质的合成与积累。     

胍基化壳聚糖季铵盐的制备及其抗菌性能

以三聚氯氰(TCT)为中间桥梁,将聚六亚甲基双胍(PHMB)接枝到N-(2-羟丙基-3-甲基氯化铵)壳聚糖(HTCC)上,制备胍基壳聚糖季铵盐(HCP).研究制备HCP的最佳反应条件,采用元素分析、傅里叶变换红外光谱(FTIR)和核磁共振氢谱(¹H NMR)对产物的结构进行表征,并测试其抗菌性能.得到HCP的最佳反应条件为HTCC和TCT的摩尔比1.0∶2.5,HTCC和PHMB的质量比1.0∶1.2,缚酸剂为三乙胺,TCT一取代的反应时间8 h,二取代的反应时间14 h,反应温度40℃.结果表明：制得的HCP对大肠杆菌(E.coli)和金黄色葡萄球菌(S.aureus)的最低抑菌质量浓度分别为0.020,0.005 mg·mL^-1;质量浓度为1.0 mg·mL^-1的HCP对E.coli和S.aureus的抑菌率分别为89.8%和100.0%,高于相同质量浓度下HTCC对E.coli和S.aureus的抑菌率18.2%和18.7%.     

自主式交通系统功能架构优化密度峰值聚类算法

自主式交通系统(autonomous transportation system, ATS)是为应对主动式智慧交通发展趋势而提出的新一代交通系统。为科学合理地构建ATS功能架构,提出了一种面向多属性文本的优化密度峰值聚类算法(density peaks clustering, DPC)。该算法结合交通系统功能架构的基本特征,通过改进的词频-逆向文档频率算法与文本向量空间模型,将多属性文本转化成空间维度坐标。再利用高斯函数和决策值优化DPC算法进行聚类,并结合轮廓系数对聚类结果进行评价。为了检验算法的合理性,在ATS道路自动驾驶场景下,基于道路载运工具运行服务域、交通基础设施管理服务域和交通安全管理服务域的功能数据集进行了算例分析,依据聚类结果绘制功能架构图。架构图由自主感知-自主学习-自主决策-自主响应4层构成,验证了ATS应用场景中功能架构优化算法的可行性和合理性。算例结果表明：该算法的构建具有鲁棒性,算例轮廓系数整体均值为0.84,与原算法相比解决了聚类过程中聚类中心难以划定的问题;与原智能交通系统中的各架构设计相比,该功能架构更具有层次性和逻辑性。该优化算法能够促进新一代交通系统...     

基于三支决策的密度敏感谱聚类

将三支决策与密度敏感谱聚类结合,提出了一种基于三支决策的密度敏感谱聚类算法。该算法通过在密度敏感谱聚类的聚类过程引入容差参数得到每个类的上界,然后通过扰动分析算法从上界中分离出核心域,上界和核心域的差值被认定为该类的边界域。聚类结果用核心域和边界域来表示每个类簇,可以更全面地展示数据的结构信息。与传统的硬聚类算法在UCI数据集的实验结果相比较,本文使用核心域计算聚类的评价指标DBI、AS和ACC都有所提升,较好地解决了不确定性对象的聚类问题。     

潜在表示学习框架下的低冗余多视图聚类算法

基于潜在空间学习的多视图聚类研究得到了较大发展,但其通常忽略了原始数据中冗余信息的存在可能会带来不理想的聚类结果。为解决这个问题,提出一种潜在表示学习框架下的低冗余多视图聚类算法。基于k-means的方法,直接从各视图数据学习其低维表示,由于该低维表示的各个特征相互正交,学习到的低维表示通常含有较少的冗余信息。基于潜在空间的假设,各视图的低维表示可由同一个潜在表示投影得到。将两者结合,就能得到一个具有低冗余信息的统一的潜在表示。设计了一个优化算法来求解目标问题,在多个公开数据集上的实验表明了该算法的有效性。     

运用主成分分析和深度神经网络预测钢包炉合金元素收得率的研究

钢包炉（ladle furnace,LF）精炼的核心任务之一是进行钢水合金化过程,以保证钢包到达连铸平台后满足钢水成分要求。钢水合金化也是较为复杂的物理化学反应过程,其不仅对钢水温度有影响,而且对钢水质量、合金料消耗量均有影响。因此,实现LF精炼过程中合金元素收得率的精准预测具有重要意义。本研究首先采用主成分分析法（principal component analysis,PCA）对模型输入变量进行处理,用于简化实际生产数据结构;然后,融合SGDM算法和L2正则化方法,构建了深度神经网络（deep neural network,DNN）;最后,采用主成分分析和深度神经网络相结合的方法,建立了合金元素收得率预测模型。结果表明,Si元素收得率命中率在±1%, ±3%和 ±5%误差范围内分别为54.0%、93.8%和98.8%;Mn元素收得率命中率在±1%, ±2%和 ±3%误差范围内分别为77.0%、96.3%和99.5%。此外,PCA–DNN模型的预测精度优于参考炉次法、多元线性回归模型、改进BP神经网络模型和DNN模型,有助于实现钢水成分的“窄窗口”控制。本研究中合金元素收得率预测模型的建立,也可为LF智能精炼合金化控制模型的开发提供支撑。     

模糊聚类应用于MIS子系统划分的研究

本文介绍了模糊聚类应用于ＭＩＳ子系统划分的新方法,包括基于模糊等价关系的方法和基于模糊相似关系的“最大树”方法．     

双点源干扰诱偏被动雷达导引头性能分析

以经典的双点源干扰模型为基础,简要说明了在双点源干扰下导引头的静态跟踪误差。在此基础上,研究了动态下的攻防对抗,建立了数学模型并仿真,得出了攻击误差。仿真分析了双干扰源功率变化时导弹的攻击轨迹和误差,以及功率不相等时干扰源间距和天线波束宽度对诱骗效果的影响。仿真结果表明:只要参数合适,非相干双点源干扰可以很好的诱骗导引头,达到保护目标的目的。