基于LDA的冷链农产品电商在线评论的情感分析

为促进我国冷链农产品电商企业的发展,提高消费者对商品的满意度和购买欲望,本文从消费者的角度出发,对冷链农产品电商企业的用户评价进行了情感分析,首先依存句法关系制定3种规则提取情感单元,再结合词的词性和依存关系制定情感计算规则,将情感单元分为好评和差评,接着通过LDA主题模型分别对好评与差评进行聚类,根据评价指数S的最大值来确定主题数,最后对聚类的结果进行分析,找出消费者不满意的地方并加以改进。结果表明,提高用户体验、吸引更多消费者,需要从商品的分拣加工、冷链设施的改善、运输配送路程等方面进行优化。本文的研究为整个冷链农产品电商企业的进一步发展提供了借鉴意义。     

具有非线性PTO的波能装置水动力及获能分析

运用计算流体力学(CFD)方法对系泊双浮体波浪能装置的水动力及PTO(动力输出装置)非线性出力特性进行模拟和分析,利用VOF(流体体积分数)方法结合动网格及刚体求解技术模拟波浪生成及浮体运动,分析了不同速度指数的非线性动力输出装置下波浪能装置的水动力及获能特性,并与线性PTO的特性进行对比.在此基础上提出一种组合控制模式,可使波浪能装置在较大的PTO阻尼系数范围内维持较高的俘获宽度比.     

基于粒子滤波与BP神经网络的短时交通流预测

为了有效缓解当前交通拥堵问题,结合时下流行的智能交通系统,本文将粒子滤波算法引入短时交通流预测过程中,提出一种基于粒子滤波与神经网络的预测算法。该系统通过BP神经网络的非线性映射功能,分裂选择适当的权值,在多次训练之后能够提高算法中粒子的多样性,改善算法滤波的性能,最终达到提高预测精度的目的。另外,本文以河南省新乡市交通局公交和出租车数据作为数据来源,通过与传统的粒子滤波算法和BP算法的预测结果进行对比,发现本文所提出的方法对短时交通流预测具有更好的预测精度。     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

动车所调车作业计划优化模型与算法

本文在分析动车组一级修作业流程特点的基础上,将动车所调车作业计划优化问题构建为整数规划模型并设计了融合"股道均衡分配规则""股道无效占用时间最小化规则""冲突消解策略"的启发式算法对问题进行求解,以动车所实际案例为背景验证了模型和算法的有效性。结果表明,所提出优化模型和算法是有效的;所提启发式算法相比三类常见的调度方法具有明显的优越性。     

基于云模型的深圳港危险化学品应急能力评价

利用云模型进行数据分析和处理,以提高港口危险化学品应急能力评价的科学性。以深圳市相关应急预案及风险评估报告为基础,结合应急管理的四个阶段,构建由1个一级指标,4个二级指标,13个三级指标和104个评估项构成的危险化学品应急能力评价指标体系。以专家打分结果为数据样本,分别生成权重云模型、评价云模型和综合云模型,将综合云模型在Matlab中仿真模拟,得到云图;然后将此云图与标尺云图进行比较,得出应急能力水平。得到的评价结果为,深圳港危险化学品应急能力属于中等偏上水平。     

基于扰动状态概念的煤蠕变本构模型

针对煤矿井下条带法开采留设的煤柱在覆岩压力作用下随着时间推移易发生蠕变现象,考虑到传统蠕变模型难以描述煤体蠕变各个阶段的损伤特性,基于扰动状态概念的理论,选用Kelvin模型描述材料的相对完整状态,将Burgers模型中的黏壶元件用非线性黏壶元件代替描述材料的完全调整状态,引入Weibull分布函数,选取以时间为自变量的扰动因子函数,建立了以扰动因子为权函数的煤体蠕变全过程的本构模型.同时,利用煤样室内蠕变试验数据对基于扰动状态概念下煤体的蠕变模型参数进行了辨识,验证了该模型的合理性,且相对于传统模型有较好的协调性,能够更有效地描述煤体的初始、稳定和加速蠕变阶段的蠕变规律.