基于风险评估的装配式建筑施工质量因素识别方法

为了提高装配式建筑施工质量因素识别的准确性，设计一个基于风险评估的装配式建筑施工质量因素识别方法。首先提出施工质量因素识别过程，运用定性和定量分析相结合的方法，构建相关的指标体系，并对相关指标带来的风险进行了分析，采用层次分析方法对装配式建筑施工质量因素进行识别。结果表明，所设计的基于风险评估的装配式建筑施工质量因素识别方法有效提高了施工质量因素识别的准确性，并在较短的时间内能够实现施工质量因素识别，为相关装配式建筑施工工程质量因素识别提供参考。     

液压驱动工程车辆牵引性能参数的配置与控制

研究了现行工程车辆牵引性能参数静态匹配理论的特点与不足,发现机械传动与液力机械传动车辆对波动剧烈的动态负荷适应能力极差,不能保证车辆始终在理想匹配点工作,利用行走机构打滑限制超载会丧失牵引功率,增加司机操作强度,结果使机器生产效率降低。提出了利用液压无级变速传动,进行恒功率速度自适应控制,动态工况下的牵引性能参数仍按照静态匹配理论计算,在行走机构全打滑前(滑转率δm=30%～35%)进行极限负荷控制的设计方法。结果表明,该方法可提高工程车辆动力性、经济性、作业生产率综合性能和实现自动化。     

基于判决理论的平行判决算法

分析了基于判决理论的判决树自动识别算法成功率低、自动识别过程耗费时间长和判决门限多等缺点，提出了改进的平行判决算法。通过MATLAB计算机仿真，验证了这种算法的可行性。统计测试表明，在SNR=8dB的条件下自动识别的正确率不低于98．5％，性能良好。     

电算化条件下审计风险的识别与规避

随着信息经济的迅猛发展,审计领域也发生了深刻的变化,即传统审计向电算化审计的转变,并由此形成了审计工作模式的变革。审计工作模式的变革给审计人员提出了新的挑战,审计风险也表现出了一些新的形式和特点。文章先从计算机审计工作模式入手,对其所造成的审计风险进行了分析,并就如何进行有效的规避作了初步的探讨。     

基于LM-BP神经网络模式的酸性染料分类方法

提出用Levenberg-Marquardt Backpropagation Neural Network(LM-BP)网络对酸性偶氮染料进行分类，网络结构为4-6-5。优化了隐含层神经元数和网络训练次数，表明隐含层神经元数应比输出层神经元数多一个。考察了训练集样本的选择对结果的影响，测试集的样本参数大小要处于训练集样本之间。本网络把其中22种染料作为训练集，把另外18种染料作为测试集，与采用GCEDM逐次分类法比较，测试集识别率为83％。     

基于贝叶斯决策的机内测试虚警滤波技术

提出了一种将贝叶斯决策用于机内测试(RIT)系统的虚警滤波方法.诊断的BIT系统包括正常、瞬态、间歇和故障四类状态,利用最小最大决策法确定这四类状态的先验概率,并建立相应的贝叶斯风险决策表.以机载电源的机内测试系统为例进行研究,为每个诊断模块建立相应的贝叶斯决策器,通过支持向量机识别出有异常的可更换模块后,启动相应的决策器对该模块的BIT状态进行决策.结果表明,该方法能够识别出系统中的瞬态和间歇故障,可有效降低BIT虚警发生的概率.