基于时间参数的CTCS-1级RDC设置方式的研究

既有线车站分布情况复杂,存在一站多场、多站密集分布的情况,仅依据CTCS-1级区域列控数据中心(RDC)技术规范参数设置RDC,无法满足CTCS-1级列车在RDC切换时车地通信与控车数据更新需求.深入剖析基于单电台的CTCS-1级RDC列车切换场景,采用时间有色Petri网形式化方法对控车权移交过程参与对象进行模型抽象,通过CPN-Tools环境下的模型仿真,挖掘时速200km以下CTCS-1级列车移交过程车地通信中断时间范围,并将通信中断时间约束转化为距离约束,通过分析时间与距离约束探究既有线一站多场、多站密集分布场景下RDC的设置方式,为既有线RDC管辖边界点的选定提供理论依据与数据参考.     

CTCS-4级列控系统关键技术研究

为了更安全高效地实现跨区域列车高速运行,并降低运维成本,提出了CTCS-4级列控系统将移除轨道电路等设备,移动闭塞列车追踪间隔数学模型,基于GPS差分技术的列车完整性检查,基于GNSS/INS的列车组合定位和LTE-R车地无线通信等关键技术.仿真结果表明:运用这些技术后,相比于既有的CTCS-3级列控系统,CTCS-4级列控系统在安全性、性能和成本等方面均有提升,运行更稳定和高效.     

CTCS-2级列控系统中应答器设置的探讨

由于轨道电路传输信息的局限性（18信息）,CTCS-2级列控系统增加了应答器作为车-地信息传输的补充设备,以确保列车能够获得足够的地面信息生成目标-距离模式曲线监控列车运行。因此,应答器设置的正确性与合理性将直接影响铁路行车的安全和运输的效率。     

CTCS-3级列控系统中列车追踪间隔的研究

介绍了CTCS-3级列控系统中列车追踪的计算方法,建立了多列车追踪运行仿真模型,并进行了算例的设计,算例中,在相同的线路及列车参数条件下,设定两车的追踪间隔,得出在不同追踪间隔条件下,前车对后车运行的影响大小,并最终确定两车的最小追踪间隔。     

基于多分辨率建模的CTCS-3级列控系统仿真支撑技术

列车运行控制系统是一个实时分布式的复杂系统,针对不同的应用目的和系统生命周期的不同阶段、不同的人员对列车、车载设备、地面设备、车-地信息交互过程等的侧重点和细节层次的不同,论述了基于多分辨率建模的仿真支撑技术及应用.系统论述了基于多分辨率的建模理论和方法、分布式仿真中聚合解聚问题和多分辨率模型并发运行时的解决方案,解决不同分辨率模型并发时的耦合一致性问题.设计基于HLA的分布式、交互式仿真体系结构,研究基于不同等级多分辨率的仿真支撑技术.     

CTCS-2级列控系统在太中银线的应用与维护

从设备组成、实现的功能以及与其他系统的接口等方面,分析了CTCS-2列控系统在太中银线的应用情况,并对设备的维护提出了建议。     

甘蓝型油菜BnTR1和ATP6之间相互作用的研究

为进一步研究ATP6和BnTR1之间的相互作用及具体作用位点,通过构建含不同长度的BnTR1 cDNA序列的pGADT7融合载体,利用酵母双杂交证明了BnTR1的C端92～202位氨基酸序列与ATP6的氨基酸序列具有相互作用.     

BN纤维微观结构和力学性能的透射电镜研究

用透射电子显微镜技术,研究了BN纤维的微观结构,阐明了BN纤维在生成转化过程中存在的晶体结构状态。研究表明,以涡轮层状相为主晶相,含氮量高,晶粒尺寸小的BN纤维具有良好的力学性能。在BN纤维的制备过程中,轴向加适当张力,可促使BN纤维表层晶粒的定向排列,为提高材料的力学性能,提出了制造工艺的改进方向。     

基于客体管理的增强型RBAC模型的研究

提出了一种基于客体管理的增强型RBAC模型。该增强模型将角色思想应用于处于客体位置的目标和操作,在原有模型的基础上添加了目标角色和操作角色2个元素,相应地也增加了操作与操作角色、目标与目标角色及操作角色与目标角色的关系。对新添加的角色引入层次继承关系,对新添加的关系引入静态约束,并给出了增强模型的形式化描述。     

基于DBN的区域计算机联锁系统可靠性分析

区域计算机联锁设备是实现区域内行车安全、保证运输效率的核心设备,对其可靠性研究具有重要意义。结合目前存在的2种区域联锁制式,采用一种新的联锁方案,即在主控站和从控站(选择其中1站或多站)均设置联锁设备。综合考虑联锁系统的共因故障和可维修等因素,利用动态贝叶斯网络对其进行可靠性分析。首先,从系统故障■安全和危险输出的角度出发,建立区域两联锁单元和三联锁单元的动态故障树,并将其转换为相应的动态贝叶斯网络模型;然后利用动态贝叶斯网络的推理特性,对区域联锁系统进行可靠性分析;最后比较了该方法与基于静态贝叶斯网络和动态故障树分析法的结果。计算结果表明:主控站和其中之一的从控站均设置联锁设备是实现区域联锁的较佳方式;且基于动态贝叶斯网络的系统可靠性分析较上述两种方法在计算准确度和时间复杂度方面均有明显优势;并通过动态贝叶斯网络的诊断推理可知,共因故障是系统故障的主要原因,因此应重点防范以降低事故发生的概率。     

基于贝叶斯网络的供应扰动风险态势分析

运用贝叶斯网络对供应链中供应扰动风险的相关因素进行量化分析,得出了在供应扰动情况下以最短时间恢复正常生产是减少损失的最有效措施,而追加生产量不会大幅度降低损失.最后选择一个典型供应扰动案例,对基于贝叶斯网络的供应扰动风险态势进行算例分析,证明了模型的可行性和结论的合理性.     

基于贝叶斯网络的沙河集水库大坝风险分析

根据沙河集水库大坝风险分析的内容和破坏模式,分别建立了18个事件树对应的18个贝叶斯网络,再根据引起大坝溃决的原因,合并成由坝体渗漏、坝基渗漏、坝体边坡逐渐破坏、涵洞渗漏及溢洪道渗漏导致溃决的5种状况的贝叶斯网络;根据这5个贝叶斯网络的结构形式和变量情况合并成3个贝叶斯网络;最后进一步凝炼综合成1个贝叶斯网络,该贝叶斯网络至少包含6×18个事件树的信息.运行该贝叶斯网络,可以得到所需要的各种结果,显示出贝叶斯网络在风险分析中的特点和功能.该方法为水库大坝安全风险评价提供了一种新的思路.     

基于贝叶斯网络的路网失效程度评估方法研究

创造性地将贝叶斯网络应用于路网失效的评估中。选择连通可靠性作为评价标准,运用实例分析的方法,对基于贝叶斯网络的路网失效程度评估方法进行了研究。通过对路网的失效成因进行分析建立路网失效对应的事件树与故障树,并引入故障树向贝叶斯网络转化的算法,提出了利用贝叶斯网络对城市路网的失效程度进行评估的方法。最后举出一个简单的路网实例,按上述方法对其建立了其路网失效的贝叶斯网络,并利用MSNBX软件对该路网遭遇不同类型攻击时的失效情况进行了模拟计算,得到了实例路网的失效程度。实验结果证明了所探讨的方法的有效性,并为贝叶斯网络在大规模路网研究中的应用提出了一些思考和建议。     

用于预测的贝叶斯网络

通过示例给出了贝叶斯网络的构造方法，概括了贝叶斯网络的特点及贝叶斯网络学习的内容与过程，同时给出了离散型贝叶斯网络的预测公式。贝叶斯网络学习主要有三个基本环节，其一是确定变量集和变量域；其二是确定贝叶斯网络结构；其三是确定局部概率分布。贝叶斯网络是描述变量之间定性与定量依赖关系的图形模式，是进行数据联合分析与预测的有力工具。     

增强型注意力网络点击通过率预估方法

针对以往模型在对点击通过率(click-through rate,CTR)进行建模预测时,存在着特征重要性学习不足、特征交互低效等问题,提出了一种增强型注意力网络预估模型,用于动态学习特征重要性和特征交互信息,模型主要由注意力层、双线性交互层和全连接神经网络层构成。注意力层的多尺度多头自注意力机制通过设置不同尺寸子空间增强特征重要性学习能力,在得到特征重要性后,进一步采用张量积双线性交互学习特征交互信息。通过对注意力的子空间尺寸大小、张量积交互形式、神经网络层数和节点个数等进行定量分析,确定模型的最佳参数。实验证明,该模型相比已有模型拥有更好的预测能力。     

基于Bayesian网络的电子商务网站质量管理模型

电子商务网站的质量对电子商务的成功有直接的影响。该文建立了一个动态的、客观的电子商务网站质量管理模型,讨论了电子商务网站质量的主要因素、属性以及子属性,形成了指标体系;应用B ayes ian网络原理,建立了基于B ayes ian网络的网站质量管理模型。该模型基于用户感知的质量,以总质量作为中心结点,可以直接测量的质量子属性为网络根结点。利用该模型的前向推理和后向推理,既可以对电子商务网站质量进行评估,又可以进行网站的质量管理。     

基于贝叶斯网络的作战效能分析方法

天基信息系统的作战效能评估已经成为军事领域的研究热点。提出一种基于贝叶斯网络的天基信息系统作战效能分析方法。首先通过仿真平台获取仿真数据,然后采用基于搜索的贝叶斯网络结构学习算法和期望最大化(expectation-maximum, EM)参数学习算法学习数据样本,构建贝叶斯网络模型,最后从贝叶斯网络的节点敏感性分析出发,从载荷层、能力层两个方面分析了天基信息系统的可见光侦察卫星、合成孔径雷达(synthetic aperture radar, SAR)成像侦察卫星以及电子侦察卫星对作战效能的影响。同时,仿真验证了该方法应用在天基信息系统作战效能评估的有效性和可行性,能够为武器装备体系效能评估提供坚实的技术支撑。     

Research on Bayesian Network Based User＇s Interest Model

It has very realistic significance for improving the quality of users＇ accessing information to filter and selectively retrieve the large number of information on the Internet. On the basis of analyzing the existing users＇ interest models and some basic questions of users＇ interest （representation, derivation and identification of users＇ interest）, a Bayesian network based users＇ interest model is given. In this model, the users＇ interest reduction algorithm based on Markov Blanket model is used to reduce the interest noise, and then users＇ interested and not interested documents are used to train the Bayesian network. Compared to the simple model, this model has the following advantages like small space requirements, simple reasoning method and high recognition rate. The experiment result shows this model can more appropriately reflect the user＇s interest, and has higher performance and good usability.