地震砂土液化判别的灰色关联-逐步分析耦合模型

通过分析灰色关联模型和逐步判别模型在单独进行砂土液化等级判别时所体现的优点及存在的问题,建立以两者为基础的耦合判别模型。利用实际样本结果,选取震级M、地面加速度最大值g_(max)、比贯入阻力P_s、标准贯入击数N63.5、平均粒径D_(50)、相对密实度Dr、地下水位d_w共7个实测数据作为砂土液化判别因子,对该模型进行验证。研究结果表明:BP神经网络、灰色关联分析、逐步判别分析这3种方法对样本的判别准确率分别为60%,80%和60%,耦合模型的判别准确率为100%。与单独使用2种基础模型相比,耦合模型的判别结果与实际结果更加吻合,表明该方法具有较高的准确性和良好的实用性。     

基于Fisher判别法的砂土液化势判别

目的提出一种基于多元统计学的Fisher模型,判别复杂和不确定性因素影响下砂土液化的发生,提高和改善砂土液化势评价的可靠性、准确性及智能水平.方法应用Fisher判别分析法理论并结合砂土液化机理,建立砂土地震液化判别模型.选取具有代表性的25组实测砂土液化的数据作为学习样本进行训练和检验,建立相应线性判别函数并利用回代估计方法进行回检,并与规范法和Seed法进行比较.结果训练样本和测试样本的正确率均为100%,而规范法和Seed法都出现了不同程度的误判.结论 FDA判别法准确率较高,是一种有效的砂土液化判别方法,为砂土地震液化判别提供一种新的思路.     

改进的Bayes砂土液化判别模型

基于Bayes判别分析理论,根据唐山大地震和广东三水地震中40组砂土液化样本构建数据库,本文选取其中30组数据作为训练样本,建立了Bayes判别分析(BDA)函数,并根据该函数对另外10组待测样本进行了液化判别研究。首先,基于震级M、地面加速度最大值gmax、标准贯入击数N63.5、比贯入阻力Ps、相对密实度Dr、平均粒径D50和地下水位深度dw七个评价指标,建立七因素Bayes判别分析模型。继而,依据各评价指标的影响权重,提出了以M、gmax、Ps、Dr和D50五个评价指标为主的五因素Bayes判别分析模型。对比五因素和七因素模型的砂土液化判别结果,可以发现:改进的五因素模型的平均判别准确率高达为90%,而七因素模型准确率为80%,即本文所提出的五因素BDA模型用更少的评价指标可以达到更高的液化判别准确率,既避免了次要因素影响判别函数的稳定性,又节约了建设成本,更有利于实际工程中的液化判别。     

融合Logistic回归与Tabnet模型的P2P网贷违约预测方法

结合P2P网贷平台的特点,融合Logistic回归和Tabnet模型,提出一种P2P网贷违约预测方法。采集人人贷平台借贷数据,并对数据进行清洗与加工预处理;通过信息价值法和相关性分析,对众多解释变量进行筛选,以借款状态作为因变量,采用Tabnet神经网络进行训练,根据训练得到的特征重要性选择关键的解释变量;将Tabnet神经网络预测结果作为新的训练数据集,构建Logistic回归模型;将人人贷数据集输入Logistic回归学习与训练,以训练好的Logistic回归用于网贷违约预测。实验结果表明,Tabnet模型的网贷违约平均预测准确率和精确率分别为9958%、9547%,Logistic回归的平均准确率和精确率分别为9872%、9221%,而融合模型的平均准确率和精确率分别为9960%、9672%;在3个测试集上的准确率标准差分别为0001 4、0000 6、0000 5,精确率标准差分别为0034 4、0013 3、0013 2。表明融合Logistic回归与Tabnet的网贷违约预测方法具有Logistic回归模型的可解释性与稳定性,可提高单一模型的预测精确度。     

基于车辆横向运行数据的遗传-支持向量机算法的分心驾驶状态判别模型

分心状态是造成交通事故的重要原因。当前侵入式与半侵入式检测多被应用于分心驾驶识别,此方法会对驾驶任务产生一定干扰,且成本相对较高。对此提出一种低成本的基于车辆横向运行数据的分心驾驶状态判别方法：实验选取手机通话作为分心影响因素,设计了正常驾驶、免提通话、手提通话三个维度。首先,基于驾驶模拟器采集的数据,对正常与分心状态下的车辆运行指标进行Man Whitney U检验,从时域及频域中提取出与分心驾驶显著相关的车辆横向控制指标;其次,构建支持向量机（support vector machine,SVM）分心状态判别模型,将径向基函数作为SVM的核函数,使用网格搜索算法（grid search algorithm,GSA）、粒子群算法（particle swarm optimization,PSO）及遗传算法（genetic algorithm,GA）对SVM模型参数进行优化;最后,对比GSA-SVM、PSO-SVM与GA-SVM分心判别模型的分类效果,并运用ROC曲线对模型性能进行评估。研究结果表明：GA-SVM分心判别模型的最优交叉验证率、准确率及F_1值分别为87.9%、91.9%、94.05%,高于GSA-SVM（86.2%、87.2%、90.35%）与PSO-SVM（87.9%、91.2%、93.46%）;GA-SVM判别模型ROC曲线接近于（0,1）坐标,其AUC值为93.53%。所提出的GA-SVM分心判别模型获得了较好的分类效果,故认为此模型适合作为低成本条件下基于车辆横向控制的分心驾驶状态判别模型。     

基于触觉阵列感知的机器人稳定抓取判别方法

针对传统的单点压力传感器获取的接触力无法完备反映机器人的抓取接触状态,难以实现准确的机器人抓取状态判别的问题,基于触觉阵列传感器的多点感知特性,提出一种高效高准确率的机器人稳定抓取判别方法．首先,采集机器人抓取属性各异物体时的接触分布力信息,建立分布力与触觉图像的映射,构建机器人抓取触觉图像数据集;基于多层感知机框架建立机器人抓取状态判别模型,实现机器人抓取状态的分类．然后,通过训练并对多层感知机在不同模型层数与节点数下的模型性能进行优选,得到抓取状态判别模型的最优参数,进而与多种基于学习的抓取判别算法进行对比．结果表明：所提出的抓取状态判别方法具有99.74%的判别准确率,平均耗时为2.3 ms,在判别精度和速度上均优于基线算法;通过实物抓取实验,该方法的判别准确率达到94%,充分证明其对数据集外物体的稳定抓取判别具有较强的鲁棒性．     

基于K近邻算法的钢筋混凝土柱地震破坏模式判别方法

钢筋混凝土（RC）柱在地震力的作用下会发生不同的破坏模式,不同的破坏模式会有不同的损伤特点。所以,有必要针对不同地震破坏模式提出有效的判别方法。首先基于SMOTE算法使数据样本达到均衡,其次根据ENN算法,筛选了判别弯曲破坏和非弯曲破坏、弯剪破坏和剪切破坏的最佳参数;再次通过TomekLinks算法合理剔除噪音样本重构均衡数据,最后基于kNN算法建立了两阶段kNN模型,达到了准确判别RC柱地震破坏模式的目的,并通过与传统kNN模型、传统经验方法进行对比分析,验证了模型的优异性。研究结果表明：该方法通过选取筛选最佳参数,在提高判别准确率的同时简化了传统机器学习判别模型;本模型提出的两阶段kNN模型对三种破坏模式的判别准确率均可达90%以上,比传统kNN模型高10%左右,比传统经验判别方法高20%左右。     

SPT-CPT相关关系及影响因素分析

根据多个实际工程中的标准贯入试验(SPT)和静力触探试验(CPT)数据,确定了SPT-CPT对比孔的选择原则及SPT参数N值和CPT参数锥尖阻力qc值的读取方法。采用统计学方法对N值和qc值形成的散点图进行了拟合分析。分析了土性类别、平均粒径、黏粒含量三个影响因素对SPT-CPT相关关系的影响。结果表明,拟合直线斜率随土颗粒粒径的减小而增大,随小颗粒含量的增大而增大,三个影响因素具有内在统一性。所提出的相关关系可以进一步应用于地基土液化判别等岩土工程问题。     

IL-6-174G/C及CRP+1059G/C基因多态性与新疆哈萨克族代谢综合征及其组分的相关性研究

为探讨IL-6-174G/C及CRP+1059G/C基因多态性与新疆哈萨克族代谢综合征(MS)及其组分的相关性。应用PCR-RFLP方法对新疆哈萨克族MS病例组200例及对照组201例的白细胞介素6基因-174G/C位点及CRP基因+1059G/C位点进行检测。IL-6-174G/C位点MS组与对照组均以GG基因型为主,其频率分别为94%和98.5%,GC基因型频率分别为6.0%和1.5%,CC型在MS组有1例,占0.5%,在对照组未发现。G和C等位基因频率在MS组分别为97.0%和3.0%,两组基因型差异有统计学意义(χ2=5.66,P0.05)两组间等位基因频率差异有统计学意义(χ2=6.43,P0.05);CRP+1059G/C位点MS组与对照组以GG基因型为主,其频率分别为93.0%和99.0%,GC基因型频率在两组分别为7.0%和1.0%,CC纯合子基因型在两组中均未检出。G和C等位基因频率在MS组分别为96.5%和3.5%,两组基因型差异有统计学意义(χ2=9.43,P0.05),两组等位基因频率差异有统计学意义(χ2=9.24,P0.05)。IL-6-174G/C和CRP+1059G/C基因多态性与哈萨克族代谢综合征及组分有一定关联。     

砂土液化势评价的Bayes判别分析法及其应用

为了给砂土地震液化的数量化研究提供参考,基于多元统计分析理论,建立砂土地震液化判别与液化势分类的Bayes判别分析模型。模型选用震级、地面加速度最大值、标准贯入击数、比贯入阻力、相对密实度、平均粒径和地下水位等7个指标作为判别因子;将砂土液化势分为严重液化、中等液化、轻微液化和未液化4个级别,并作为Bayes判别分析的4个正态总体;以17个砂土实测数据作为训练样本,建立Bayes线性判别函数,以Bayes线性判别函数的最大值对应的总体作为样品所归属的总体;最后将建立的模型对训练样本进行回判,以回代估计误判率对模型进行检验。研究表明,对训练样本的回代误判率为0,对另外20个砂土样本的判别正确率为90%。     

疲劳试验新方法—显微疲劳试验

介绍了显微疲劳试验－一个新的疲劳试验方法，由此研制的疲劳试验装置，能够在金相级的水平上进行十分精细的疲劳试验，全部实验过程可以进行实时观察和记录，用该细观手段实验观察，可望对金属疲劳进行更深层次的分析研究，能更好地理解工程零部件中实际疲劳裂纹的产生与扩展的过程。     

用测验信息量分析试卷质量

测验信息量是项目反应理论中的一个重要概念，它可以用来预测和评价一个测验的误差大小。该文给出了几个与测验信息量相关的计算公式。为了便于编程，作者对一些已有公式进行了化简。求对应能力值需要迭代，该文为迭代公式提供了一个初值计算式，并将其应用于试卷质量的分析中。     

数字电路逻辑测试系统中的测试生成

测试生成是数字电路测试的关键问题之一,文章闸述计算机辅助测试系统DCTS-CAT仪中测试图形产生的确定法和部分随机法。研究表明采用的方法满足功能级在线检测要求,测试速度较快,测试的错误覆盖率较高。     

一道硕士研究生考题的推广

文章利用积分中值定理,给出一道硕士研究生考题的推广     

取定检验统计量的最佳双边检验

研究了未知参数进行假设检验时构造的检验统计量.在不同检验统计量的情况下证明了最佳双边检验是存在且唯一的,同时给出了求参数最佳双边检验需满足的条件;并且将最佳双边检验与传统检验进行了比较,最后给出了一个应用实例.     

计算机多阶段自适应测验的组卷方法

计算机多阶段自适应测验(MST)实施的关键是成功组建多个满足测验规范(即统计和非统计约束)的平行测验(或称测验面板),自动组卷(ATA)为实现测验平行提供了可能.现有的MST组卷方法研究主要包括以下几种:1)基于线性规范算法的组卷方法; 2)基于启发式算法的组卷方法; 3)基于蒙特卡洛算法的组卷方法; 4)基于在线组卷的方法.该文讨论这几种方法的优缺点并进行比较,同时指出未来可进一步改进这种方法并开发基于认知诊断测验的自动组卷方法.     

柯西判别法与达朗贝尔判别法的正确应用

在数值级数中，对于一般的变号级数∑^∞n=1Un，为了判断该级数是条件收敛还是绝对收敛，我们常常将其转化为判别正项级数∑^∞n=1Un|与变号级数∑^∞n=1Un的敛散性而得到，在正项级数的判别法中，最简单又最常用的是柯西判别法与达朗贝尔判别法，但是学生在应用这两个判别法时，又经常出现错误，通过对上述两个判别法的证明过程的分析，归纳出一些结论和应注意的地方，以便今后少出现错误。     

影响汽车燃料经济性试验结果的因素

笔者根据实践经验,较详细地论述了影响汽车燃料经济性试验结果的各种因素,并提出了保证试验质量的有效措施。     

单边检验在方差检验中的局限性

论证了方差的原假设H0:(σ2≤σ20)或(σ2≥σ20)只进行单边检验的局限性——只给出一个拒绝域是不够完善的;首次提出H0:(σ2≤σ20)或(σ2≥σ20)进行双边检验的方法及双边拒绝域.     

张爱玲小说的苍凉世界

我认为张爱玲的身上辉映着动乱时代的影子,这位一夜走红的女作家,从骨子里到笔尖都流露出让人心寒的苍凉。虽然她的作品题材千变万化,但“中心话语”永远是苍凉,一种深入骨髓的乱世苍凉。这种苍凉是作者独特的审美艺术创造,它满足了人们超常的审美需求。