管道传声特性及典型破坏声的识别

为了保证管道输送的正常运行,防止人为打孔盗油事件发生,对管道进行主动防护与快速准确地判定事发地点具有重要意义.研究了管道的导波特性,分析了管道人为破坏的典型声谱特征,建立了能对管道破坏方式进行分类的混合模型.研究结果表明,声波通过管道中介质以平面波传播且衰减较小;典型破坏声可在管道内远距离传播,隐马尔可夫模型(HMM)与人工神经网络(ANN)算法相结合能有效地提取和识别其声谱特征,从而为管道运输防盗监测提供一种新的途径.     

与WKI孤子族相应的完全可积的Bargmann系统

本文给出一个新的有限维对合系，并由此证明ＷＫＩ特征值问题在位势与谱函数之间的Ｂａｒｇｍａｎｎ约束下，被非线性化为一个Ｌｉｏｕｖｉｌｌｅ完全可积的Ｈａｍｉｌｔｏｎ系统。最后，我们由可换流的对合解获得ＷＫＩ方程族的每一方程解的表示。     

应用汞剂综合防治马淋巴管炎的效果观察和体会

流行性淋巴管炎是马属动物的一种慢性传染病,主要是囊球菌通过损伤皮肤或粘膜而传染。一般早春,尤其是春耕大忙季节,发生比较严重。我县最近几年来大部份公社都有发生。有的社队思淋巴管炎病马达百分之五十以上。如治疗不及时或方法不当会引起大量感染发病死亡,严重地威胁着马匹的健康发展。流行性淋巴管炎治疗方法,文献记载很多,一般大都是静脉注射九一四和碘化钾、黄色素,结合局部涂擦高锰酸钾粉、进行烧烙、手术摘     

一种新的脑白质分割方法

基于扩散张量成像提出一种新的脑白质分割方法.首先,计算扩散张量成像的各向异性参数和扩散参数,并得到各个参数下的脑部图像;然后,通过期望值最大化(expectation maximization,EM)模型求得各个各向异性参数图像的脑白质和非脑白质区域;最后,通过STAPLE(simultaneous truth and performancel evel estimation)模型融合各个DTI参数图像分割结果,得到脑白质分割结果.实验结果表明,该方法具有较好的分割效果,能有效地从脑组织中分割出脑白质.     

改进Stacking算法的光伏发电功率预测

针对Stacking算法计算时间较长和样本数据较少的问题,提出了一种基于新向量表示和交叉验证精度加权的改进Stacking算法。采用三层算法结构,第1、2层为初级层,使用随机森林、SVR、XGBoost 3个学习器;第3层为次级层,使用LightGBM对第2层输出再次学习以减弱噪声。用一种新的向量表示法来增大层级之间输入输出数据的样本规模和样本分布密度,来保证数据维度不会随着初级层学习器数目的增多而增大;根据在交叉验证下初级层不同预测模型表现出预测准确度的差异性对结果进行加权处理。利用某光伏电站的发电数据进行实际算例分析,提出的模型在MAE、MSE及$R^2$指标上,相比随机森林和Stacking等模型其预测性能有很大的提升。     

初教六型飞机仿真系统的数据采集与处理

为在飞行训练中降低危险性、提高效率和降低成本,设计了初教六型飞机仿真系统。讨论了该仿真系统的结构及数据采集系统的设计过程和工作原理。该系统采用直滑式导电塑料电位器测量系统中操作设备的位移量,通过PC I-7422进行A/D转换,对采样值进行标度变换、数字滤波以及消除系统零点漂移与标度漂移等数据处理。实验结果表明,数据采集系统达到了预期效果,其采样速率为5 kHz,采样分辨率为12 b it,采集精度为0.1%。     

具有不同染病程度的一类阶段结构传染病模型的分析

把成年染病个体分为轻度染病个体和重度染病个体两个阶段,同时考虑了一种饱和形式的输入函数,建立了一类阶段结构的传染病模型.通过Hurwitz判据、构造Lyapunov函数的方法分析了系统平衡点的存在性和稳定性,并且发现当满足一定条件时,系统将发生Hopf分支.     

Nafion/PDDAC固相微萃取富集测定大米中2-乙酰基吡咯啉

以普通点样毛细管作为固体萃取头研究仪器,运用Nafion和聚二甲基二烯丙基氯化铵(PDDAC)修饰点样毛细管,以气相色谱仪研究该修饰头对大米中2-乙酰基吡咯啉的吸附作用。研究优化了影响2-乙酰基吡咯啉萃取的解吸温度和时间等实验条件,目标分子的线性范围为0.50-8.00 ng·m L-1,方法的检测限为0.10 ng·m L-1,将实验结果应用于2批大米样品的实际测定。     

论司法能动过程中价值判断的相对确定性

司法能动主义的基本宗旨是强调对法官施加较少的约束从而使法官能够广泛地运用自身的权力去促进公平。司法能动主义的宗旨给法官提供了能够进行广泛价值判断的空间,但是这并不意味着司法能动过程中法官的价值判断是恣意的。本文通过分析法官在进行价值判断时的若干制约因素得出了司法能动过程中法官的价值判断是具有确定性的这一结论。     

基于互信息和文化基因算法的网络流量特征选择

利用文化基因框架的引导,提出一种结合了封装和过滤的混合型特征选择算法.该算法在传统的遗传算法中采用了基于互信息的局部搜索算法,全局搜索以分类器精度为适应度函数,保证得到全局最优解;局部搜索以联合互信息为评价指标,加快了寻找最优特征子集的收敛速度.实验表明,与现有算法相比,该算法在特征数量和计算复杂度上有显著改进,采用该算法的网络流量识别方法能以更少的特征获得更高的分类精度.