基于FAHP法和区间数改进TOPSIS法的盾构隧道下穿建筑物风险评估

为评估盾构隧道施工对邻近建筑物的影响,提出一种基于模糊层次分析法(FAHP)和区间数改进优劣解距离(TOPSIS)法相结合的风险评估方法.通过调研建立基于土体性质、建筑物因素、隧道因素、盾构掘进参数等影响因素为主的风险评估体系,基于专家打分利用FAHP判断因素权重.利用传统TOPSIS法,根据因素分级标准选取6个典型样本,确定非等分风险等级判断标准.首次将区间数改进TOPSIS法运用到盾构隧道下穿建筑物的风险评估中,采用区间数描述工程情况.该评估过程均采用量化方式,比传统风险评估方法的准确性更高,受主观因素影响较少,客观性更强.利用该方法对某砌体建筑物进行风险评估,结果与实际情况相符,证明了该方法的有效性,可为类似工程风险评估提供参考.     

基于PSO优化孪生支持向量机的自然语言处理

为了进一步提高孪生支持向量机(Twin support vector machine, TWSVM)的自然语言文本分类准确度,提出了一种改进的粒子群优化(Particle swarm optimization, PSO)算法,并采用改进的PSO算法对TWSVM核心参数进行优化。根据迭代次数来选择自适应权重从而对传统PSO算法进行改进,以防止收敛速度过快而错过全局最优解。采用Word2Vec对自然语言样本进行向量化处理,并通过PSO算法对TWSVM惩罚因子进行优化求解,解决因为惩罚因子设置不合理而造成自然语言文本分类准确率不高的问题。试验证明,通过合理设置PSO算法的速度权重初始值和稳定值,结合自适应递减权重策略,能够获得较高的惩罚因子优化性能,从而提高TWSVM的分类准确率,相比于常见自然语言文本分类算法,PSO-TWSVM的分类准确率更高,均方根误差值更低,在自然语言文本分类中的适用度高。     

SCR废催化剂中钒和钨常温常压浸出新工艺

基于SEM-EDS，XPS，获得常温常压下SCR废催化剂二段式浸出新工艺，采用Box-Behnken试验设计(BBD)方法分段研究了各因素及其交互作用对钒和钨浸出影响，得到了最佳工艺参数，并分析了浸出机理.结果表明，采用二段式浸出工艺，各因素影响顺序为:第一阶段提钒，反应温度＞浸出时间＞浸出剂浓度;第二阶段提钨，反应温度＞浸出剂浓度＞浸出时间.第一段当NaOH浓度0.5mol·L^-1，60℃下反应10min时，钒浸出率为(61.40±0.24)%;第二段当NaOH浓度2.5mol·L^-1，90℃下反应50min时，钨浸出率为(55.73±0.22)%.废催化剂中钒以V₂O₃，VOSO₄和V₂O₅形式存在，与NaOH反应生成可溶性钒酸盐，少部分V₂O₃和V₂O₅在反应过程中生成VOSO₄后溶解.