上承式大跨度钢管混凝土拱桥的地震响应分析

以三峡工程对外交通公路黄柏河特大桥为研究背景,通过建立空间结构有限元模型,计算和分析了上承式大跨度钢管混凝土拱桥的动力特征,并分别运用反应谱法和时程反应法分析该桥的空间地震响应,采用了十余条地震记录进行计算,讨论其主要结构形式、不同的地震波、各种场地以及各参数对地震反应的影响和规律,为大跨度上承式钢管混凝土拱桥的抗震设计和研究提供了理论依据.     

语音编/解码仿真中S函数的设计与应用

以SIMULINKK中M型S函数的设计为例,详细讨论了S函数的设计方法,并利用其实现了一个基于高阶谱分析的语音编／解码实时仿真系统,该系统解码后恢复的语音性能更接近于原始语音,所估计的激励信号更接近于白噪声,与传统的方法相比,本文法提高了工作效率和可靠性,非常适合于进行算法系统的研究。     

基于Geant4的联合模型神经网络法解析γ能谱

利用Geant4模拟软件及MATLAB计算软件,开展多人工神经网络模型定量分析低计数率核素的研究,分析了包含五个不同类型网络的BP神经网络模型对国控环境监测站NaI(Tl)探测器模拟能谱的识别能力。实验结果表明:多网络模型的使用有利于提高低计数核素的识别准确度,能够有效识别未知核素的存在与否。     

基于随机矩阵谱分析的机械液压传动系统故障辨识方法

传统故障辨识方法受机械液压传动系统故障影响,存在故障辨识率低、有效性差问题,提出基于随机矩阵谱分析的机械液压传动系统故障辨识方法.通过分解故障振动信号,得到故障信号的特征向量函数,利用线性分析提取故障信号的随机变量;根据故障信号求解,提取机械液压传动系统故障特征;利用随机矩阵谱分析方法描述机械液压传动系统的状态空间,推算机械液压传动系统的状态方程;利用机械液压传动系统的残差阈值,检测到机械液压传动系统故障;通过对比机械液压传动系统故障的贴近度,选取最大值作为机械液压传感系统的故障信息,实现机械液压传动系统故障辨识.实验结果表明,该方法具有更高的故障辨识率.     

基于LOF-SSA-PSO-LSSVM模型的旅游客流量预测

针对月度旅游客流量影响因素复杂，时间序列数据中可能存在异常值和噪声的特点，提出了一个基于局部异常因子(LOF)和奇异谱分析(SSA)的LOF-SSA-PSO-LSSVM预测模型.数据预处理阶段，对原始序列运用X12季节加法模型消除季节性的影响，采用LOF方法检测季节调整后序列的异常值，并使用线性插值和最小二乘支持向量机(LSSVM)方法来修正异常值，新的待预测序列由修正后的季节调整序列与季节因子序列加和得到.预测阶段，首先采用奇异谱分析(SSA)方法来剔除新的待预测序列中的噪声，然后采用PSO-LSSVM方法对其进行预测.以上海2004年1月至2018年12月旅游客流量序列的预测为例，通过与ARIMA、LSSVM等模型比较，表明LOF-SSA-PSO-LSSVM模型能有效提高旅游客流量的预测精度和稳定性.     

基于变权重奇异谱分析的心律不齐识别方法

现有心律不齐研究多数围绕心电信号中不同频率特性成分的分离展开，而不同子序列的信息量对于最终目标决策的贡献则缺少研究与分析.为增强高贡献度子序列对于分类器的影响，提出了一种变权重奇异谱分析与深度学习结合的识别方法.通过奇异谱分析获得多个子序列，结合各个子序列的奇异值计算随机森林下的基尼系数，并将其作为权重.变权重的序列样本用于训练神经网络模型，更高效地挖掘了有用信息，进一步提高了识别精度，最终的心律不齐识别准确率为98.35%，Macro-F1为97.95%.相对于传统的定值权重，本文提出的变权重识别方法在各个性能指标上均有明显提升.