人工神经网络技术在矿区土地复垦中的应用

针对中国土地复垦起步晚，新技术与新理论应用较少的问题，研究利用人工神经网络来辅助土地复垦的决策。介绍了利用自组织映射神经网络的自动分类功能对进行矿区土地复垦条件分类，为因地制宜地采取复垦措施提供依据。然后，基于BP神经网络，选取评价因子，通过对已有经验的学习，对复垦土地适宜性进行评价，并与传统的方法相比较，研究结果表明，利用人工神经网络辅助矿区土地复垦决策是可行的。     

煤层气的富集成藏类型初探

通过对煤层气赋集成藏因素和机理的分析，结合煤层气勘探中有煤层却没有煤层气赋集，有煤层气赋集未必是勘探的有利选区等地质认识，探讨了煤层气藏的概念，并根据煤层气藏的成因和构造形态对煤层气藏类型进行了详细划分，共划分了8种煤层气藏类型，包括了目前所有已经发现煤层气藏类型。并认为只有在含气饱和度较高的煤层气藏，且具有较高的渗透率，才能成为煤层气勘探的有利区块。     

排土场淋溶水污染区地下水监测点模糊模式识别

应用模糊模式识别方法对阜新新邱露天煤矿排土场附近(于家沟),地下水污染区的水质监测点分类优选问题进行了研究,对研究区内的12眼水井分别采样,进行水质分析,识别出总硬度、硫酸盐、氯化物、溶解性总固体等主要污染因子;进而采用模糊模式识别方法,对区内的12个监测点进行了优化.计算结果表明可从于家沟地下水污染区的12个监测点中选取具有代表性的3、7、11号监测点进行监测,节省了人力、物力及资源.     

瓶装饮用水挥发性有机物的聚类分析与评价

用两种数值分类方法对19种瓶装饮用水所含挥发性有机物(VOCs)进行聚类分析，EDC法的分类选用欧氏距离为相似性测度，聚类采用重心法；CBM法选用绝对距离与中位数法．结果得到两系统聚类树形图及一统计量表。表明水样可分为四类和定量分级评价为三个等级：不合格(水样M6)、合格(水样M2、D4)、较好(其他16种水样)．聚类分析能同时实现瓶装饮用水的分类与定量分级评价。     

戏剧修辞格翻译的受众效果分析 ——以英若诚译本为例

戏剧靠语言赢得受众,为使语言富有吸引力,剧本台词总是应用各种修辞格.戏剧的目的大都是要搬上舞台的,所以翻译戏剧修辞格时要以受众效果为重.同时,英汉语中的修辞格与文化紧密相连,剧中的修辞格也包含了作者的各种目的,导致其翻译的困难性.因此,本文将从同样重视受众的修辞学的受众效果角度,研究杰出的翻译家、导演兼演员——英若诚先生已搬上舞台且受众效果极佳的戏剧剧本,分析其翻译修辞格时达到上佳受众效果所应用的翻译方法与技巧,以期为戏剧翻译研究提供一个新的切入点.     

基于堆叠自编码器神经网络的复合电磁检测铁磁性双层套管腐蚀缺陷分类识别方法

铁磁性双层套管长期服役于恶劣的工作环境,极易出现腐蚀缺陷,定期为服役中的双层套管进行在线检测十分必要,而对管壁腐蚀缺陷位置的分类识别是管道定量检测与维修的前提和基础,实时准确的套管腐蚀缺陷分类识别能力是决定管道在线检测效率的重要因素。针对这一情况,将脉冲远场涡流和脉冲涡流技术相结合,提出了基于堆叠自编码器神经网络的分类方法。通过仿真和实验选取合适特征量作为输入层,实现了内管外壁腐蚀、外管内壁腐蚀和外管外壁腐蚀的分类,实验整体预判精度可达97.5%,结果表明该方法可对双层套管腐蚀缺陷缺陷实施高效、高精度分类识别。     

铆接结构中缺陷的脉冲远场涡流定量评估技术

针对飞机机身铆接结构检测中难以对缺陷进行定量评估的问题,将脉冲远场涡流检测技术运用于铆接结构缺陷检测之中。利用脉冲激励频谱成分丰富、可提取特征信息较多的优势对铆接结构中缺陷的定量评估技术展开研究。首先,建立铆接结构脉冲远场涡流三维检测模型,对缺陷进行检测,从而确定缺陷位置。在此基础上,分析缺陷类型、尺寸对检测信号的影响发现直接耦合分量幅值与上下表面缺陷深度之间具有不同的变化关系,从而实现对缺陷的分类识别。最终,利用信号的过零时间变化量实现对缺陷深度的定量,在缺陷深度已知的情况下,进一步利用直接耦合分量幅值变化对上表面缺陷长度进行定量;利用间接耦合分量幅值变化对下表面缺陷长度进行定量。     

基于主题加权LDA模型的情感分类方法

针对LDA(Latent Dirichlet Allocation)主题模型生成的大量topic,很大部分topic内部词语相关度很低,可解释性差,对语言模型后的应用效果带来一定的影响.针对这一问题,该文提出了一种基于主题加权LDA模型的情感分类方法,该模型实现不同主题中内部相关的词语特征加权计算,能够消除不同主题内具有相关度词语的相互影响.实验结果表明,与传统LDA模型分类方法对比,该文提出的基于主题加权LDA模型的情感分类方法平均F1值提高了6.7%～8.1%,验证了该文提出的方法是有效的,提高了分类效果.     

基于深度极限学习机的高光谱遥感影像分类研究

高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱遥感数据的地面物体精确分类是高光谱遥感技术的核心应用之一.针对高光谱遥感影像的分类问题,提出一种基于深度极限学习机(D-ELM)的分类方法.该方法利用一种新的深度学习模型——深度极限学习机对高光谱遥感影像进行分类,并与基于极限学习机(ELM)、支持向量机(SVM)、核极限学习机(ELMK)分类方法进行了比较分析.研究结果表明:相对于ELM、SVM、ELMK分类方法,D-ELM分类方法能够更加准确地挖掘高光谱遥感影像的空间分布规律,提高分类的准确度.     

基于脉搏波数学模型的运动员运动状态判别方法

针对利用运动员脉搏波信息对其运动状态(高强度运动、平静)进行判别,并减少身体状态的随机性对脉搏波特征信息的影响问题,提出了一种对原始脉搏波信号进行建模进而提取特征信息进行状态判别的方法.利用训练-测试的二分类分析方式,对运动员的心率状态进行判别,以分析运动员的运动状态,辅助其进行运动训练工作.实验通过对10名运动员志愿者在不同状态下进行脉搏波采集,对预处理后的原始信号进行函数建模并提取生理信息,利用SVM进行监督训练和测试.结果表明,该方法能够对运动员心率状态进行有效判别,得到运动员的运动状态.