论多层建筑的地基加固与抗变形

一些城市的近郊低洼地带，过去作为市区垃圾卸填区，现在由于城市的扩展成为了建筑场地；大量的仓库、办公及生活用房无可选择的建造在这软土地基上；我国南方一些城市郊外的水塘、古河道、水稻田，由于城市发展的需要，划为住宅小区，建造多层及高层住宅楼。上述的这些不良地基在建造建筑物时必须引起高度重视，否则一旦处理不当，就会造成工程事故。结合具体工程案例，对多层建筑地基加固与抗变形的技术要点进行了探析，希望对同类型工程起到参考作用。     

采用深度学习的异步电机故障诊断方法

为解决传统异步电机故障诊断方法因电机结构复杂、信号非平稳和机械大数据等因素引起的诊断困难问题,提出一种高效准确的异步电机故障诊断(SDAE)方法。该方法利用堆叠降噪自编码提取信号特征,结合Softmax分类器实现高效准确的电机故障诊断。首先,采集异步电机的整体电流和振动信号,将电流信号与傅里叶变换后的振动频域信号组合构成样本,并做归一化处理;然后,构建堆叠降噪自编码网络,确定网络层数、各隐藏层节点数、学习率等参数;最后,输入训练样本依次训练自编码和分类器,微调整个网络并用测试数据验证网络的优劣。试验结果表明,在合适的参数下采用SDAE方法的异步故障诊断准确率高达99.86%,比传统电机故障诊断方法提升至少6%。     

TADS系统在小区覆盖中的应用

随着智能机的出现,日常生活与通信网络的关系变得越来越密切,人们已经很难离开网络而生活了,于是对于网络覆盖的要求也变得越来越高;但另一方面,随着用户的增加、高楼的快速建成、建筑密度的增加,无线网络质量经受越来越大的挑战。传统的微蜂窝覆盖由于各种限制很难对楼宇小区做到深度的全覆盖,本文引入了TADS系统,将其应用于某市一别墅型住宅小区,证实了TADS系统相较于传统覆盖方式的优越性。     

探析喷射混凝土施工材料在水利水电工程中的应用

随着时代的进步和社会经济的发展,我国水利水电事业发展迅速,出现了诸多的水利水电工程;水利水电工程通常有着较大的规模,需要较高的成本,为了促使工程的质量得到保证,就需要合理应用喷射混凝土施工材料,采取较高的标准,严格要求,对材料的性能进行合理试验,促使施工得到优化。     

基于气象因素的机场进离港延误预测

针对机场延误预测过程中难以提取延误传播时空特征、预测结果受天气扰动大的问题，提出了基于气象因素的时空图卷积网络(meteorology-based spatio-temporal graph convolutional networks, MSTGCN)机场延误预测模型。该模型使用图卷积神经网络(graph convolutional neural network, GCNN)与门控卷积神经网络(gated convolutional neural network, Gated CNN)挖掘机场延误的时空特征，同时加入气象特征提取模块对机场延误时间进行预测。实验结果表明，该模型在中短时预测上的表现均优于其他对比模型；相较于不考虑气象因素的模型，MSTGCN对未来1 h、4 h和12 h预测的平均绝对误差分别降低了7.03%,7.93%,11.54%,对预测结果起到了极大的修正作用。     

喷射混凝土配合比设计研究

喷射混凝土配合比设计和施工与普通混凝土不同,该文以某核电扩建项目临时支护喷射混凝土配合比设计为例,总结配合比设计方法,以利于指导实验室的喷射混凝土配合比设计。     

土岩组合地层排桩支护基坑嵌固深度的探讨

随着城镇化的不断发展,城市用地寸土寸金,地下空间也需充分利用,与之相对应的基坑开挖深度也越来越深,土岩组合地层基坑在丘陵山区城市中也较为常见。本工程为大连市中心某基坑原设计支护桩深度范围内为强风化岩层,由于风化岩层起伏等原因,嵌岩深度内某一区段范围遇中风化岩层,支护桩采用人工挖孔桩,中风化岩层施工较为困难,而且造价也比原设计增加很多,需按照新的中风化地层深度减小嵌固深度,但嵌固深度多少为适宜有待商榷,本文结合成功的工程案例对嵌固深度进行分析,为今后类似工程提供参考资料。     

基于深度卷积神经网络的RNA三维结构打分函数

非编码RNA的三维结构对于人们理解和干预其生物功能具有重要的意义，从计算的角度发展RNA结构预测方法可以加速结构获取过程，对三维结构进行评分是进行结构预测的关键步骤.近年来，基于机器学习的方法，如AlphaFold2，已在分子结构预测领域取得了革命性的进展.基于深度卷积神经网络，建立了一个对RNA三维结构进行评估的方法 .为了训练这一网络，建立了一个非冗余的含有422个RNA以及126600个decoys结构的数据集.训练得到的模型在RNA-Puzzles数据集上进行了测试，结果表明，在28个RNA中，网络从众多decoys中挑选出实验结构的正确率约为71.4%，这一结果比之前有所提高.另外，还对网络的工作机制进行了分析，发现神经网络对结构评分的倾向性和已知的物理化学知识相一致.     

基于级联卷积神经网络的人脸关键点定位

由于人脸姿态、表情、遮挡物、光照问题的影响,人脸关键点检测时通常会出现较大的误差,为了准确且可靠地检测关键点,提出了一种基于级联卷积神经网络的方法。利用人脸检测器检测到的人脸图像作为输入,第一层卷积神经网络直接检测所有的5个人脸关键点。随后根据这些检测到的点裁剪出5个人脸局部图像,级联的第二层网络使用5个不同的卷积神经网络单独地定位每个点。在实验测试环节,级联卷积神经网络方法的使用将人脸关键点的平均定位误差降低到了1.264像素。在LFPW人脸数据库上的实验结果表明:该算法在定位准确性和可靠性上要优于单个CNN的方法以及其他方法,该算法在GPU(图形处理器)模式下处理一个人脸图像仅需15.9毫秒。     

基于深度强化学习算法的无人机智能规避决策

为提升无人机在复杂空战场景中的存活率，基于公开无人机空战博弈仿真平台，使用强化学习方法生成机动策略，以深度双Q网络(double deep Q-network, DDQN)和深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法为基础，提出单元状态序列(unit state sequence, USS),并采用门控循环单元(gated recurrent unit, GRU)融合USS中的态势特征，增加复杂空战场景下的状态特征识别能力和算法收敛能力。实验结果表明，智能体在面对采用标准比例导引算法的导弹攻击时，取得了98%的规避导弹存活率，使无人机在多发导弹同时攻击的复杂场景中，也能够取得88%的存活率，对比传统的简单机动模式，无人机的存活率大幅提高。