基于增量动力分析的钢框架结构抗震性能评估

为了预测结构的抗震能力,以分别代表低层、中层及高层结构的3层、9层、20层钢框架为例,采用增量动力分析方法对3个结构模型进行了近断层地震作用下不同强度指标的地震性能评估．基于增量动力分析,从概率的角度得到了结构在不同强度指标下的地震危险性曲线、年平均超越概率及重现周期．通过对比分析发现不同层数的结构模型选取不同的强度指标进行性能评估的有效性不同：3个结构模型均适合采用Sa作为地震动强度指标;3层钢框架不适合采用aPGA作为强度指标,9层钢框架较适合采用aPGA作为强度指标,而20层钢框架选取aPGA作为强度指标的有效性尚不确定．     

基于级联可分离空洞残差U-Net的肝脏肿瘤分割

计算机辅助肝脏肿瘤分割可减少医生工作量,提高手术成功率,因而具有重要的临床诊疗价值。为获得精确的肝脏肿瘤自动分割结果,该文结合医学影像分割领域近年新兴的U-Net模块提出了基于级联可分离空洞残差U-Net（cascaded separable and dilated residualU-Net,CSDResU-Net）的肝脏肿瘤分割方法。CSDResU-Net采用了级联操作,解决了因肿瘤在整幅图像中占比小而造成的肿瘤分割数据不平衡问题;通过在分割网络中整合残差单元、深度可分离卷积和空洞卷积,能够增加卷积核感受野并快速提取更具判别性的肝脏肿瘤图像特征,从而提高肝脏肿瘤分割精度。在国际医学图像计算和计算机辅助干预协会肝脏肿瘤分割数据库上的实验结果表明,CSDResU-Net比基线方法的Dice系数指标提升了1.3%,同时发现空洞率对分割网络的性能表现影响较大。     

基于残差融合的时序数据离群点检测算法

物联网的快速发展产生了海量的高维时序数据,然而时间序列易受到外界变化的环境因素影响而产生离群点。针对现有的离群点挖掘算法不能兼顾时序数据的趋势性、季节性、循环性、不规则性的特点,从而导致检测效果不理想的问题,提出一种基于残差融合的时序数据离群挖掘(residual integration outlier,RIO)算法。首先利用线性自回归移动平均模型(autoregressive integrated moving average model,ARIMA)拟合数据,得到在相同时间粒度下的残差序列,并将该序列作为非线性模型长短期记忆网络(long short-term memory,LSTM)模型的输入,输出残差序列预测值,而后将经由ARIMA模型与LSTM模型处理的序列在相同时间粒度下融合,得到一条经由混合模型两次处理的残差序列。最后,利用基于直方图的离群点模型(histogram-based outlier score,HBOS)检测出该二次残差序列的离群点。实验表明,RIO算法的准确度得到了较为明显的提高,具备良好的实用价值。     

一种新的弹塑性本构矩阵及应用

利用非关联流动法则,在空间状态下基于M—C准则导出一种新的屈服准则以及相应的弹塑性本构关系,该屈服准则与M—C准则所得的塑性体应变增量完全相等,并体现了中间应力σ2对屈服的影响．并把新准则与其他准则在理论上进行了分析、比较．最后把本文提出的新准则与有限元强度折减系效法结合起来,通过对c、φ的等效替换,利用ANSYS通用程序进行边坡稳定分析,所得结果与极限平衡法吻合良好．     

装配式混凝土结构生产运输协同调度

增量成本是制约装配式建造模式推广发展的重要瓶颈,其形成原因主要是预制构件生产、运输与吊装各环节缺乏联动机制.从供应链集成的视点出发,聚焦于生产与运输阶段,分析预制构件的工艺流程和组批特征,构建了以准时交付和流程时间为目标的预制构件生产运输协同调度模型,并设计了改进的遗传算法进行求解.数据实验结果表明,模型的可行性强,能够有效改善预制构件的生产调度和运输管理,提高两者协同效率.     

一种新的多因子约束下的NWP反演ZTD残差改正模型

对流层延迟是GNSS定位的主要误差源之一,利用NWP模型的气象数据积分反演ZTD是当前研究热点.然而,采用两大气象预报中心(ECMWF和NCEP)的再分析资料反演ZTD的残差一般在±60 mm之间浮动,预报资料反演的ZTD的精度更差,都不能直接用于精密定位.一般是先将此反演的ZTD作为初值,设定先验方差,将残差作为未知参数求解.NWP反演的ZTD的精度,将直接影响对流层和模糊度参数在滤波过程中收敛速度.前人的研究表明,NWP反演ZTD的残差大小与测站所在纬度相关,利用纬度与残差的相关函数可提高NWP反演ZTD的精度,但效果并不明显.针对以上问题,比较ECMWF和NCEP再分析资料反演ZTD的精度,然后分析精度较高的ECMWF资料反演的ZTD的残差随温度、湿度、纬度、季节等因子变化的规律,并结合基于最小绝对残差法的多项式拟合方法拟合残差,提出一种新的多因子约束下的NWP反演ZTD的残差改正模型,从而提高NWP反演ZTD的精度.为验证模型的性能,以133个IGS站高精度ZTD为参考,拟合2015年ECMWF反演ZTD的残差,构建残差改正模型,并利用此模型改正2016年ECMWF反演的ZTD.实验结果表明：在纬度高于15°的地区,NWP反演的ZTD的平均残差和均方根误差比使用模型前分别减小了86.9%和36.3%.另外,对于较低纬度地区,此残差改正模型的效果不明显.     

奇异线性系统Drazin逆解的DQMR算法

近年来,关于奇异线性系统Drazin逆解的算法引起了众多学者的广泛关注,并获得了依赖于Krylov子空间的大量研究成果.然而,Krylov子空间法十分繁琐且解决奇异线性不相容系统十分困难.基于此,利用投影法给出了相容或非相容奇异线性系统Ax＝b的Drazin逆解的DQMR算法,其中A∈?n×n是一个具有任意指标的奇异Hermitian矩阵. DQMR算法“类似”于非奇异系统的QMR算法.     

卷积神经网络发展

卷积神经网络作为深度学习的重要代表算法之一,被应用到人脸识别、行为识别、字符识别和图像处理等多个领域,推动着人工智能的快速发展.本文在分析整理大量文献后,总结了卷积神经网络的发展阶段,介绍了卷积神经网络的基本结构和关键技术,选取LeNet、AlexNet、VGGNet、GoogLeNet和ResNet等几种具有代表性的网络进行分析对比,并指出各个网络的应用场景和优缺点,最后提出卷积神经网络未来的研究发展方向.     

基于三支决策的二阶段分类模型研究

当对三支决策边界域进一步划分时,边界域知识存在划分信息不足,从而导致分类精度不高,针对上述问题提出一种新的基于三支决策的二阶段分类模型(TWD-TP).第一阶段根据贝叶斯规则构建三支决策中样本的条件概率,通过求解最优化损失函数得到所需阈值,然后按照三支决策规则对数据集进行划分.三支决策是基于最小风险贝叶斯决策理论的划分,在其正域、负域中包含一定的误分类样本;在第二阶段通过类标签索引分别将正域、负域中误分样本作为增量信息引入延迟决策域,形成重构边界域,最后对重构边界域进行划分.实验结果表明:所提出的TWD-TP模型不仅能在三支决策划分中筛选出高误分类特征的样本,同时其重构边界域中不能被划分的样本得到正确划分,分类精度进一步提高.