高校校园网环境下的计算机教学模式(综述)

信息技术在教学中的使用越来越广泛,在校园网络环境下,教师应建立现代教学理念,分析计算机教学中存在的问题,了解校园网的基本组成和功能,力求转换师生角色,探索出新的教学模式,逐步引导学生充分利用计算机网络资源,进行网上探究,自主学习和协作学习,从而大幅度提高教学效果。     

环境场特征与暴雨之间的关系浅析

利用2002年6-7月香港天文台业务区域谱模式(ORSM)的物理量预报资料,通过对暴雨发生时的平均高度场、温度场、湿度场、经向及纬向风速场特征的分析,探讨了我国南方形成持续强降水的大尺度环流形势及物理条件.通过对暴雨带附近的热力场和动力场的研究表明：温度场上,在大气中低层,暴雨带处于高温区南侧相对的冷区,且温度梯度较小,而在暴雨区北侧,温度梯度较大;湿度场上,暴雨区落在高湿度带中,并且在大气低层,暴雨带位于南北相对湿度对比带的南侧;而在风速场上,在大气低层,暴雨带附近为东西风及南北风的复合带.     

基于曲率模态识别桥梁结构损伤的机理分析

阐述了曲率模态参数的特性,从有限元动力响应基本原理出发,分析了曲率模态用于识别桥梁结构损伤的机理,说明了曲率模态是一类对结构局部变化有敏感性的动力学参数,对于进一步在实际工程中识别桥梁结构损伤行为具有重要的指导意义.     

城乡结合部失地农民的权益保障探讨

城乡结合部地带,土地制度变革中的农民权益保护是当前社会关注的一个热点问题,它直接关系到我国经济的发展和社会稳定以及我国市场经济体制的完善.解决此问题是全面建设小康社会的根本任务.该文针对目前我国在所有制结构调整和城市化进程中出现的城乡结合部地带失地农民问题,通过对南宁市那洪镇失地农民的安置补偿跟踪调查并对调查结果进行分析,在此基础上提出了解决这一问题的思路及途径.     

基于地下水入渗反演解析的污水管网破损数值化定位

地下水位高于管道埋深的地区,污水管道破损会导致大量地下水入渗,严重影响城市污水治理效能。高密度城市交通繁忙、高楼林立,难以开挖查找破损管道;物理探测方法操作复杂,价格不菲,难以推广。污水管网破损摸排成为制约城市污水治理的瓶颈问题。为此,利用粒子群算法,建立了高地下水位地区污水管道破损寻优定位模型,通过管网水力学模型和关键检查井水位监测信息,开发了城市污水管网破损的数值化定位技术。该技术方法在某城市污水管网进行了实例验证,结果表明基于检查井水位对地下水入渗流量进行解析,可确定破损点位,相对误差小于5%。在此基础上,进一步探究了监测点数量对破损点寻优定位精度的影响,结果表明只需监测60%的节点,寻优定位的查准率和查全率分别可达到75%和94%。     

多点损伤梁的波传播与振动功率流特性

基于结构噪声的观点研究了在集中力作用下多点损伤梁的波传播与振动功率流特性．采用局部转动弹簧来模拟梁中的损伤,利用断裂力学的有关理论得到局部弹簧的转动刚度。分析得到了两点损伤梁的弯曲波运动及振动功率流的输入和传播．讨论了振动功率流与损伤位置及其深度的关系,结果表明多点损伤梁中的振动功率流与各损伤点的位置以及其特征尺寸是相关联的．     

基于态势感知的滑行路径优化算法

为提高繁忙机场场面运行效率,以优化航空器滑行路径、减少航空器滑行延误时间为目标,通过分析滑行道的运行态势,构建了机场滑行路径优化模型,并提出基于态势感知的滑行路径优化模型求解算法.算例结果表明:基于态势感知的滑行路径优化算法与传统的先到先服务优化算法相比,航空器在整个滑行过程中的总运行时间下降了 5％.可见基于态势感知...     

结构损伤识别的周期小波方法

通过对结构损伤前后模态特征的变化进行分析,利用损伤结构的位移振型函数构造出曲率振型函数γi(x),然后再在曲率振型函数的基础上提出一个用于探测和评定损伤程度的新指标———损伤因子r(x)=∑i∈Idγi2(x);基于小波分析的方法,对损伤因子进行周期小波变换,通过小波系数的取值范围提出了一种结构损伤定位和损伤程度的评估方法.数值仿真表明,这是一种行之有效的损伤识别方法.     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit, GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。     

结合逆非线性主成分分析和极值理论的桥梁损伤检测

为提高环境和运营变化（Environmental and Operational Variations, EOV）影响下的桥梁损伤检测可靠性,结合逆非线性主成分分析（Inverse Nonlinear Principal Component Analysis, INLPCA）和极值理论提出一种新的桥梁损伤检方法。该方法采用INLPCA对桥梁损伤特征进行建模,利用不完备健康监测数据的估计误差和添加神经网络训练惩罚项控制INLPCA的非线性程度。采用INLPCA对损伤特征的重构误差和马氏平方距离（Mahalanobis Squared Distance, MSD）建立损伤指标（Damage Indicator, DI）,最后基于DI的广义极值（Generalized Extreme Value, GEV）分布建立损伤检测阈值。以比利时KW51铁路桥和天津永和斜拉桥为例,验证所提方法的有效性。结果表明,所提方法能准确检测EOV影响下的桥梁损伤且对不同桥型和不同损伤特征均有良好的适用性。