基于SSA-SVM的航空电弧故障检测

针对航空线路系统电弧故障隐蔽性高和难以检测的问题,提出一种基于麻雀搜索算法优化支持向量机（Sparrow Search Algorithm Optimization Support Vector Machine,SSA-SVM）的航空电弧故障检测方法。首先采用小波分解对电弧故障电流数据进行分解,小波分解能有效克服经验模态分解时存在的模态混叠问题。再从信号无序度的角度对电流分量提取能量熵、模糊熵与近似熵,并构造特征向量。然后,使用麻雀搜索算法对支持向量机的权值进行优化,得到最优的权值,最后用训练好的支持向量机对测试样本进行分类。为了验证所提方法的有效性,搭建电弧实验平台,模拟航空线路系统电弧故障的产生,分别采集交流串联正常和电弧故障电流数据,应用本文提出的SSA-SVM算法进行电弧故障检测,结果表明,该方法能较好地识别出电弧故障,检测准确率达到99.5%,相比于粒子群算法或遗传算法优化的支持向量机对电弧故障的检测准确率分别高出2.5%和2%。     

硬岩地层超深基坑桩锚支护体系受力与变形特性实测分析

为探究硬岩地层超深基坑桩锚支护体系随基坑开挖的受力与变形演化规律,依托于崂山区某基坑支护工程,对南侧支护完成区域基坑的预应力锚索轴力、基坑水平和竖向位移进行了实时监测,分析桩锚支护体系在该地质条件下的力学性能,探讨锚索轴力急速下降与基坑水平位移增大的影响因素。研究表明：预应力锚索轴力持续、急速的下降与基坑紧邻原状山体的土压力和北侧后挖区域的持续施工有关,工程中采取预应力锚索2次补偿张拉适用效果良好;基坑最大水平位移为19.98 mm,最大竖向位移为12.11 mm,南侧支护完成区域基坑支护体系的变形受后续施工区域的影响明显;桩锚支护体系在硬岩及土岩二元地层超深基坑中具有较好的适用性和可靠性。类似工程支护结构设计应重视周边地质环境、邻近区域持续施工等因素的影响。     

基于遗传算法优化机器学习模型的地下水潜在性预测

传统机器学习模型在地下水潜在性预测中,未考虑最优因子组合,会对地下水潜在性制图产生不利影响。为此,提出了遗传算法优化支持向量机的地下水潜在性预测方法。以云南省彝良县为研究区,从地形、水文、土壤、地质等方面选取了共15个影响因子;考虑模型性能和影响因子的作用,利用遗传优化算法筛选了包含11个影响因子的最优因子组合;然后使用支持向量机方法构建了地下水潜在性预测模型;最后计算了因子优化前后的模型准确度和受试者工作特性曲线下面积（area under curve,AUC）,并绘制了模型的受试者工作特性（receiver operating characteristic,ROC）曲线和地下水潜在性预测图。结果表明：因子优化前模型的准确度为0.774,验证集AUC为0.789,因子优化后模型的准确度为0.777,验证集AUC为0.806,分别提高了0.003和0.017。可见,所提方法的准确性、可靠性优于传统的支持向量机法,其结果可以为区域水文地质调查和地下水资源管理与规划提供科学参考。     

基于支持向量机方法的网络入侵检测实验研究

网络信息不断增加和攻击手段日益复杂,给网络安全领域带来了日益严峻的挑战.为了改善网络入侵检测技术现状,提出了一种基于支持向量机和决策集合理论融合的网络入侵检测方法,通过对规则信息、攻击信息、边界信息的准确界定完成检测过程.选取了基于神经网络的入侵检测方法、基于遗传算法的入侵检测方法、基于传统支持向量机的入侵检测方法作为对比算法,在K-Cup测试数据集下展开实验研究.实验结果表明,该文提出的方法具有更高的召回率、精确率、查准率和更低的误检率,其性能明显优于其他3种方法,可应用于入侵检测领域.     

相邻桩锚基坑开挖变形相互影响数值分析

以两个相邻桩锚支护的基坑工程为实例,基于小应变硬化土(HSS)模型,通过Z-Soil岩土有限元分析软件建立数值计算模型,分析相邻基坑开挖对基坑变形的影响.分析结果表明:相邻桩锚基坑开挖明显减小排桩桩顶水平位移、排桩深层水平位移、坑间土体深层水平位移和坡顶水平位移,对于桩顶水平位移的影响最为显著;相邻桩锚基坑开挖也增大坑间地表沉降,产生的沉降接近两个单坑引起的沉降叠加,最大沉降位置出现在两基坑的正中央;相邻桩锚基坑的支护设计宜考虑相邻基坑开挖的影响,宜以变形不超过单坑开挖产生的水平位移为控制基准.     

能源需求的支持向量机预测

对灰色、神经网络和支持向量机的三个预测模型进行了研究,以某城市的1999-2006年能源需求为例,对能源需求进行了预测.经过比较,支持向量机的预测方法精度较高.     

隐私保护频繁项集挖掘中的分组随机化模型

通过对隐私保护频繁项集挖掘问题的研究,发现现有的单参数随机化回答模型调控的数据范围宽、粒度粗,导致无法实现精细化、差异化的隐私保护的问题.在沃纳模型、单参数等随机化模型的基础上,提出个体分组多参随机化P_N/g模型,给出其在隐私保护频繁项集挖掘中的支持度重构方法.研究结果表明:该模型面向多样化、差异化的隐私保护需求,将N个不同个体分为若干组,每组设置不同的随机化参数,可实现差异化的隐私保护效果.实例分析表明:结合所提出的支持度重构方法,可实现基于分组随机化的隐私保护频繁项集挖掘,在保护不同群体隐私的同时,挖掘到有效的频繁项集与关联规则.     

基于EEMD-PSO-LSSVM的中国沿海散货运价指数预测

针对中国沿海散货运价指数(CBFI)预测对精度的要求,从内在波动特性角度出发,提出一种基于集合经验模态分解(EEMD)-粒子群优化算法(PSO)-最小二乘法支持向量机(LSSVM)的组合预测模型.对比LSSVM、PSO-LSSVM、EMD-PSO-LSSVM三种预测模型,EEMD可对CBFI序列中波动较大数据进行降噪分解,保留序列的内在波动特性,且预测精度有一定提升,预测性能更佳.     

农林复合经营工程领域研究热点与前沿分析

【目的】农林复合经营是解决当前资源枯竭、用地矛盾等问题的可持续土地管理模式,在我国继续推行农林复合经营有着重要的意义。分析该领域的研究热点,有助于明确研究现状,找准自身定位和方向,进而提高研究水平。【方法】基于Web of Science 数据库检索平台,应用CiteSpace科学引文分析方法和中国工程院ISS系统对检索到的全球农林复合经营领域研究文献进行全面梳理,并对该领域所涉及的主要研究技术、研究热点等进行分析。【结果】农林复合经营研究的热度随地区的经济水平提高而增加;全球研究主要热词为系统、经营管理、多样性保护和林分生长;农林复合经营的研究前沿为培育研究、多样性研究、空间分布研究、能量流动研究和生物多样性保护等方面。【结论】我国农林复合经营的研究应增进广泛的国际合作,促进全球化的宏观研究;运用低成本、低破坏手段获取高精度林分结构参数,全面理解植物之间的作用机制和化感等互作效应将是未来研究的挑战和机遇;农林复合系统在中国有着广阔的发展前景,必将为缓解全球气候变化做出应有的贡献。     

领悟社会支持对社交焦虑网络认知行为干预的效果

通过两个研究考察领悟社会支持和客观社会支持与社交焦虑的关系, 并探索领悟社会支持对社交焦虑个体网络认知行为治疗(ICBT)干预的效果。研究1: 对122名大学生被试进行两个时间点的社会支持与社交焦虑的测量, 结果发现领悟社会支持与社交焦虑相互影响, 领悟社会支持在客观社会支持与社交焦虑之间起中介作用, 中介效应的95%置信区间为[–1.47, –0.09]。研究2: 对比64名不同领悟社会支持水平的被试接受社会支持网络认知行为治疗与自助网络认知行为治疗的疗效, 结果发现社会支持组和自助组的被试在接受干预后社交焦虑得分都有显著下降, 领悟社会支持得分都有显著提高(社会支持组的得分显著高于自助组)。被试的领悟社会支持得分与有无社会支持被试的 ICBT 干预效果存在交互作用, 有支持小组的ICBT对低领悟社会支持个体干预效果更好, 而无支持小组的ICBT对高领悟社会支持个体干预效果更好。研究结果进一步理解并澄清了社会支持在社交焦虑中的作用, 可为未来临床工作的实践与应用提供了依据和方向。