超市消费行为分析中的增量挖掘系统原型

介绍了一个应用增量更新技术开发的超市消费分析系统原型，源数据库已有的分析模型，对新数据进行增量挖掘，减少了对数据库扫描的次数，提高运行效率，加快了系统的反映速度，符合CRISR-DM模型的要求，具有一个实用的数据挖掘系统的特征．     

反馈电路教学的几点新思路

利用反馈元件与电路输入、输出端的连接方式,来简化反馈类型的判别过程,并根据电压和电流的相互转换关系,采用“瞬时电流法”判别反馈电路的性质;利用“虚短”和“虚断”的概念来估算深度负反馈电路的电压增益.通过对所举反馈电路的分析,来证明该方法的可行性和优越性.     

多策略融合的俄语文本词语提取方法研究

俄语是联合国工作语言之一,是俄罗斯等多个国家的官方语言.随着"一带一路"倡议的推进和全球化进程的加快,俄语文本数据成为有关组织管理决策的重要信息来源,俄语文本挖掘也因而成为重要的管理决策支持方法.然而,俄语文本挖掘方法研究目前还远未成熟,尤其是其关键基础——俄语文本词语提取的性能较低,阻碍着俄语文本建模的准确性.因此,...     

地连墙变形的神经网络多步预测研究

结合润扬长江公路大桥南汊北锚碇深基坑工程 ,提出并应用神经网络多步预测方法来研究地连墙施工变形的预测问题。系统介绍了基于时间窗口的神经网络多步滚动预测技术 ,并详细讨论了输入输出层的设计、隐层神经元数以及预测时间步长等一些基本预测技术问题。该预测方法应用于润扬长江公路大桥南汊北锚碇深基坑围护工程 ,取得了较好的工程效果。     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

深部采矿岩体移动ANSYS分析

针对深部矿体开挖岩体移动变形的特点,分别运用ANSYS软件和随机介质方法对开挖引起的地表下沉进行二维模拟分析.通过将理论计算结果与实测值进行对比,结果表明,运用随机介质方法算出的理论值与实测值比较吻合,而ANSYS软件只能预测最大下沉值.本研究结果可供今后进一步探索ANSYS软件在岩土工程中应用提供参考.     

基于SnowNLP的微博网络舆情分析系统

随着微博、抖音、贴吧等新兴网络社交媒体的发展,大量用户开始喜欢使用这些平台进行发布和获取信息,因此累积了大量舆情数据。为了能够及时监测网络舆论动向,更好的维护互联网的安全运营和网络安全,针对实时微博数据,研究设计了一种基于SnowNLP的微博网络舆情分析系统。该系统由舆情数据采集、舆情数据分析和舆情数据可视化组成,能够实现微博数据文本挖掘、网络舆情数据情感分析、舆情数据与关键词匹配结果统计等功能,并能够对微博内容情感分析结果、用户等级、内容分词结果等进行可视化展示。实验测试结果表明：本系统功能运行正常,同时验证了设计方案的可行性和有效性。系统在网络舆情监测领域具有重要的应用价值。     

超深圆形基坑地下连续墙支护结构体系力学性能分析

为了定量研究超深圆形基坑地下连续墙支护结构体系的受力和变形机理,本文通过Midas GTS建立超深圆形基坑施作过程的精细化有限元模型,通过改变地下连续墙局部弱化程度、地下连续墙先行幅和后续幅数量和嵌固深度等参数,对围护结构受力、变形和基坑周边地表沉降等规律进行了分析,分析结果显示:1）本工程的围护结构设计具有一定的优化空间;2）围护结构的水平最大变形和最大应力集中于第8~10道环梁处;3）围护结构的变形随幅间弱化程度和幅数的增加而增加,围护结构应力随幅间弱化程度和幅数增加而减小;基坑周边地表沉降随幅间弱化程度和幅数的增加而增加。分析结果对类似超深圆形基坑的设计和施工具有一定的借鉴意义。     

基于时间函数的高寒矿区地表动态下沉规律研究

高寒地区因为其冻土的特殊性质导致其经历开采后随着季节变化易导致上覆岩层破坏,因此,为准确预测高寒地区矿区上覆岩层的动态沉降的发展趋势,本文选取高寒矿区地表富水区作为研究对象,基于Weibull时间函数与分段函数的思路,结合矿区地表InSAR监测数据建立高寒矿区地表动态沉降模型,讨论了该函数模型的适用性。结果表明:高寒矿区冻胀地表沉降的三个阶段沉降量与时间的关系曲线与Weibull时间函数模型对应曲线相符;对Weibull时间函数的双参数取值进行探讨并优化,最终确定当初始、加速阶段的λ取值2.5,η取值0.068,稳定阶段λ取值2.3,η取值0.048时误差处于限差范围内,能较为准确地模拟预测地表的动态沉降过程,该研究可为高寒矿区的防灾减灾及治理工程提供参考。     

考虑地质分层约束的长短期记忆循环神经网络测井曲线重构

延长油田东部裸眼井区早期测井资料普遍只有自然电位（SP）、自然伽马（GR）及梯度电阻率(R2.5)三条曲线,因缺失声波（AC）、地层电阻率（RT）等测井曲线,难以满足精细油藏地质研究需求。东部裸眼井区开发时间长、单井产量低,重新测井缺乏可行性及经济性。采用长短期记忆循环神经网络(Long Short-Term Memory,LSTM)进行缺失测井曲线重构是一种经济有效方法,适用于地层测井序列数据。然而延长油田东部浅层油藏上覆黄土层段测井数据信号干扰大,直接应用模型精度较差。针对此问题,本文采用考虑地质分层约束的LSTM模型进行缺失测井曲线的重构,通过分层数据截取每口井长6层段测井数据作为样本数据,既保留了LSTM模型处理序列数据的优势,同时又避免了上覆黄土层测井数据对模型的干扰。利用裸眼井区完整测井数据进行模型训练优化和验证,讨论了考虑地质分层约束的LSTM测井曲线重构精度,结果表明通过引入地质分层约束,模型重构测井曲线精度更高。应用优化后模型实现裸眼井区50口仅有GR、SP、R2.5三条曲线数据井的AC、RT曲线重构,对50口井的142个射孔段进行二次解释,对比试油解释结论符合率达到89.4%,验证了该方法对测井曲线重构的实用性和有效性。