江西省龙南县滑坡易发性评价

区域滑坡易发性评价是国内外地质灾害研究的重点和热点。目前,国内外学者已提出了支持向量机(support vector machine,SVM)、BP神经网络和随机森林等多种模型并成功用于滑坡易发性评价。但在利用这些机器学习模型评价滑坡易发性时,存在着参数选取困难、建模效率低、模型训练时间长和对评价指标解释能力弱等问题。为简化建模过程、提高预测精度及增强模型的可解释性,提出了基于频率比分析和偏最小二乘回归法(partial least squares regression,PLSR)的滑坡易发性评价模型。PLSR模型很好地发挥了主成分分析和回归分析的优势,考虑了评价指标间的内在联系,具有建模过程简洁、可解释性强的优点。将结合频率比法的PLSR模型应用于江西省龙南县滑坡易发性评价,并与BP神经网络、SVM模型的易发性评价结果进行对比。研究表明:PLSR模型的预测精度优于BP神经网络,且与SVM模型预测精度接近;另外,在综合考虑建模效率、预测精度和模型解释能力的情况下,PLSR模型具有更高的实用性。     

基于单片机的坐姿护眼系统设计

通过了解近视现状,本文设计了一种正姿护眼一体化产品。本设计通过超声波传感器检测人与桌面之间的距离,并结合Arduino单片机对灯光等相关学习环境的反馈,将信号传输至装有芯片的座椅上,报警器发出嗡鸣,提示使用者调整坐姿和用眼距离,保证用眼健康,以预防并减少近视和脊柱病发生。该产品将护眼正姿系统和桌椅结合,与类似护眼产品相比,价格适中,功能较多,性价比高,可以实现多元化应用。