基于学习的GSAT算法

在GSAT算法的基础上，引进学习的概念，设计了一种新的SAT求解算法，用若干DIMAC的测试实例进行了仿真实验研究，比较了基于学习的GSAT算法与著名的Random Walk GSAT算法，结果表明两种算法对于随机SAT的实例比较有效，但对于Real-World SAT的实例性能较差。     

改进遗传交叉算子求解TSP问题

遗传算法中的交叉算子最根本的作用就是要使子代继承父代的优秀基因。本文着重考虑了用遗传算法求解TSP问题中遇到的交叉算子，根据TSP问题的特点，构造出一种能很好继承父代优秀基因的交叉算子；实例计算表明该算法收敛速度快，从而可以进一步改善遗传算法的性能。     

水泥搅拌桩重力式挡墙墙顶水平位移影响因素分析

分别采用弹性地基"m"法和快速拉格朗日有限差分法,分析了基坑边坡水泥搅拌桩重力式挡墙墙宽及其嵌固深度对挡墙墙顶水平位移的影响,同时,与某工程实测数据进行了对比.结果表明,采用这两种方法估算水泥搅拌桩重力式挡墙墙顶水平位移都是可行的.     

基于Mindlin位移解考虑桩径影响的桩基沉降计算

为弥补桩基沉降计算的Mindlin-Geddes法忽略桩径影响的不足,基于Mindlin位移解,按照Geddes应力解的假设,推导了在考虑桩径的影响下竖向承载桩基础沉降计算的解析表达式.将圆周分为若干等分,实现了解析表达式的数值积分解,可适用于等直径单桩、扩底桩和大桩距、布桩不规则或桩长不一样的群桩基础沉降的求解.算例结果表明,该方法对实际工程问题的计算精度是可靠的.     

Cd2+对可口革囊星虫抗氧化酶活性的影响

研究Cd2 暴露对可口革囊星虫(Phascolosoma esculenta)的急性毒性及对其肠和体液超氧化物歧化酶(SOD)、过氧化氢酶(CAT)活性和膜脂过氧化(LPO)产物丙二醛(MDA)含量的影响.结果显示:(1)Cd2 对可口革囊星虫96 h的半致死浓度为35.84μg/g(鲜泥土).(2)可口革囊星虫肠SOD和CAT活性均高于体液,而MDA含量低于体液.(3)在0～80μg/g Cd2 胁迫下,可口革囊星虫肠和体液抗氧化酶活性及MDA含量对Cd2 胁迫的响应趋势各有不同.体液比肠更敏感.     

群桩竖向荷载-沉降特性影响因素的数值分析

在采用三维数值模拟法对一群桩试验模型进行分析对比基础上,建立了与实际工程中相近的低承台群桩模型,用数值模拟手段揭示了在上部荷载作用下群桩的荷载-沉降特性,并对群桩基础荷载-沉降曲线的影响因素分别进行了分析与探讨.结果表明:桩长(长细比)、桩距(距径比)、桩土剪切弹簧刚度、桩端土刚度、承台刚度及其设置方式对群桩荷载-沉降曲线影响较大,而桩身刚度的影响不明显.     

油纸绝缘变压器混联等效电路模型的构建

针对油纸绝缘变压器内部绝缘介质弛豫响应的复杂性,根据介质响应理论提出建立混联等效电路新模型来表征油纸绝缘弛豫过程。根据混联等效电路的理论分析推导出混联等效电路参数和回复电压的求解公式,利用改进粒子群算法对变压器混联等效电路参数进行辨识,构建能真实反映变压器油纸绝缘状态的等效电路。极化谱求解结果的对比分析表明,相比扩展德拜等效电路,混联等效电路能更准确地反映油纸绝缘变压器的老化情况,且随着变压器绝缘老化加剧,其优越性越明显,可以为变压器油纸绝缘状态的有效诊断提供重要依据。     

若干评价准则对不平衡数据学习的影响

为解决绝大部分传统的以精度准则为优化目标而获得的分类器不适于不平衡数据学习(IDL)的问题,文中通过在支持向量机(SVM)模型上进行"元学习",研究了精度、平衡精度、几何平均、F1得分、信息增益、AUC(ROC曲线下方图面积)以及文中新提出的GAF和GBF等评价准则对IDL的影响.在16个来自UCI的不平衡数据集上进行了仿真实验.对实验结果的统计分析表明:不同准则对分类器性能的影响有显著差异;即便是对于先进的学习方法支持向量机(SVM)而言,若以精度准则最大化选择分类器,那么得到的SVM分类器也容易偏向预测多类;通过在其他准则上优化,能输出纠偏了的SVM分类器,它们的整体性能更好,尤其是在预测少类能力方面;在GAF以及GBF准则上优化所得的SVM分类器具有稳定且良好的性能.     

若干评价准则对不平衡数据学习影响的研究

评价准则对分类器的构建起着重要作用, 在不平衡数据学习(IDL)中这更是如此. 众多研究已表明, 绝大部分传统的以精度准则为优化目标而获得的分类器是不适于IDL的. 那么其他准则又如何呢? 本文致力于回答这个问题. 通过在支持向量机(SVM)模型上进行“元学习”(Meta-Learning), 我们研究了若干常用的评价准则对IDL的影响, 这些准则包括ACC(精度)、BAC(平衡精度)、 GMean(几何平均)、F1(F1得分)、 IG(信息增益)、AUC(ROC曲线下方图面积)以及本文提出的两个新准则GAF和GBF. 在16个来自UCI的不平衡数据集上进行了仿真实验； 对实验结果的统计分析表明, 不同的准则对分类器性能的影响有显著差异. 即便是对于先进的学习方法SVM而言, 若以精度准则最大化选择分类器, 那么得到的SVM分类器也容易偏向预测多类(majority class). 然而, 通过在其他准则上优化, 我们能输出纠偏了的SVM分类器, 它们的整体性能更高, 尤其是在预测少类(minor class)能力方面得到了显著提高. 进一步地, 仿真实验发现在GAF以及GBF准则上优化所得的SVM分类器具有稳定且良好的性能, 这表明它们是值得采用的评价准则.     

瑞雷波在滑动面探测中的应用效果讨论

针对滑坡体的滑动面地质模型讨论了多道瞬态瑞雷波法的应用效果.首先利用高精度交错网格技术与坐标变换方式实现瑞雷波全波场的模拟,再利用相移法提取炮记录频散曲线,最后进行线性反演,得出滑动面不同部位的多道瞬态瑞雷波勘探的效果.分析表明,在起伏地表条件下,单靠瑞雷波法较难得到确切的地下介质分布信息,但其结果却能反映滑动面的起伏形态.