地下水渗流对单孔地埋管换热器换热性能影响的数值模拟

建立了二维地下水渗流条件下地埋管换热器的数值计算模型,对单孔地埋管换热器周围的土壤温度场进行了数值模拟。为了验证数值模拟方法的可行性,将模拟结果与地下水渗流条件下的移动线热源理论解析解进行了对比,结果显示,当R=0.5和2.5时,模拟结果的相对误差分别为0.72%和5.42%,具有较高的精确度。模拟结果表明,当贝克来数Pe6时,即地下水渗流速度小于3×10-7 m/s(9.46m/a)时,可以忽略地下水渗流产生的对流换热的影响。     

递减样本集成学习算法

从多个弱分类器重构出强分类器的集成学习方法是机器学习领域的重要研究方向之一。尽管已有多种多样性基本分类器的生成方法被提出,但这些方法的鲁棒性仍有待提高。递减样本集成学习算法综合了目前最为流行的boosting与bagging算法的学习思想,通过不断移除训练集中置信度较高的样本,使训练集空间依次递减,使得某些被低估的样本在后续的分类器中得到充分训练。该策略形成一系列递减的训练子集,因而也生成一系列多样性的基本分类器。类似于boosting与bagging算法,递减样本集成学习方法采用投票策略对基本分类器进行整合。通过严格的十折叠交叉检验,在8个UCI数据集与7种基本分类器上的测试表明,递减样本集成学习算法总体上要优于boosting与bagging算法。     

基于簇的动态源路由协议研究

AdHoc网络是一种自组织的、由移动节点组成的、动态变化的多跳无线网络。该文首先对簇进行了介绍，并提出CD-SR是基于WCA的DSR路由协议；然后讲解了CDSR的主要设计思想：路由发现是在簇头之间进行的，簇间的通信需要借助于簇头（不存在网关）；同时用GloMoSim模拟仿真工具，对CDSR与DSR的性能进行了分析和评价，并且得出CDSR协议较DSR协议具有高的投递率和吞吐率、低的延迟及较好的扩展性，更适合大规模自组无线网络；最后讨论了它的缺点。     

基于遗传算法的神经网络控制器的设计及应用

本文提出了一种改进的遗传算法进行神经网络的训练，它结合神经网络、遗传算法两种方法的优点，并用仿真实验表明该方法的有效性。用改进算法设计的神经网络控制器，来实现循环型制气过程优化控制，取得了令人满意的结果，验证了该方法具有良好的鲁棒性和控制精度。