基于GsMAP的尼洋河流域降水时空分布特征研究

鉴于尼洋河地区实测降雨资料缺乏,卫星降雨产品具有显著优势,基于GsMAP降雨产品数据和地面观测站点数据,利用降雨量年内分配特征的δ方法建立卫星降雨校正公式,分析流域降雨量的时空分布特征。结果表明,实测站点月降雨量校正结果较好,相关系数达0.954,年尺度的站点降雨相关系数为0.54,降雨量空间分布呈现出自西向东递增的特点。卫星降雨观测在西部地区存在低估,东部地区有一定程度的高估,在降雨梯度分布上,流域在3500~4000m高程段降雨量呈上升趋势,其他高程段均为显著下降,整体变化率为-104mm/km。流域的年均面平均降雨量为699mm,降雨多集中于夏季,且有逐年增加趋势。     

激光散射法测定大方无烟煤粒度的测试条件的选择

利用激光粒度分布仪对大方无烟煤进行了测试，目的是为了选取测量过程中最佳测试条件。结果发现测试条件对试验结果的影响较大，特别是分散剂、超声时间、搅拌池泵转速对测试结果的影响尤为显著。最终确定了激光粒度分布仪测试样品的合理测试条件，即分散剂为无水乙醇，无烟煤折射率为1.66，吸收率为0.46，在搅拌池中的超声时间为180 s，搅拌池泵转速为1 600 r·min^-1。另外，取样方法中，试管法和四分法均具有良好的代表性。     

基于扁铲侧胀试验材料指数的岩土类别研究

阐述了岩土工程勘察中岩土类别的划分情况,由于岩土体的复杂性和天然成因,其物理力学性质具有差异性和区域性,采用扁铲侧胀试验对其进行岩土类别的划分,需要建立区域性岩土参数的岩土材料分类公式。通过室内试验数据和扁铲侧胀试验,据现行国家规范提出的材料指数公式,总结了武汉地区岩土类别的划分规律和相关关系,以促进扁铲侧胀技术的推广应用。     

基于高分一号遥感卫星的渤海湾悬浮泥沙时空分布反演

悬浮泥沙是评价II类水体水质的重要参数之一,近海岸水域悬浮泥沙对重金属、营养盐等具有一定的吸附作用,悬浮泥沙的分布特征在一定程度上反映着污染物的迁移和循环,因此研究悬浮泥沙对渤海湾建设和环境保护具有重要意义。为探究渤海湾水域悬浮泥沙浓度 和分布的变化特征,利用高分一号多光谱卫星影像,通过采用波段组合的方式对悬浮泥沙含量指数反演提取,反演得到2019年9个月的渤海湾悬浮泥沙指数,分析发现渤海湾悬浮泥沙含量在冬季受季风影响较高,春季和夏季的时候渤海湾高浓度悬浮泥沙向近岸收缩,秋季 悬浮泥沙分布格局有正在向冬季过渡的趋势,本文研究可为渤海湾的生态环境保护和工业开发提供重要的科学依据和参考价值。     

节流孔分布对矩形止推气浮静压轴承承载力的影响

为了分析矩形止推气浮静压轴承的承载性能,研究节流孔分布结构对轴承承载性能的影响,通过SolidWorks三维建模软件建立了气浮轴承的流场模型。通过FLUENT软件对气浮轴承的流场模型进行仿真分析,求解得到了不同节流孔分布结构的轴承气膜压力分布及其承载力。分析结果表明,在节流孔个数相同的情况下,当分布结构由多组沿圆周方向均匀分布的节流孔组成时,气膜间隙中间的压力更高,气浮轴承的承载力也更大;说明对节流孔分布结构进行优化设计能提高气浮轴承的承载力。     

Weibull型无故障数据下综合Bayes置信可靠性评估模型

在无故障数据情况下,将失效概率结合Bayes理论引入置信限,分析了修正后的数据Weibull分布中单侧置信可靠性。其方法是:首先基于Weibull分布采用配分布曲线法进行分析,构造出多层先验分布给出失效概率的综合EBayes估计,结合最小二乘法拟合得到分布参数的估计值;根据参数的统计性质构造置信区间的枢轴量,同时,给出Weibull分布特征参数的区间估计和可靠度置信下限。以经典轴承试验为例,将此方法与其它方法计算结果进行对比,证明了该方法对置信可靠性评估的合理性和可行性。     

3DMIMO下的不均匀码本分配方案

3D MIMO同时考虑水平维和垂直维波束,虽然更加匹配UPA(Uniform Planar Array)天线阵列场景,但是目前采用的KPC(Kronecker Product Codebook)码本为对空间进行均等划分,系统性能受限于用户分布密度。文章提出一种根据用户分布密度的3D MIMO码本方案,以及设计了一种根据用户密集程度的不均匀码字分配方案。仿真表明,相比KPC码本,提出的码本方案降低了误码率,提升了系统性能。     

基于梯度分布调节策略的Xgboost算法优化

为了解决集成学习模型Xgboost在二分类问题中少数类检出率低的问题，提出了基于梯度分布调节策略的改进的Xgboost算法——LCGHA-Xgboost。首先，通过定义损失贡献（LC）来模拟Xgboost算法中样本个体的损失量；而后，通过定义损失贡献密度（LCD）来衡量Xgboost算法中样本被正确分类的难易程度；最后，提出了梯度分布调节算法LCGHA，依据LCD动态调整样本个体的一阶梯度分布，间接地增大难分样本（主要存在于少数类中）的损失量，减小易分样本（主要存在于多数类中）的损失量，使Xgboost算法偏向对难分样本的学习。实验结果表明,与Xgboost、GBDT、随机森林（Random_Forest）这三大集成学习算法相比，LCGHA-Xgboost算法在多个UCI数据集上的召回率（Recall）值有5.4%~16.7%的提高，AUC值有0.94%~7.41%的提高；在垃圾网页数据集WebSpam-UK2007和DC2010数据集上所提算法的Recall值更是有44.4%~383.3%的提高，AUC值有5.8%~35.6%的提高。LCGHA-Xgboost算法可以有效提高对少数类的分类检出能力，减小少数类的分类错误率。