二进制分辨矩阵在连续属性约简中的研究

针对二进制分辨矩阵无法处理连续型数据,提出一种基于邻域的改进二进制分辨矩阵及其属性约简方法。实验结果表明,与先数据离散化,后属性约简的方法相比,利用文中方法提取出的特征属性的分类能力更高。     

高压电气设备支架串联体系地震响应半解析法

通过论述高压电气设备支架串联体系地震响应半解析法的运算过程,说明地震响应半解析法对于电力系统防震工作的帮助。     

一种相容决策表的属性值与属性约简方法

针对相容决策表,另辟一种数据约简思路,与传统数据约简方法不同的是,本文方法考虑属性值约简与属性约简之间的关联,该方法首先进行属性值约简,然后再进行属性约简,本文并给予了充分的证明,而普通的方法并没有考虑它们之间的联系,并有许多冗余的比较操作。     

DCKPDP：改进k-prototype聚类的差分隐私混合属性数据发布方法

当前混合属性数据发布中隐私保护方法大多存在隐私保护效果不佳或数据效用较差的问题,采用差分隐私与优化的k-prototype聚类方法相结合,提出改进k-prototype聚类的差分隐私混合属性数据发布方法(DCKPDP)。为解决传统k-prototype聚类算法没有考虑不同数值型属性对聚类结果有较大影响的问题,利用信息熵为每个数值型属性添加属性权重;为解决聚类初始中心点人为规定或者由随机算法随机确定,导致聚类结果精确度不高的问题,结合数据对象的局部密度和高密度对聚类过程中初始中心点进行自适应选择;为解决数据信息泄露风险较高的问题,对聚类中心值进行差分隐私保护。实验结果表明,DCKPDP算法满足差分隐私保护所需的噪声量更小,数据的可用性更好。     

高拱坝-地基体系整体稳定概率地震风险分析

为了进行高拱坝的地震风险分析,引入幂指数函数的形式来描述地震危险性曲线,结合概率地震需求模型和地震易损性曲线函数,推求了概率地震风险分析解析函数。基于此,以实际工程为例,开展了高拱坝-地基体系整体稳定概率地震风险分析。在概率统计框架下,以高拱坝-地基系统整体抗震稳定安全评价为研究目标,在考虑坝基岩体内控制性滑动块体滑裂面力学参数不确定性基础上,构建了概率地震风险分析模型,得到了基于残余滑动位移的高拱坝-地基体系年超越概率曲线。从而给出了设计基准期限内,高拱坝-地基体系整体地震稳定达到不同性能水平的概率,为其在极限地震下的抗震安全评价提供依据,同时为现有基于准则的混凝土坝抗震安全决策转向基于风险概率的安全决策提供科学依据。     

地震断裂带高铁大跨拱桥深基坑钢板桩围堰支护试验与监测

针对大跨度高速铁路拱桥建设对深基坑开挖施工的安全性要求,为了研究钢板桩围堰支护在大跨度高速铁路拱桥深基坑施工中的可行性,以新建徐盐高铁徐洪河特大桥工程项目为依托,通过数值模拟及现场试验监测,对深基坑钢板桩围堰支护在施工过程中的形变及受力情况进行分析。结果表明:通过有限元模拟分析,钢板桩围堰最危险受力点处于钢板桩中部、中上部及四角连接处,围堰第4道内支撑内力较其他3道内支撑大。整个施工过程中工况5为施工最不利工况。由监测结果可知,在施工过程中钢板桩单日最大位移值为2.8mm,最大累计位移值为24.0mm,均未达到预警值,施工过程中钢板桩形变稳定。钢支撑轴力受基坑周边荷载的影响明显,围堰钢支撑最大压力值为147.31kN,最大拉力值为24.95kN,未达到预警值,结构安全。研究结果可供同类型工程施工参考。     

考虑流固耦合效应的弧形钢闸门地震动力响应研究

在地震高发的中国西南地区,地震激励对弧形钢闸门的安全持续稳定运行影响较大,有必要对弧形闸门在地震作用下的动力响应及安全性进行研究。以某工程表孔弧形钢闸门为例,通过建立考虑水体和结构耦合作用的三维数值模型,研究了弧形钢闸门地震动力响应,然后利用重力坝-库水流固耦合模型验证了计算方法的准确性和有效性,最后对弧形钢闸门进行动力时程响应分析,计算了弧门地震动水压力,并与规范方法进行对比。结果表明:本文提出的考虑流固耦合效应的动力响应分析方法适用于闸门地震动力响应计算;流固耦合效应对弧形钢闸门地震动力响应影响较大,考虑流固耦合效应的闸门动力响应计算结果比规范明显增大,两者最大比值达到2倍以上。闸门结构动位移响应峰值在闸门面板顶部中心,动应力响应峰值发生在下主横梁跨中;流固耦合的动力计算表明该闸门结构刚度满足规范要求,强度不能满足,上、下主横梁处为结构动力响应薄弱环节;对高水头采用规范法计算的地震动水压力偏大,对低水头动水压力计算结果偏小。考虑流固耦合的闸门结构动力响应分析研究能反映其真实力学特征,对于地震高发区弧形钢闸门的结构设计和安全评价具有参考意义。     

Automatic Channel Detection Using DNN on 2D Seismic Data

Geologists interpret seismic data to understand subsurface properties and subsequently to locate underground hydrocarbon resources. Channels are among the most important geological features interpreters analyze to locate petroleum reservoirs. However, manual channel picking is both time consuming and tedious. Moreover, similar to any other process dependent on human intervention, manual channel picking is error prone and inconsistent. To address these issues, automatic channel detection is both necessary and important for efficient and accurate seismic interpretation. Modern systems make use of real-time image processing techniques for different tasks. Automatic channel detection is a combination of different mathematical methods in digital image processing that can identify streaks within the images called channels that are important to the oil companies. In this paper, we propose an innovative automatic channel detection algorithm based on machine learning techniques. The new algorithm can identify channels in seismic data/images fully automatically and tremendously increases the efficiency and accuracy of the interpretation process. The algorithm uses deep neural network to train the classifier with both the channel and non-channel patches. We provide a field data example to demonstrate the performance of the new algorithm. The training phase gave a maximum accuracy of 84.6% for the classifier and it performed even better in the testing phase, giving a maximum accuracy of 90%.     

一种优化的贝叶斯分类算法

贝叶斯分类方法因具有严密的数学理论基础,于是成为一种简单而有效的数据挖掘方法;然而,贝叶斯分类器要求——条件独立性假设和每个属性权值为1,这极大降低了贝叶斯分类器的性能;针对贝叶斯分类器的局限性,文章提出了一种优化的贝叶斯分类算法;文中,首先利用粗糙集理论对待分类数据集进行属性约简,删除冗余属性;然后给出了属性权值的计算方法和公式,目的在于更准确地描述数据集的重要性和相关性;同时,通过weka3.6.2工具,以UCI机器学习数据库中的数据集为测试数据,进行了对比测试;实验结果表明:OBCA具有较高的分类准确率。