课程文献中心 更多>>

关键词： 沥青混凝土   半圆弯曲试验   内聚力模型   随机骨料   细观开裂  

摘要： 为探究水工沥青混凝土开裂损伤的影响因素，通过室内试验获取有限元参数，采用内聚力模型CZM对沥青混凝土开裂过程进行数值模拟。在沥青砂浆和沥青砂浆-骨料黏结面插入零厚度cohesive单元，通过程序代码实现骨料随机分布，分析了骨料形状及空间分布、试件尺寸、初始裂缝长度以及骨料含量对沥青混凝土抗裂性能的影响，模拟了沥青混凝土从裂缝萌芽、裂缝扩展到完全失效的全过程。结果表明：裂缝最初在沥青砂浆-骨料黏结面处萌芽，随后贯穿沥青砂浆界面从而完成开裂，其中骨料粒径越大、数量越多的区域，裂缝出现概率越大且数量越多；骨料形状越规则，分布越均匀，材料抵抗开裂能力就越强；小尺寸试样的抗裂性能受骨料空间分布影响更明显，力学性能变化更敏感；骨料含量占比越大，沥青砂浆-骨料黏结面量越多，即薄弱区域越多，沥青混凝土极限承载能力就越弱。

关键词： Shunt辨识   短时傅里叶变换   决策树   随机森林   支持向量机  

摘要： 为了准确辨识汽车抖动和半轴扭矩振荡（Shunt）现象，以传统汽车为载体，结合短时傅里叶变换方法分析补充了Shunt的定义并优化标签数据集，使用决策树、支持向量机和随机森林算法，以发动机转速、变速器输入轴转速等传感器信号作为输入来识别Shunt。结果表明，与传统的模型构建方法相比，该方法降低了模型构建的难度和成本，后续可用于可解释的机器学习来解释模型。

关键词： 脉冲星计时   毫秒脉冲星   参数拟合   计时残差   稳定度  

摘要： 脉冲星参数数据库的建立是脉冲星观测的重要成果，也是开展脉冲星空间应用研究的基础。脉冲星计时模型参数精度的提升对于脉冲星应用具有重要意义，如X射线脉冲星导航、深空时间基准维持等。针对脉冲星的射电星历无法满足其在X射线计时分析中的需求，以NICER探测器观测的PSR B1937+21为研究对象，提出了基于RANSAC抗差拟合的脉冲星自转参数更新方法，对比了使用最小二乘拟合算法、高斯-牛顿迭代法与RANSAC抗差拟合算法更新自转参数后的计时结果，分析了参数更新过程脉冲轮廓的特征变化。自转参数更新后，计时残差中的主要趋势项被扣除，计时精度及六年内自转稳定度提升明显。

关键词： 中轴型脊柱关节炎   低级别活动度   疼痛   疲劳   相关因素  

摘要： 目的：评估达到低疾病活动度（low disease activity,LDA）的中轴型脊柱关节炎（axial spondyloarthritis,ax-SpA）患者的残留症状发生情况，并对相关因素进行分析。方法：对2021年5月1日至2024年2月29日于北京大学第三医院风湿免疫科就诊的首次达到LDA的ax-SpA患者的病例资料进行分析，根据强直性脊柱炎疾病活动评分-C反应蛋白（ankylosing spondylitis disease activity score-C reactive protein,ASDAS-CRP），将达到LDA的患者分为达到LDA但未缓解组和缓解组，评估两组患者残留疲劳及疼痛症状的发生情况，并采用二元Logistic回归分析方法研究其相关因素。结果：在治疗过程中首次达到LDA的患者201例，包括男性151例（75.1%）、女性50例（24.9%），中位年龄32.0(28.0,37.0)岁，中位病程6.7(3.8,11.5)年。其中，达到LDA但未缓解组140例（69.7%），缓解组61例（30.3%）。残留疲劳视觉模拟评分（visual analogue scale,VAS）≥4分患者92例（45.8%），其中达到LDA但未缓解组残留疲劳VAS≥4分的患者比例明显高于缓解组（53.2%vs. 27.9%,P=0.001）；残留疼痛VAS≥4分的患者49例（24.4%），其中达到LDA但未缓解组残留疼痛VAS≥4分比例亦明显高于缓解组（29.8%vs. 11.5%,P=0.005）。二元Logistic回归分析发现，CRP水平对于残留疲劳症状有显著的负性影响（B=-0.142,P=0.008,OR=0.868），国际脊柱关节炎评估协会-健康指数（Assessment of Spondyloarthritis International Society-health index,ASAS-HI）对于残留疲劳症状有显著的正性影响（B=0.288,P<0.001,OR=1.334）；性别对于残留疼痛症状有显著影响，女性的残留疼痛症状风险更高（B=1.135,P=0.002,OR=3.112）。结论：残留疲劳和疼痛症状在达到LDA的ax-SpA患者中常见，尤其是女性患者。未来需要更多的关注和评估残留疾病负担，优化治疗方案。

关键词： 应急预案   关系三元组抽取   小样本学习   模块转移   语义相似性  

摘要： 针对现有的小样本关系三元组抽取方法难以解决单句话中存在多个三元组以及未考虑支持集和查询集之间语义相似性等问题,提出了一种基于模块转移和语义相似性推断的小样本关系三元组抽取方法.该方法采用一种在关系抽取、实体识别和三元组判别这3个模块不断转移的机制,高效地提取出查询实例中存在的多个关系三元组.在关系抽取部分,将BiLSTM和注意力机制相融合,以更好地捕捉应急预案文本的序列信息.此外,在实体识别部分设计了一种基于语义相似性推断的方法识别句子中存在的应急组织机构实体.最终,在应急预案领域数据集ERPs+上进行了大量的实验.实验结果显示,相较于其他基线模型,所提模型更适应于应急预案领域的关系三元组抽取任务.

关键词： 饮料   饮食习惯   超重   肥胖症   回归分析   学生  

摘要： 目的了解大学生奶茶外卖消费情况与超重肥胖的关联,为有效防控大学生超重肥胖提供科学依据。方法 采取方便抽样方法,于2023年10—11月对上海、江西、湖北、山西四省（直辖市）共7所高校14 379名大学生进行问卷调查和体格测试。通过自编奶茶消费和外卖消费调查问卷对大学生奶茶外卖消费情况进行调查,采用χ2检验比较不同组别及不同奶茶、外卖消费情况大学生超重肥胖检出率。使用多因素Logistic回归分析大学生奶茶、外卖消费情况与超重肥胖的关联强度。结果 大学生超重肥胖检出率为24.29%,不同性别、年级、是否独生子女、家庭经济状况大学生超重肥胖检出率差异均有统计学意义（χ2值分别为308.72,38.83,15.49,16.82,P值均<0.01）;大学生超重肥胖检出率在不同外卖消费频次、奶茶消费频次组间差异均有统计学意义（χ2值分别为21.32,46.32,P值均<0.01）。多因素Logistic回归分析模型显示,不同奶茶消费频次（1～3,4～5,≤6次/周）与超重肥胖均存在正向关联（OR值分别为1.62,1.75,2.39）,每天都吃外卖的大学生超重肥胖发生风险较高（OR=1.32）(P值均<0.01)。交互作用分析显示,经常奶茶外卖共同消费与大学生超重肥胖呈正相关（OR=3.00,P<0.01）。结论 大学生奶茶外卖消费与超重肥胖存在关联,高校及有关部门要采取针对性措施干预大学生超重肥胖。

关键词： 角度关键点   转向点   时间序列   分段线性表示   趋势特征  

摘要： 时间序列分段线性表示算法利用时间序列的趋势变化特征,用序列中较少点来表示整个时间序列.但是大多算法主要关注局部序列点信息,很少关注全局数据,且部分算法只关注算法在数据集上的拟合,很少应用到分类问题中.针对上述问题,本文提出了基于角度关键点和转向点的时间序列趋势特征提取算法,首先,该算法根据序列数据的角度变化值来选择角度显著点,然后基于角度关键点的基础上再提取转向点,根据分段的要求,判断是否进行插值操作,从而得到符合要求的分段点序列.本文在模拟数据和40个公开数据集上进行拟合和分类实验,实验结果表明,本文算法相较于分段聚合近似PAA、自底向下TD、自顶向上BU、基于拐点FFTO、基于转折点和趋势段Trend、基于趋势转折点ITTP等算法,在模拟数据集拟合效果更好;在UCR公开数据集平均拟合误差为1.165;分类准确性同Keogh团队公布的DTW-1NN算法高出2.8%.

关键词： 函数型时间序列   自适应分类   混合预测   迭代更新   高频数据  

摘要： 实时记录的高频数据呈现出显著的连续函数特征,无穷维等复杂本征结构使得传统分类和预测方法凸现弊端。针对函数型时间序列的波动模式识别和实时动态预测,本文提出自适应分类基础上的混合期望预测方法,并给出具体算法流程。(1)基于无核心信息损失的空间映射重构客观赋权的加权主成分距离,并以此量化函数之间的疏密程度进行初始类别划分;(2)综合检验类别函数之间均值和特征展开空间的显著性差异,提出潜在类别数目的确定准则以及对初始分类结果进行迭代更新的优化算法;(3)基于收敛的优化再分类结果建立函数类别归属的判别准则;(4)对于部分观测的新函数,分别计算其类属的后验概率以及其在每一子类别的预测值,并以类属概率为权重加总新函数在所有类别的预测值,构建日内信息迭代更新的函数型混合预测模型。基于多种情形的数值模拟和高频的上证综指预测分析发现,函数型时间序列的自适应分类预测不仅可以有效识别日内波动的类别模式,而且能够显著提升预测准确率,并且其相对优势保持稳健。

关键词： 通行能力   回归分析   影响因素   交互影响  

摘要： 为计算公路基本路段通行能力,采集济南、临沂、日照、德州等地的公路信号交叉口直行车道的单车道交通流数据,近似作为无路侧干扰条件下公路基本路段交通流数据,选取车道数、车道宽度、路肩宽度、中央隔离带宽度、交通组成等作为公路基本路段通行能力的影响因素,采用皮尔逊系数分析法筛选影响通行能力的关键因素,通过回归分析法建立单因素与单车道通行能力的函数关系,计算关键影响因素的单车道通行能力修正系数。采用双因素方差分析法分析不同影响因素的交互作用关系,构建含多影响因素和影响因素交互项的公路基本路段通行能力多元回归模型。结果表明:车道数、车道宽度及小型车占比与单车道通行能力的相关性显著,为关键影响因素,按重要度从大到小依次排序为小型车占比、车道数、车道宽度;3个关键影响因素非相互独立,存在一定的交互作用,车道数与小型车占比、车道宽度与小型车占比间均存在交互影响;构建的多元回归模型的计算准确度为96.30%,能较好地计算公路基本路段的通行能力。

关键词： 变电设备   缺陷检测   图像检测   元学习   小样本  

摘要： 缺陷图像检测是变电设备运维的重要技术手段。然而由于缺陷样本的稀缺，传统的基于海量数据训练的深度学习模型在实际应用中面临小样本缺陷检测的挑战。为此，本文引入元学习思想，提出一种面向变电设备小样本缺陷图像检测的深度学习模型。该模型的核心是前端网络权重的优化和面向小样本测试任务的模型微调。前者通过基于语义信息的任务生成策略，使模型能够快速适应新任务；后者则通过基于元学习的网络优化方法对模型进行微调，使模型能够在新任务上获得优异性能。实验结果表明，本文提出的改进方法可以使模型的综合检测精度提升7.33%，新增类别的检测精度提升11.48%，显著改善了模型对小样本缺陷和新增类别缺陷的检测性能。