高轴压比下内藏钢桁架混凝土组合高剪力墙抗震试验研究

通过对3个1／3缩尺的高剪力墙模型（其中包括1个普通混凝土高剪力墙、1个内藏钢框架组合高剪力墙和1个内藏钢桁架组合高剪力墙）的抗震性能试验研究，探讨了不同组合形式剪力墙的承载力、刚度及其退化过程、延性、滞回特性及破坏特征。试验表明：内藏钢框架混凝土组合高剪力墙和内藏钢桁架混凝土组合高剪力墙的抗震性能比普通混凝土高剪力墙明显提高。     

基于集成学习与贝叶斯优化的岩石抗压强度预测

岩石抗压强度是评估岩体工程稳定性的重要力学参数,传统统计回归方法对于岩石抗压强度预测存在一定的局限性.为此,提出了一种利用简单岩石力学参数实现岩石抗压强度智能预测的方法,首先收集了620组含不同类型岩石的三轴试验数据,然后分别采用随机森林(Random Forest,RF)、极限梯度提升树(XGBoost,XGB)和轻量梯度提升机(LightGBM,LGB)3种主流的集成学习算法建立了岩石抗压强度预测模型,使用贝叶斯优化算法在模型训练过程中进行超参数优化,最后利用决定系数(R²)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)对优化后模型的泛化能力进行了综合评估和对比分析.此外,利用LGB模型对输入特征进行重要性分析,以评估不同输入特征对模型泛化性能的影响重要程度.研究结果表明：所建立的3种模型对岩石抗压强度均取得了较好的预测结果,其中LGB模型泛化性能优于另外两种模型(R²=0.978,RMSE=5.58,MAPE=9.70%),且运行耗时相对最少.弹性模量(E)、围压(σ₃)和密度(ρ)对模型的泛化性能影响较...     

多核CPU的海量点云并行kNN算法

提出基于多核CPU的海量点云k最近邻(kNN)快速搜索算法。该算法先将点云数据按格网方式进行组织存储于外存;在搜索kNN点时,从搜索点所在的块向外扩张搜索;在多核CPU环境下采用多线程模式进行数据的内外存调度和kNN点搜索。当内存达到设定上限时,采用距离搜索点最远策略释放内存,降低内外存数据交换的频率。将该方法应用于基于kNN的滤波和格网化方法中,处理速度显著提高。     

面签进病房 加班赶工期 坚守不离岗 新密市不动产登记中心为民服务不“打烊”

<正>小小的不动产登记窗口每天琐碎又平凡,没有惊心动魄的故事,也没有荡气回肠的豪言壮语,有的只是在普通岗位上的勤恳敬业和无私奉献。新密市不动产登记中心成立以来,始终把便民、利民、为民服务作为第一要务,不断创新服务举措,持续推出预约服务、延时错时服务、邮寄服务、免费复印等一系列便民措施,切实提升服务能力和水平,尤其是该中心的工作人员,始终坚持勤恳敬业、无私奉献,在小小的不动产登     

组合剪力墙的抗震研究与发展

剪力墙是高层建筑结构中的核心抗侧力部件,研制抗震性能好的剪力墙,是建筑抗震设计的关键技术之一。组合剪力墙包括不同材料和不同结构形式的组合,可以发挥不同材料和不同结构形式各自的优势,使剪力墙的延性和耗能能力得以提高,从而改善其抗震性能。本文对国内外一些新型组合剪力墙的抗震研究工作进行了归纳总结,并对其发展作一展望。     

型钢混凝土剪力墙的抗震性能研究

型钢混凝土剪力墙(亦称为SRC剪力墙)是一种新型的剪力墙,其抗弯承载力、抗剪承载力及延性均好于普通剪力墙。本文简要总结了近年来国内外关于型钢混凝土剪力墙抗震研究的成果。在此基础上,进行了较高轴压比下内藏钢桁架混凝土组合高剪力墙的抗震性能试验研究。试验研究表明,内藏钢桁架的存在明显改善了高轴压比下型钢混凝土高剪力墙的抗震性能。     

高轴压比下钢管混凝土边框组合剪力墙抗震性能试验研究

钢管混凝土边框组合剪力墙是一种适用于高层及超高层建筑的新型组合剪力墙。轴压比是影响剪力墙抗震性能的一个主要因素,高层建筑底部轴压比较大。本文进行了1/4缩尺的1个普通钢筋混凝土剪力墙模型和1个钢管混凝土边框组合剪力墙模型在高轴压比下的低周反复荷载试验。在试验研究基础上,对比分析了剪力墙的承载力、延性、刚度及其衰减过程、滞回特性、耗能能力及破坏特征,建立了钢管混凝土边框组合剪力墙的承载力计算模型,计算结果与实测结果符合较好。研究表明:在高轴压比下钢管混凝土边框组合剪力墙与普通剪力墙相比抗震性能显著提高。     

基于主成分累计影响系数法的高光谱大气红外探测器的通道选择试验

由于高光谱大气红外探测器(AIRS)有2 378个通道,如何从众多的通道中提取主要的有用信息。针对这点,文中提出了基于主成分累计影响系数的通道选择方法。首先,进行通道的预处理。然后,考虑白天的通道组合,分别对温度和湿度雅可比矩阵进行主成分分析,得到每个通道对主成分的累计影响系数,根据累计影响系数的大小,进行通道排序。最后,考虑夜晚的通道组合,加入受太阳光影响的通道。最终得到白天和夜晚的入选通道子集。进行温度和湿度廓线反演的实验表明,该方法用于通道选择是可行的。     

高光谱图像分类方法综述

在过去数十年中,高光谱图像的研究与应用已经完成了从无到有、从差到优的跨越式发展.在对其研究的众多方面中,高光谱图像分类已经成为了一个最热的研究主题.研究表明空间光谱联合的分类方法可以取得比仅依赖光谱信息的逐像素分类方法更好的分类效果.本文将对众多的空间光谱联合分类方法进行归类和分析.首先介绍高光谱图像中相邻像素间的两类空间依赖性关系,因而可将现有的空谱联合分类方法分为依赖固定邻域和自适应邻域两类;此外,还可以依据是否同时利用两类依赖关系将现有方法进一步分为单依赖和双依赖两类.另外,还可以依据空谱信息融合的不同阶段将现有的分类方法划分为预处理方法、一体化方法及后处理方法三类.最后展示几种具有代表性的空间光谱联合分类方法在真实高光谱数据集上的分类结果.     

求最小线性相关组的Gauss消元法

针对不变量的计算问题，建立ｎ维实向量组的最小线性相关组的概念，利用Ｇａｕｓｓ消元法给出一种寻找最小线性相关组的数值计算方法，并讨论了它在求不变量问题上的应用。