排序方式： 共有13条查询结果，搜索用时 140 毫秒
1.
采用带锚筋的锚板、腹板、端板以及加劲板作为连接件,能够通过干式连接方法将上下预制剪力墙构件连为整体。为研究该新型全装配式剪力墙的受力性能和抗震性能,设计了2个剪跨比为0.783的试件和1个相同剪跨比及配筋率的现浇整体墙体,并进行了低周往复拟静力试验,分析了该全装配式剪力墙的承载能力、刚度、延性性能和耗能能力等。研究结果表明:现浇整体墙体和全装配式剪力墙的破坏形式均为受剪破坏,全装配式剪力墙的极限位移角大于现浇整体墙体极限位移角,分别为1/77和1/133,轴压比为0.3时平均延性系数3.47,低于现浇整体墙体平均延性系数4.62;但该全装配式剪力墙具有较高的承载能力和耗能能力。型钢与剪力墙的锚筋需采用穿孔塞焊的形式连接,避免锚筋与锚板焊接的位置发生剪断的现象。 相似文献
2.
海水溶解氧评价的正确性对于维护海洋生态系统的稳定性具有重要意义。海水溶解氧数据属于非线性时间序列，可视图方法（时间序列转化为图）是分析这类数据较有效的方法，但仍存在未同时考虑数据的时间演变特性以及变量间相互影响的问题。针对现存问题，本研究提出基于图相似性匹配的海水溶解氧辅助评价方法。首先，同时考虑海温、盐度对海水溶解氧的影响以及数据的不可逆性，提出溶氧温盐 转移概率(dissolved oxygen temperature salinity-transition probability，DOTS-TP)有向可视图方法，实现了多变量时间序列到单变量溶解氧图的转化；然后，在将墨西哥湾溶解氧图作为评价参照的基础上，综合利用图的多层次信息，提出子图节点全局(subtree node global， SNG)图相似性匹配方法，通过计算SNG评价指数实现对海水溶解氧的辅助评价。实验结果表明DOTS-TP有向可视图方法能更准确地表达海水溶解氧信息，SNG图相似性匹配方法适用于所有海水溶解氧数据，并能得出正确的辅助评价结果。 相似文献
3.
海洋科学数据是典型的多源异构三维空间数据,其特征为数据的管理、应用与共享带来了困难。本体作为一种可共享的、明确的、规范化的说明,是处理异构数据的一种有效手段。以构建海洋科学数据本体为目标,首先梳理了海洋空间本体的构建流程。然后针对流程中的两个核心步骤进行了创新和改进:①为更完整地表达海洋空间本体中的对象属性,在海洋科学数据空间关系描述中,从海洋水深角度出发,提出了考虑内部划分的三维方位关系模型,并对维数扩展9交矩阵模型(dimensionally extended nine-intersection model,DE-9IM)取值进行了三维扩展,使其能够准确表达三维对象之间的拓扑关系。②根据丰富后的海洋科学数据空间关系,设计了适合该本体推理的空间规则集。最后以国家极地科学数据为例,搭建了考虑三维空间关系的海洋科学数据本体库,并从数据检索的查全率与查准率两方面证明了该本体的有效性。 相似文献
4.
对海洋数据进行挖掘能够有效地预测海洋灾害事件。海洋监测数据具有时序长、间隔短、多要素间强关联的特点，对长时间序列进行直接分析挖掘速度慢、效率低，现有方法大多采用符号化时间序列方法，但可能导致部分信息丢失且破坏
要素间的关联性。本文定义了时间序列 motif，用于发现时间序列中重复出现的，先前未知的局部信息，解决了符号化导致的信息丢失的问题，实现了时间序列 motif 的精确快速提取。通过构建 motif 规则树，实现了海洋多要素时间序列间强关联规则的挖掘。最后，给出关联规则评价参数，同随机游走数据对比后，证明了本文方法的有效性。 相似文献
5.
面对海量的海表面温度数据,如何使用大数据处理平台和新的处理技术来实时处理、分析并预测海表面温度数据,是一个亟待解决的问题。本文基于现阶段的时间序列方法和专家意见,首先,将类比合成方法引入到海表面温度预测应用中;其次,基于Spark平台提出了一种改进的快速DTW算法SparkDTW;最后,为了充分利用通过时间序列挖掘得到的信息,将SparkDTW与SVM相结合,提出了SparkDTW+SVM混合模型,为海表面温度预测的应用研究提供了较好的理论基础和技术支持。实验结果表明,SparkDTW算法预测精度优于SVM,提高了海表面温度预测效率,验证了将类比合成方法应用在海表面温度预测的可行性;SparkDTW+SVM在精度方面要优于SparkDTW和SVM,表明SVM模型能充分利用时间序列挖掘的信息,验证了SparkDTW+SVM在海表面温度预测的有效性。 相似文献
6.
海洋事件离不开各要素环境数据的共同作用,获取要素之间的关联关系从而进行海洋事件的预报预测,是一个亟待解决的问题。为此,本文提出一种多视图协同的关联关系分析方法来度量海洋各要素数据间的关联关系。首先,在传统平行坐标技术的基础上增加刷技术、轴排序等功能对海洋多要素数据进行初步探索,同时引入散点矩阵图展示各要素的分布;其次,以平行坐标中数据线间的角度、面积以及散点图中要素分布的距离为差异度量方式,对计算得到的差异构建相似性矩阵;再次,采用多维标度法得到原始多要素数据在低维空间中的表达;最后,使用K-means算法对降维后的低维度数据进行聚类分析。本文提出的方法从视觉角度对数据进行分析和特征挖掘,并得到高维数据在低维空间上的可视化展示,实现了有效量化海洋数据不同要素间的相关关系。 相似文献
7.
海洋锋是重要的中尺度海洋现象,具有数据量小、目标小、弱边缘等特性。针对实际检测任务中弱边缘、小目标海洋锋的检测精度低、错检及漏检率高等问题,融合scSE (spatial and channel Squeeze&Excitation)空间注意力模块构建了一种改进的Mask R-CNN海洋锋检测模型。该方法首先对Mask R-CNN骨干网络结构进行改进,采用scSE模块引导的ResNet-50网络作为特征提取网络,通过加权策略对图像通道和空间位置进行特征突出,提升网络对重要特征的提取能力;其次,针对海洋锋目标边缘定位不准确的问题,引入IoU boundary loss构建新的Mask损失函数,提高边界检测精度。最后,为验证方法的有效性,从训练数据和实验模型上,分别设计多组对比实验。实验结果表明,相比传统Mask R-CNN、YOLOv3神经网络及现有Mask R-CNN改进网络,本文方法对SST梯度影像数据集上的强、弱海洋锋检测效果最好,定位准确率（IoU,Intersection-over-union））及检测精度（mAP,Mean Average Precision）均达0.... 相似文献
8.
海表面温度预报在海洋相关领域具有重要的实用价值,随着遥感信息采集技术的不断发展和完善,区域内海表面温度数据采集的完整性得到了保障。现今大多数方法在预报海表面温度时,只考虑了海表面温度的时间相关性,并未利用其空间相关性,使得预报精度受到限制。针对该问题,本文将区域内每天的海表面温度数据作为一个矩阵输入模型,便于时间和空间信息的提取,并提出了CA-ConvLSTM模型来预报海表面温度。该模型首先利用卷积层对海表面温度矩阵进行局部特征提取,然后通过注意力模型为矩阵序列分配权重,将权重与矩阵序列对应相乘得到加权特征序列,最后,利用ConvLSTM进行预报,获得未来一天或五天内的海表面温度。通过实验确定模型的结构、输入尺寸和k值,再将CA-ConvLSTM与SVR、LSTM和ConvLSTM进行对比。实验结果表明:CA-ConvLSTM的均方根误差(Root Mean Square Error,RMSE)和预报精度(Prediction Accuracy,PACC)指标均要优于其他三种预报方法,验证了本文方法的有效性。 相似文献
9.
台风轨迹的准确预测对于减少台风灾害及风险评估意义重大。本文提出了一种基于双注意力机制的台风轨迹预测模型(Dual-Attention-Encoder-Decoder),首先根据台风轨迹数据计算台风轨迹的变化曲率,将台风曲率序列与台风轨迹序列一同作为预测模型的特征输入,充分考虑了台风轨迹中隐藏的转向、偏折信息;然后构建双注意力机制增强的编码器-解码器网络(Encoder-Decoder)作为预测模型,利用特征注意力机制和时间注意力机制分别对模型输入和隐藏状态进行权重分配,能够学习输入特征和预测目标之间的关系,并且有效解决编码器-解码器结构对过长序列预测的性能下降问题,编码器和解码器均采用LSTM网络,能够存储长时间依赖并且收敛性好,不易发生梯度消失或爆炸;最后,本文使用1949—2017年中国气象局提供的西北太平洋台风最佳路径数据集,将DA-Encoder-Decoder模型与BP、SVR、LSTM、ELM等模型进行对比,分别对24 h、48 h、72 h台风轨迹进行预测。结果表明:DA-Encoder-Decoder模型的均方根误差和实际误差距离指标均优于其他四种预测方法,验证了本文方法的有效性。 相似文献
10.
如何发现多要素海洋环境时序数据中蕴含的由自然现象导致的异常模式,进而实现对海洋事件发生的有效预测,是一个亟待解决的问题。本文提出了一种面向海洋环境时序数据异常模式挖掘的多视图协同可视分析方法,首先计算出多要素数据间的相似性矩阵,通过多维标度法(Multi-Dimensional Scaling, MDS)投影降维,将投影结果通过密度聚类（Density-Based Spatial Clustering of Applications with Noise, DBSCAN）生成时序MDS聚类视图,表达多要素数据的时序特征,用于发现多要素叠加后的异常模式;其次,再基于相似性矩阵计算每个要素熵值,生成与时序MDS聚类视图对应的多要素信息熵视图,表达每个要素在时序上的不确定性,用于确定不同要素对异常模式的贡献度;最后,针对异常模式,提供由对应原始数据投影生成的焦点平行坐标视图,进一步的分析要素之间的相关性强弱和数据内部具体的变化趋势。将本文方法应用于东山台站（23.9N、117.5E）、遮浪台站（22.6N、115.5E）附近海洋数据,发现数据由台风造成的异常模式和要素之间的相关性,证明本文提出的多视图可视分析方法的有效性,方法具备发现多要素时序数据蕴含的异常模式的能力。 相似文献