简介：对驾驶行为的危险状态进行动态辨识并提前预警是防止交通事故发生的重要手段。提出一种基于Kohonen神经网络和支持向量机（SVM）的驾驶行为险态动态辨识方法。基于国内外相关研究,选取油门、方向盘转角、刹车、离合、X轴速度、Y轴速度、X轴加速度、Y轴加速度、发动机转速作为驾驶行为状态指标。应用Kohonen神经网络对9个指标组成的向量进行非监督聚类。用聚类结果组成的时间序列表示驾驶员行为指标的动态变化特征并以此作为输入,通过训练SVM实现驾驶行为险态辨识,解决了高维指标数据监督聚类困难和险态识别的静态性问题。最后,采用驾驶模拟器进行试验设计,对方法的有效性进行验证。以8个危险场景作为诱发驾驶行为险态出现的刺激,10个被试共产生8400组识别序列,选取600组标识为险态的时间序列进行验证。结果表明：该模型的驾驶行为险态识别正确率为82.22%。不同被试的正确率差异控制在6%以下,表明此模型具备一定的泛化能力。

简介：针对边坡稳定性具有模糊性和随机性的特点,引入云模型理论,建立了基于变权重-正态云理论的边坡稳定性评价模型。以某省际高速公路边坡评估为例,考虑地形地貌、地质环境和气象水文特征等方面因素,选取了10个指标建立综合评价指标体系。首先计算各指标对应评价等级的确定度,采用变权重理论确定指标权重,计算综合确定度,最后根据最大隶属度原则确定边坡稳定性等级。结果表明,待评估边坡稳定性等级分别为不稳定、基本稳定和不稳定,与理想点和神经网络评价模型结果基本一致。

简介：摘要：流体输送是工业生产中常见的过程，涉及各种流体介质的输送和供应。随着工程技术的不断发展，对流体输送过程中流态特性进行分析与优化设计显得尤为重要，从流体在管道内的流动规律、阻力损失与压力损失的影响因素以及优化设计方法等方面展开研究，旨在为提高流体输送系统的效率和可靠性提供理论支持。基于此，本篇文章对流体输送过程中的流态特性分析与优化设计进行研究，以供参考。

简介：通过溶液培养试验,研究外源钙对两种价态锑[Sb（III）和Sb（Ⅴ）]胁迫下水稻吸收积累锑和钙的影响。结果表明,这两种价态的Sb对水稻生长均有抑制作用,Sb（III）比Sb（Ⅴ）对水稻毒害更明显,施Ca可缓解Sb对水稻的毒害。Sb（III）和Sb（Ⅴ）的添加对水稻根系和茎叶吸收积累Ca影响不一致。当溶液中的Ca浓度为5.0mmol·L-1时,添加三价Sb10和30μmol·L-1均可以显著地降低水稻茎叶中的Ca含量15.7%和49.4%,但是添加Sb（Ⅴ）浓度为30μmol·L-1时,却分别提高水稻茎叶和根系Ca含量26.2%和50.4%。Ca的添加可以显著地降低水稻根系和茎叶对两个价态Sb的吸收积累。在30μmol·L-1Sb（III）处理下,添加5.0和20mmol·L-1的Ca可导致水稻根系和水稻茎叶Sb浓度分别比对照处理降低19.0%-79.4%和42.6%-71.8%;在30μmol·L-1Sb（Ⅴ）处理下,添加5.0和20mmol·L-1的Ca可导致水稻根系和水稻茎叶Sb浓度分别比对照处理降低34.3%-70.6%和74.1%-84.6%。Ca的添加对Sb在水稻根系和茎叶中的富集系数和分配比率也有显著影响。综上所述,可以通过施用Ca肥来防治农田Sb污染,降低Sb对人体健康的危害。