摘要：针对无线节点式地震勘探仪器工作过程中实时监测能力不足的问题,设计了基于Android平台的监控系统。系统采用WiFi无线通信技术,基于TCP或UDP协议实现Android移动设备与分布式采集节点的通讯,完成对采集节点的采集控制、实时数据传输、状态监测;通过引入第三方图标库实现采集数据的多种可视化显示;采用SQLite数据库加文件系统形式实现采集数据的存储与回放。该系统能够有效提高地震勘探工作数据采集的可靠性,解决无线节点式地震仪器“盲采”式工作数据质量不佳问题。经测试,系统实时性强、可靠性高,能够满足实际地震勘探监控需求。

摘要：作为集中连片体现历史风貌的精华地区,历史文化街区整体保护与平房院落更新改造的冲突日益显著。近年来,北京相继出台历史文化街区与平房院落保护更新的条例与导则,取得一定成效,但如何在满足居民生活需求与意愿的前提下,用最小干扰的设计手法进行平房院落的成套化改造,成为当前老城平房院落更新的议题。本文以北京市西四北历史文化街区二条3号院改造为例,采用调研法、文献法和计算模拟法对该地区平房院落建筑形制、院落热环境和建筑围护结构进行定性与定量分析,为当前平房院落改造提供风貌保护与居住改善需求上的平衡,具有重要现实意义。

摘要：从地域气候适应性建构的角度分析冀东地区的石木结构住宅,并以长城沿线的兰成沟村为研究对象,借助田野调查、问卷收集、图解分析等方法,分析冀东地区传统石木结构住宅的气候适应性建构演变过程,总结该地区住宅在更新过程中存在的问题。通过对住宅的演变过程进行解析,提取传统石木结构住宅的被动性气候适应性建构策略,解析引发其演变的内在因素,从室内空间变迁、功能匹配组织、空间路径系统、材料组织建构四个层面对传统石木结构住宅和新建住宅的气候适应性建构策略进行分析。结果表明,冀东地区传统石木结构住宅中具有许多气候适应性建构智慧,但这些气候适应性应答设计逐渐消失,极大地弱化了住宅对室内物理环境的调控作用。

摘要：研究区域概况区位介绍西园子社区与东晓市社区分别位列东晓市大街南北两侧,社区组团南侧为天坛路及天坛公园,北至珠市口东大街,西至祈年大街,东至崇文门外大街。两社区占地约0.31平方公里,登记在册3794户,约10998人。周边紧邻国家5A级景区天坛公园,有丰富的文化及旅游资源;地铁五号线和七号线从东侧及北侧穿过,交通便捷。历史沿革东晓市街自古有之,据史料记载,其在清朝被称为东小市.

摘要：岩爆是深埋隧道施工过程中开挖时形成临空面,引起能量突然释放的现象,轻则岩片剥落,重则造成人员伤亡和财产损失,其危害程度取决于岩爆烈度等级,因此岩爆烈度等级预测是急需解决的难题之一。针对单一指标预测法预测效果不理想的问题,首先设计并实现了综合指标法和针对多分类问题的分类器,其次提出并建立了基于梯度下降(gradient descent,DN)算法优化深度神经网络(deep neural network,DNN)的GD-DNN岩爆烈度等级预测模型。实验结果表明:GD-DNN模型预测的准确率达到95.8%,相比机器学习算法,K最近邻(K-nearest neighbor,KNN)、支持向量机(support vector machine,SVM)和深度学习算法DNN分别提高了45.8%、38.7%和8.3%,同时在精确率、召回率和F1三项指标上均优于其他模型。最后在秦岭隧道、大相岭隧道、通渝隧道和马路坪矿井4个实际工程中检验模型的预测效果,检验结果证明GD-DNN模型能够精准预测岩爆烈度等级,研究成果可应用于深埋隧道工程中。

摘要：为进一步优化城市节水评价体系,为预测城市节水潜力提供有效参考,采用最大互信息系数方法,分析了2006—2018年北京、天津、山东、山西、河北、河南6个省(市)城市用水、节水时空演变趋势以及城市用水指标的相关性,通过挖掘各指标间深层次关系,识别研究区节水发展的关键驱动因素。结果表明:①研究区用水总量均呈增长趋势,用水结构由以生产运营用水为主向以居民家庭生活用水为主转变,居民家庭用水比重呈上升趋势,生产运营用水比重呈下降趋势;②节水量以工业节水为主,生活节水的重要性逐渐凸显;③地区人口规模和经济发展水平与节水量的关联性强于人均水资源量与节水量的关联性;④相对于技术进步,产业结构调整带来的工业用水综合效率提升对工业节水的促进效果更显著;⑤城市供用水系统和污废水处理系统与经济规模高度匹配,但供水管网漏损率和再生水利用水平与现发展阶段不匹配,城市供水管网漏损控制和非常规水源代替仍有较大提升空间。

摘要：在调研部分农村地区煤改气居民用户实际用气情况的基础上,建立了一种基于小波阈值去噪和采用遗传算法优化BP神经网络的短期燃气负荷预测模型(称为GA-BP神经网络预测模型)。以华北地区农村煤改气居民用户作为研究对象,对974户管道天然气居民用户2018年1月—2021年12月的日用气量进行采集。对采集数据进行小波阈值去噪处理,进行日负荷预测影响因素的选择及量化。将负荷预测影响因素和日负荷组成的数据集划分为训练集和测试集,对BP神经网络预测模型、GA-BP神经网络预测模型进行训练和测试。将两种模型的日负荷预测值与真实值进行对比,并将两种模型的评价指标进行对比,验证两种预测模型的准确性。研究结论如下。小波阈值去噪处理去噪效果良好,可用于燃气日负荷预测数据预处理。日平均温度、天气类型、节假日情况、前一日用气量、供暖情况是影响燃气日负荷预测的5个主要影响因素。有必要关注供暖过渡期的日负荷变化。这段时期温差变化大,用气情况复杂多变,对供气不确定性影响较大。对这部分的合理处理可以有效减小预测误差。日平均温度是影响农村居民用气非常重要的因素。遗传算法对BP神经网络的优化,可以很好地为网络初始权值和阈值的确定提供依据,优化了网络参数。相较于BP神经网络,GA-BP神经网络的稳定性提高,预测误差减小,预测精度提高。GA-BP神经网络预测模型应用于燃气日负荷预测是可行的。

摘要：构建由原制造商主导和第三方回收商负责再制造的逆向供应链模型,通过斯塔克伯格博弈理论分析碳税、再制造商规模效应和碳减排专利在分散和集中决策下对该逆向供应链成员最优决策的影响,并利用MATLAB进行数值仿真。研究表明:分散和集中决策下,碳税和再制造商规模效应均可促进供应链碳减排;分散决策下,碳税可以降低碳减排专利使用价格、增加再制造商产量,但未达到最优碳减排效果;当消费者对再制造品的偏好水平大于再制造过程的碳排放率时,集中决策下各成员共同研发、使用碳减排专利,供应链产量增加且倾向于销售再制造品,利润提高,碳减排效果提升。因此,可通过设计契约,合理分配供应链利润,使供应链总利润增加、碳减排效果提升,实现供应链的协调。