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:基于2008—2012年渭河流域陕西段水体26个断面的重金属监测数据,以Hg、Cd、Cr6+、Pb和As为研究对象,采用单因子水质标准比较法、重金属污染指数法(HPI)和秩相关系数法等对该段水体中重金属污染的时空动态变化特征进行研究。结果表明,渭河流域陕西段水体重金属综合污染程度年际变化呈显著下降趋势,年内变化特征各异,没有明显的规律性,Cr6+污染程度呈不显著上升趋势,Hg、Cd、Pb和As污染程度呈下降趋势,其中Hg下降趋势显著。渭河流域陕西段水体重金属综合污染程度空间分布呈现明显的区域性差异,其中西安段变化幅度最大,是影响渭河陕西段水体重金属质量浓度分布的主要河段。
简介:以青菜和马铃薯为供试蔬菜,在建立蔬菜中三聚氰胺液相色谱串联质谱(LC—MS—MS)测定方法的基础上,采用N15同位素稀释法,通过在土壤中添加三聚氰胺进行盆栽试验,研究了三聚氰胺在土壤中的降解动态及两种蔬菜的吸收效应。结果表明,土壤中三聚氰胺降解速率随着土壤中三聚氰胺质量比的增加而变慢,20d以后,降解曲线平缓,速度缓慢,残留时间延长,其降解动态符合Logistic方程。同位素稀释法证实两种蔬菜均可以吸收土壤中的三聚氰胺。当土壤中含有50ms/kg和100mg/kg三聚氰胺时,马铃薯的吸收量分别比青菜高4.4和2.1倍。青菜根部对三聚氰胺的吸收高于茎叶。高质量比三聚氰胺对蔬菜生长具有明显的抑制效应。