显示11到20的32
    文档

    发展生物完整性的预测模型基于变量选择与自组织映射(SOM)多项式典范对应分析(PCCA)和二次回归

    文摘
    一个模型来预测生物完整性在美国明尼苏达州,俄亥俄州和马里兰。模型是建立在三个不同的步骤。第一个是选择最相关的环境变量。选择了两种不同的方式:集群之后,集群中最判别指标的分析,发现与多个范围测试和多项式典型对应分析,选择那些具有更大的影响的指标在基于回归,生物群落特征值分解和投影的网站在规范中解释变量轴。发现最选择性变量之后,试图执行一个多项式回归近似的生物完整性指数(鱼类和底栖生物)的网站。观测值被分离在四个不同的数据范围垃圾箱。的计算值被定位成一个垃圾箱的数量正确bin-predictions记录。 展开/折叠切换
    文档

    在流域风险评估评估单个和多个压力

    文摘
    生物完整性指数(IBI)可以作为一个指标的总体水身体健康,可以利用人工神经网络(ANN)预测。变化在一个分水岭,比如城市化,会影响当地水体增加化学浓度或有辱人格的栖息地。风险单压力在所有鱼类和底栖无脊椎动物物种在关键IBI指标评估使用毒性数据和最大的物种丰富度。然而,组合的风险强调不得直接添加剂,所假定的这些方法。安技术被用来考虑整体共生效应IBI的多重压力。数据,本研究的目的就是从大型数据库中提取化学相结合,流在俄亥俄州的栖息地和生物信息。这个数据库是用来训练多层反向传播网络估计IBI值基于水、沉积物和栖息地的质量。输入到网络包括水质参数,如化学和溶解氧浓度、沉积物质量、表达的无脊椎动物社区指数和定性栖息地的评价指标。IBI预测的结果可能是有用的流域规划和决策评估新项目和恢复的机会。 展开/折叠切换
    文档

    评估土地利用、栖息地和水质指标的参数对大型无脊椎动物指数多项式回归分析

    文摘
    生境参数,土地利用特征、水化学数据样本位置在马萨诸塞州水域进行了分析评估其影响大型无脊椎动物指标和生物完整性指数。参数和大型无脊椎动物栖息地指标从马萨诸塞州获得环保部门——流域管理分工(MA-DEP-DWM)。水质数据是来自一个不同的数据库也从MA-DEP-DWM ArcGIS 9.1。被小心地确保样本位置和生物,化学和栖息地的参数一致。示例中的差距水化学和大型无脊椎动物数据的日期不超过30天,但主要是在一周内。土地利用特征的流域和30米河岸缓冲区使用ArcGIS 9.1计算。用30米绿化带因为马萨诸塞湿地保护法禁止开发30米内的水体。一旦所有的数据合并到一个数据库,进行主成分分析和多项式回归分析评估之间的关系说明(环境)和反应(物种)变量。多项式回归方程是计算物种指标和组合。最重要的解释变量被认为是自然土地/安静的植被(河岸区和分水岭区)三个反应变量的HBI EPT指数和丰富。 The polynomial regression equations developed show a good agreement (R2 values ranging between 0.4 and 0.7) between the measured EPT Index and richness variables and those predicted by the model. 展开/折叠切换
    文档

    识别的主要生物完整性压力及其关系使用集群和神经元分析自组织映射在俄亥俄州,马里兰和明尼苏达州

    文摘
    大型环境数据库从不同的公共机构获得在美国的明尼苏达州,俄亥俄和马里兰州。生物指标以及物理和化学环境变量和栖息地指标可用的一些数据。我们使用自组织映射(SOM)将数据分组为物理和化学均匀的压力团体。这些都是类似的SOM神经组(集群)或SOM神经细胞本身。使用集群的神经元时,生物指数的统计差异值被确定使用多个集群范围测试。随后,同样的程序应用于所有可用的环境变量。变量与相似的同类组织的生物完整性指数分布是解释为一个变量对生物完整性的一个重要的影响。neuron-based分析集中在回归神经元环境变量值与neuron-based生物指数。相关性最高的参数被认为是最重要的。两种方法似乎工作得很好,特别是在俄亥俄州和基于集群的分析在明尼苏达州。 Maryland also showed promising results and the separation of the sites in different strata clearly showed how the stressors are different in coastal sites than in the rest. The neuron-based analysis usually identified the same stressors in biotic integrity as the cluster-based analysis. Moreover, some of the relationships among off-stream and in-stream environmental variables as well as some of the in-stream physical variables and chemical elements could be explained. The SOM is a very powerful tool in identifying highly dimensional, with high natural variability, non-linear problems by means of data organization and pattern recognition. 展开/折叠切换
    文档

    弹性和可持续系统的结构性测试实验室(压力实验室)

    文摘
    这份报告总结了实验室的功能和规范结构弹性和可持续系统的测试(压力实验室)。实验室构建的乔治·j·科斯塔斯研究所国土安全的伯灵顿东北大学的校园。raybet雷竞技雷竞技app最新版实验室用于耦合实验、计算和现场调查在几个学科土木工程,机械工程,工程力学,生物力学,材料科学、体系结构和相关领域。图纸的设施和辅助测试结果的建设强大的地板都包含在附录。 展开/折叠切换
    文档

    激光结构传感和表面损伤检测

    文摘
    损伤由于年龄或累积损伤的危害在现有结构提出了一个世界性的问题。为了评估老化的现状,变质和损坏的结构,它是至关重要的准确评估目前的情形。可以捕获结构的原位条件通过使用激光扫描仪产生密集的三维点云。本研究调查的使用高分辨率的三维地面激光扫描仪和图像捕获能力作为工具来捕获复杂场景的几何数据范围结构工程应用。激光扫描技术的不断改进,现在常见的扫描仪捕获超过每秒1000000材质贴图点~ 2毫米的精度。然而,自动从点云提取有意义的信息仍然是一个挑战,和当前最先进的需要大量的用户交互。本研究的首要目标是使用被广泛接受的点云处理步骤等登记、特征提取、分割、表面拟合和对象检测激光扫描仪的数据划分为有意义的对象群然后几种损伤诊断方法应用于这些集群。这需要建立一个过程从原料中提取重要信息的激光扫描数据集,如位置、方向和对象在扫描区域的大小,结构和位置受损区域。为此,首先处理范围数据来识别对象的方法给出了一个场景,然后一旦对象模型库是正确检测并安装到捕获的点云,这些安装对象与研究对象的初始点云定位缺陷结构。演示了算法在合成场景和验证范围二世收集的数据从测试标本和试验台桥梁。 The second objective of this research is to combine useful information extracted from laser scanner data with color information, which provides information in the fourth dimension that enables detection of damage types such as cracks, corrosion, and related surface defects that are generally difficult to detect using only laser scanner data; moreover, the color information also helps to track volumetric changes on structures such as spalling. Although using images with varying resolution to detect cracks is an extensively researched topic, damage detection using laser scanners with and without color images is a new research area that holds many opportunities for enhancing the current practice of visual inspections. The aim is to combine the best features of laser scans and images to create an automatic and effective surface damage detection method, which will reduce the need for skilled labor during visual inspections and allow automatic documentation of related information. This work enables developing surface damage detection strategies that integrate existing condition rating criteria for a wide range damage types that are collected under three main categories: small deformations already existing on the structure (cracks); damage types that induce larger deformations, but where the initial topology of the structure has not changed appreciably (e.g., bent members); and large deformations where localized changes in the topology of the structure have occurred (e.g., rupture, discontinuities and spalling). The effectiveness of the developed damage detection algorithms are validated by comparing the detection results with the measurements taken from test specimens and test-bed bridges. 展开/折叠切换
显示11到20的32