案例教学法在《火灾证据学》课程中的运用研究

为了培养学员的综合素质和创新能力,《火灾证据学》课程引入了案例教学法。分析《火灾证据学》课程运用案例教学法的教学效果,提出运用案例教学法的基本形式及其相关要求。     

基于模糊综合评价法的公众聚集场所火灾风险评估

利用模糊综合评价方法,对某公众聚集场所进行火灾风险评估,建立了风险评价的指标体系并确立了各指标的权重值,对建筑起火的可能性、火灾损失的严重程度以及火灾综合风险进行了分析,最终从降低火灾发生可能性以及降低危害后果严重程度两方面,提出了该公众聚集场所的火灾风险控制措施,从而为此类场所的火灾隐患定性和消防监督管理提供依据。     

谈安防系统中的火灾证据和提取方法

近年来,在移动互联网的带动下,面向小微企业、家庭和个人的安防业务步入活跃期,未来以智慧城市为代表的各类物联网项目不断发展,＂数字化、智能化、网络化＂的安防系统将成为趋势。从安防系统的定义入手,论述安防信息在火灾调查中的应用,并针对安防电子证据和视频监控资料的收集方法进行探讨,旨在规范和提高火灾调查人员的火场勘查技术。     

考虑目标定位误差的点目标毁伤概率求解

根据射击毁伤理论和概率统计学,在现有点目标毁伤概率求解方法基础之上提出考虑目标定位误差的解析法和仿真法.计算结果表明2种方法均准确可行.通过对比分析得出不同弹药量、不同目标特性条件下,定位误差对毁伤概率的影响程度.运用解析法得出点目标的单发命中概率服从χ2分布,通过大量仿真得出目标定位误差可忽略的条件为WmaxRCEP/ω.     

新型光电装备延伸保修决策方法研究

延伸保修是开展军民融合式装备保障的重要技术手段之一,通过合理选择延伸保修策略,可以在有限的经济条件下较好地完成维修保障任务,提高装备维修保障效益.针对新型光电装备特点,在考虑安全性、任务性和经济性因素的背景下,提出一种由逻辑决断分析法和模糊层次分析法相结合的延伸保修决策方法.通过逻辑决断分析从定性角度选择合理的延伸保修策略,采用模糊层次分析法对逻辑决断得到的结果进行定量补充分析,为类似装备的延伸保修决策提供决策参考.     

倾斜微型桩桩身参数敏感性有限元分析

基于有限元强度折减法,结合工程实例,利用软件ANSYS对不同倾角微型桩加固边坡以及倾斜微型桩的设桩位置、锚固深度和桩排距等桩身参数对边坡稳定性的影响进行了数值模拟分析。结果表明:微型桩加固边坡较优的倾斜角度为60°;随着设桩位置离坡顶距离的增加,边坡的稳定系数先增大后减小,当设桩位置距坡顶的相对位置为0.58~0.66,边坡的稳定系数较高;当桩排距为9倍桩径,边坡的稳定系数较高。研究结果为倾斜微型桩的设计与工程应用提供了理论依据,具有一定的普遍意义。     

空军网络化指挥信息系统作战效能评估指标体系构建

针对目前网络化指挥信息系统作战效能评估指标体系不完善、且缺乏分项指标计算方法模型等问题,从网络化作战对指挥信息系统的作战需求出发,研究构建了空军网络化指挥信息系统的作战效能评估指标体系,并提出了分项指标概念内涵和计算模型与方法,可为指挥信息系统研制提供参考和支撑,为其作战效能的客观评估提供指标体系和模型方法。     

基于备件需求预测的两步法理论?

在对备件需求时间序列研究的基础上,结合指数平滑法和Croston法的特点,分析了指数平滑法与两步法的原理,通过对指数平滑法和两步法方差的研究,得到两步法是指数平滑法的一般形式的结论,为两步法的进一步研究提供一定的理论支撑。     

基于三阶段过程模型的军交运输体系建模

信息化条件下军交运输体系复杂性问题日益凸显,军交运输体系建设已经进入能力“涌现”的新阶段。本文在分析军交运输体系概念内涵和体系特征的基础上,运用体系层次划分模型和三阶段过程模型,分别从定义阶段、抽象阶段和实施阶段对军交运输体系建模方法进行了研究,搭建了体系建模总体框架,建立了军交运输体系概念抽象模型,并对军交运输体系问题建模仿真方法进行了分析,为全新规划军交运输体系建设提供了新的途径。     

Annealing adaptive search,cross‐entropy,and stochastic approximation in global optimization

The Annealing Adaptive Search (AAS) algorithm for global optimization searches the solution space by sampling from a sequence of Boltzmann distributions. For a class of optimization problems, it has been shown that the complexity of AAS increases at most linearly in the problem dimension. However, despite its desirable property, sampling from a Boltzmann distribution at each iteration of the algorithm remains a practical challenge. Prior work to address this issue has focused on embedding Markov chain‐based sampling techniques within the AAS framework. In this article, based on ideas from the recent Cross‐Entropy method and Model Reference Adaptive Search, we propose an algorithm, called Model‐based Annealing Random Search (MARS), that complements prior work by sampling solutions from a sequence of surrogate distributions that iteratively approximate the target Boltzmann distributions. We establish a novel connection between MARS and the well‐known Stochastic Approximation method. By exploiting this connection, we prove the global convergence of MARS and characterize its asymptotic convergence rate behavior. Our empirical results indicate promising performance of the algorithm in comparison with some of the existing methods. © 2011 Wiley Periodicals, Inc. Naval Research Logistics, 2011