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：为明确不同种植模式(全年休闲、双季稻、双季玉米、双季高粱)对镉污染稻田土壤镉动态的影响,并比较各种植模式对土壤镉的移除效果,于2016年在湖南湘潭县中度镉污染稻田开展了大田试验.结果表明:各处理间土壤全镉含量差异不明显;与全年休耕处理相比,双季稻收获后土壤有效镉含量降低,而双季玉米与双季高粱处理有所提高,以双季高粱处理表现更明显.稻米镉含量明显超标,而玉米与高粱籽粒镉含量低于国家标准.作物全年镉累积量呈现双季高粱>双季水稻>双季玉米趋势.可见,双季高粱(头季+再生季)对土壤镉的活化与移除效果最好,且其籽粒镉含量低于国家标准,是中度镉污染稻田的理想替代种植模式.