无线广播网络的可靠性的一个算法

提出了一个无线广播网络（Ｒａｄｉｏ－ＢｒｏａｃｄｃａｓｔＮｅｔｗｏｒｋ，ＲＢＮ）的概率有向图模型，利用该模型，证明了计算ＲＢＮ的２终点可靠性是个ＮＰ－困难问题，进而提出几个保何靠性约化（Ｒｅｌｉａｂｉｌｉｔｙ－ＰｒｅｓｅｒｖｉｎｇＲｅｄｕｃｔｉｏｎ）和一个计算ＲＢＮ的２－终点可靠性的因子算法。     

概率法在岩性气藏储量风险评估中的应用

苏里格气田属于典型的致密岩性气藏,储层横向变化快、非均质性强,利用确定法难以客观评估储量风险。为此以气田X区为例,采用概率法开展储量风险评估研究,通过各变量的概率分布函数和多次随机模拟计算,定量评估气藏参数的不确定性和不同风险对应储量规模,结合单因素敏感性分析,明确气藏主要风险因素,优化地质模型计算的储量结果。研究表明,（1）概率法模拟计算的地质储量概率分布,提供了不同风险下的地质储量,有助于投资决策和开发方案制定;（2）参数变量的敏感性分析能确定影响各层储量结果的主要参数,对参数敏感性进行排序,估算变量变化区间对储量结果的影响,实现缩短储量评价周期和提高评价准确性;（3）地质模型储量与概率法的基准储量（P₅₀）进行对比,结合单因素敏感性分析,调整模型属性参数,优化后的X区各小层地质模型储量与基准储量的误差均在10%以内。概率法对岩性气藏给出不同风险下的储量规模,能客观评估储量风险,优化地质模型。     

高温超导临界电流密度Jc测量中的自场效应

讨论了高温超导临界态模型（Ｂｅａｎ模型）中的自场效应。通过计算和分析,得到了临界电流密度的测量值Ｊｃｅｘｐ（Ｂａ）。发现Ｊｃｅｘｐ（Ｂａ）与其真实值Ｊｃ（Ｂａ）之间在低外场时存在着较大的差异,从而解释了实验中发现的利用临界态模型测量高温超导体临界电流密度的值比直接测量值要小的现象。并提出了一种对实验测量值Ｊｃｅｘｐ（Ｂａ）进行修正的方法。     

基于BSP的并行对象-关系型数据库的分析和设计

以含幺半群演算（Ｍｏｎｏｉｄ ｃａｌｃｕｌｕｓ）为基础,构造了统一的数据模型。该模型形式简单,表达能力强,容易扩充,几乎能表示所有ＳＱＬ３和对象查询语言（ＯＱＬ）查询。以块同步并行（ＢＳＰ）模型为通用并行环境,设计、分析了多种一维数据颁方法,采用较适合ＢＳＰ的（ａ,ｂ）－树作为存储结构,并对查询优化、事务处理及主要数据库操作（如Ｊｏｉｎ算法、外部排序算法）等进行了分析。结果表明,结合Ｍｏｎｏｉｄｃ     

高温超导临界电流密度J_c测量中的自场效应

讨论了高温超导临界态模型（Ｂｅａｎ模型）中的自场效应．通过计算和分析，得到了临界电流密度的测量值Ｊｃｅｘｐ（Ｂａ）．发现Ｊｃｅｘｐ（Ｂａ）与其真实值Ｊｃ（Ｂａ）之间在低外场时存在着较大的差异，从而解释了实验中发现的利用临界态模型测量高温超导体临界电流密度的值比直接测量值要小的现象．并提出了一种对实验测量值Ｊｃｅｘｐ（Ｂａ）进行修正的方法．     

基于二次逼近的神经模糊模型研究

针对非线性系统的辨识，提出了一种基于二次逼近的神经模糊模型，阐述了该模型的结构、算法和应用特点．它能有效地克服ＢＰ（Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ） 算法的缺陷，提高辨识模型的动态补偿能力．通过仿真实例对该方法的特点和性能进行了验证，表明新的模型具有较好的实际逼近精度和适应能力．     

双曲域上α－Bloch函数的若干特征

设Ｄ是复平面Ｃ上的双曲域，０＜ａ＜∞，Ｂ（Ｄ），ＱＢ￣ａ（Ｄ）分别表示双曲域Ｄ上。－Ｂｌｏｃｈ空间和ａ－拟Ｂｌｏｃｈ空间，本文给出了关于的几个条件（ｎ＝２，３……）。     

重现光彩的Basic语言

Ｂａｓｉｃ语言是美国Ｍｉｃｒｏｓｏｆｔ公司的产品, 在我国曾经风靡一时, ８０ 年代在各高校均作为计算机专业主流入门课程来讲授。由于Ｂａｓｉｃ语言自身的功能太弱, ８０ 年代末, 尽管Ｍｉｃｒｏｓｏｆｔ公司不断推出Ｔｒｕｅ Ｂａｓｉｃ和Ｑｕｉｃｋ Ｂａｓｉｃ等软件, 但是Ｂａｓｉｃ的用户还是不断减少, 连入门教学语言的地位都已经被Ｐａｓｃａｌ语言所取代。直到９０ 年代Ｍｉｃｒｏｓｏｆｔ公司重新包装Ｂａｓｉｃ语言, 重拳推出了ＶｉｓｕａｌＢａｓｉｃ （简称ＶＢ）, 特别是１９９７ 年ＶＢ５．０ 版本问世后, Ｂａｓｉｃ语言才重新焕发了光彩。     

用于变压器故障特征气体分析的气敏阵列传感系统

提出将气敏元件阵列技术和径向基函数神经网络（Ｒａｄｉａｌ Ｂａｓｉｓ ＦｕｎｃｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ，ＲＢＦ－ＮＮ）相结合，以检测电力变压器油中的４种微量故障特征气体（１＊１０＾－６－１０＊１０＾－６级Ｈ２、Ｃ２Ｈ４、Ｃ２Ｈ２和５０＊１０＾－６级ＣＯ）。实验结果表明，与目前基于误差反向传播算法（ＥｒｒｏｒＢａｃｋ－ＰｒｏｐａｇａｔｉｏｎＡｌｇｏｒｔｈｍ，ＢＰ）神经网络的气体分析结果相比     

加强计算机网络安全管理防止黑客对网络的攻击

加强计算机网络安全管理防止黑客对网络的攻击中国科学院兰州高原大气物理研究所安学敏近期我们在工作中碰到了一起计算机黑客病毒ＢＯ（ＢａｃｋＯｒｉｆｉｃｅ）进入网络微机的事件，值得庆幸的是因有关部门的及早发现，未造成严重恶果。这是在我省首次从网络上发现并查...     

模糊神经网络中长期负荷预报研究

采用动量法、自适应学习率和异变换函数对BP算法进行改进,并通过模糊神经网络对中长期负荷进行预测,还针对BP算法中隐层节点难以确定的不足,大胆采用预测误差曲面方法,使隐层节点个数选择具有科学的依据,算法计算表明,采用模糊神经网络提高了预测精度。     

一种求解定容封闭气藏任意时刻地层压力的实用方法

地层压力是气藏地质研究和评价、储量计算、产能计算和评价、动态分析等多项科研工作的重要参数.依据定容性封闭气藏物质平衡方程,在已知天然气密度、原始地层压力和地层温度等条件下,通过偏差因子软件计算得到地层温度恒定条件下地层压力与偏差因子的关系以及地层压力与气藏的拟压力之间的关系曲线,利用累积产量数据得到计算任意时刻气藏地层压力的新方法.生产实践表明该方法简单实用,计算结果精度高,从而减轻了测试工作量,同时为科研工作和生产管理带来方便.     

有水气藏开发早期动态储量计算方法研究

某地区须家河组有水气藏开发早期气水关系复杂,气井普遍产水,动态储量一直难以确定。根据低渗有水气藏生产动态及渗流特征,分析应用弹性二相法、压降法不能计算其动态储量。气井产水使气藏供气能力不足,气井生产制度不合理,造成用弹性二相法计算的动态储量偏低;产水气井和水淹井测得地层压力值偏低,导致压降法计算的动态储量必然误差较大。针对两种方法的缺点,建立了更适合产水特征的物质平衡方程,提出了计算有水气藏动态储量新方法——产量不稳定分析法,在计算过程中避免了"假拟稳态"的出现和实时测量井底流压的困难。通过实例分析研究表明,该方法计算简单、实用、准确,为气井的合理配产提供依据,对有水气藏的开发具有重要意义。     

一种提高低渗透非均质多层油藏水驱储量动用程度的有效方法

提高低渗透非均质多层油藏水驱储量动用程度是高效开发此类油藏的主要措施方向.基于此类油藏存在启动压力梯度,每一层都有一极限注采井距的情况,充分考虑多层低渗油藏的纵向非均质性,建立了多层低渗油藏水驱储量动用程度计算模型,分析了影响纵向非均质多层低渗油藏水驱储量动用程度的因素,指出缩小井距和增大注采压差是提高其水驱储量动用程度的有效方法.方法简便、实用、易操作.     

液化气船液罐鞍座温度场的有限元计算

本文采有四边形９节点等参单元有限元法编制了一通用程序,它适用于任何二维“场”问题分析．对任意形状、不同边界条件,它都能较精确地进行处理,具有网格自动生成和编号的功能,能打印出每个节点的温度值,并画出各种鞍座的等温线簇．它的精度远高于常规的三角形单元,在３８６微机上的运行时间在５ｍｉｎ左右,一次最多可计算５３０个点．     

Diagnosis of multiple faults using a double parallel two-hidden-layer extreme learning machine

Multiple faults are easily confused with single faults.In order to identify multiple faults more accurately,a highly efficient learning method is proposed based on a double parallel two-hidden-layer extreme learning machine,called DPTELM.The DPT-ELM method is a variant of an extreme learning machine(ELM).There are some issues with ELM.First,achieving a high accuracy requires too many hidden nodes;second,the direct connection between the input layer and the output layer is ignored.Accordingly,to deal with the above-mentioned problems,DPT-ELM extends the single-hidden-layer ELM to a two-hidden-layer ELM,which can achieve a desired performance with fewer hidden nodes.In addition,a direct connection is built between the input layer and the output layer.Since the input layer weights and the thresholds of the two hidden layers are determined randomly,this simplifies the improved model and shortens the calculation time.Additionally,to improve the signal to noise ratio(SNR),an adaptive waveform decomposition(AWD)algorithm is used to denoise the vibration signal.Then,the denoised signal is used to extract the eigenvalues by the time-domain and frequency-domain methods.Finally,the eigenvalues are input to the DPT-ELM classifier.In this paper,two groups of rolling bearing data at different speeds,which were collected from a real experimental platform,are used to test the method.Each set of data includes three single fault states,two complex fault states and a healthy state.The experimental results demonstrate that the DPT-ELM method achieves fast learning speed and a high accuracy.Moreover,based on 10-fold cross-validation,it proves to be an effective method to improve the accuracy with fewer hidden nodes.     

基于连续优化蚁群算法的神经网络在喷射器性能预测中的应用

以现有的喷射器实验数据集作为样本,用单隐层前向神经网络预测喷射器的性能,网络的训练分别采用连续蚁群系统(CACS)算法和连续蚁群优化(ACOR)算法.数值实验结果显示,用这两种蚁群算法所训练的神经网络对于喷射器性能的预测精度能够满足实际工程的要求,其中ACOR算法的训练误差小于一般的BP算法,预测精度也有所提高.     

基于HMM与神经网络的声学模型研究

神经网络能依靠权值进行长时间记忆和知识存储,但是对输入模式的瞬时相应的记忆能力比较差;而隐马尔科夫模型的短时记忆的能力比较强,但是假定的前提又与实际情况不符.因此,采用HMM和ANN的混合模型来取双方之长,并在这种混合模型的基础上,对神经网络从结构设计、训练、到训练后期的结构调整进行了全程的优化;应用隐节点剪枝算法,并利用广义的Hebb规则重新确定网络的参数.实验表明,这种混合模型在语音识别中取得了良好的效果.     

一种改进的RBF神经网络混合学习算法

提出一种基于粒子群优化算法、K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法.该算法使用减聚类方法确定隐层节点数,具有自适应确定隐层节点的能力,避免了调整隐层节点的人为干预.通过K-means算法形成粒子群优化(PSO)算法初始粒子群,避免了初始粒子群的随机性,提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数.数值结果表明,改进的混合算法具有更高的分类准确率。