关于Beltrami方程组的很弱解

从考虑向量值函数的每一个分量出发,将Ｂｅｌｔｒａｍｉ方程组转化为一类散度型椭圆组;从而来建立Ｂｅｌｔｒａｍｉ方程组很弱解的正则性：存在可积指数ｒ１和ｒ２,１＜ｒ１＜ｎ＜ｒ２＜∞,使得方程组在低于自然可积指数Ｓｏｂｏｌｅｖ空间Ｗ１,ｒ１ｌｏｃ（Ω,Ｒｎ）中的很弱解,都属于空间Ｗ１,ｒ２ｌｏｃ（Ω,Ｒｎ）,即：ｆ仍是经典意义下的弱解     

出芽短梗霉的原生质体形成及再生研究

采用多因素实验正交优选法对出芽短梗霉（Ａｕｒｅｏｂａｓｉｄｉｕｍｐｕｌｕｌａｎｓ）的原生质体制备和再生条件进行了研究．发现在用ＹＥＰＤ作生长培养基,菌龄２４ｈ,复合酶处理（含０．２５％（ｗ）蜗牛酶＋０．２５％（ｗ）纤维素酶）,０．６ｍｏｌ／ＬＫＮＯ３作渗透压稳定剂的情况下,原生质体制备率最高,酶解１ｈ,制备率为１００％,再生率为０．３５％．如用ＰＤＡ为再生基础培养基,在添加５０ｍｍｏｌ／ＬＣａＣｌ２,１．０％（ｗ）ＰＥＧ（ＭＷ６０００）等再生促进因子的情况下,再生率可提高到１．２３％     

用球面Jackson多项式刻划Besov空间

记Ｓｎ－ １ 为ｎ（ｎ ≥３） 维欧氏空间Ｒｎ 中的ｎ － １ 维单位球面,Ｘｐ （Ｓｎ－ １） 为Ｓｎ－ １ 上的ｐ（１ ≤ｐ ≤∞） 幂可积函数空间,或连续函数空间,并记Δ＝ ｛ｇ（ｘ）｜ｇ,Δｇ ∈Ｘｐ （Ｓｎ－ １）｝,Δｆ ＝ ｎｉ＝ １２ｇ（ｘ）ｘｉ２ ｜｜ｘ｜＝ １,ｇ（ｘ） ＝ ｆ（ ｘ｜ｘ｜）．作Ｋ 泛函Ｋ（ｆ,δ）ｐ ＝ ｉｎｆｇ∈Δ｛‖ｆ － ｇ‖ｐ ＋ δ‖ｇ‖Δ｝以及Ｂｅｓｏｖ 空间（Ｘｐ ,Δ）θ,ｑ（０ ＜ θ＜ ２,１ ≤ｑ ≤∞）,则有下面的（ｉ）,（ｉｉ） 为等价的：（ｉ）　ｆ ∈（Ｘｐ ,Δ）θ,ｑ;　（ｉｉ）　［∞ｖ＝ １（ｖθ‖Ｊｖ,ｓ（ｆ） － ｆ‖ｐ）ｑ １ｎ ］１ｑ ＜ ＋ ∞当ｑ＝ ∞时,ｆ ∈（Ｘｐ ,Δ）θ,∞‖Ｊｖ,ｓ（ｆ）－ ｆ‖ｐ ＝ Ｏ（ｖ－ θ）,其中Ｊｖ,ｓ（ｆ）为球面Ｊａｃｋｓｏｎ 平均。     

无偏直接PGM（1，1）模型及其优化

无偏直接GM（1,1）模型在原始数据为纯指数序列时能保持无偏性,但在原始数据为近似指数序列时,不是最佳无偏直接GM（1,1）模型．提出了一种无偏直接PGM（1,1）模型,并以模式搜索法求解最佳权值P,同时由于无偏直接GM（1,1）模型默认经过了初始点,因此对初始值进行了修正,结合具体数据将无偏直接GM（1,1）模型与无偏直接PGM（1,1）模型进行了比较,结果表明无偏直接PGM（1,1）模型优于无偏直接GM（1,1）模型．     

基于改进蜂群算法和灰色模型的管道腐蚀预测

为了解决缺少大量数据样本情况下油气管道剩余寿命预测问题,采用GM（1,1）模型预测管道腐蚀趋势。考虑到GM（1,1）模型自身存在的缺陷,采用指数变换预处理原始数据和动态生成系数重构背景值两种方法改进GM（1,1）模型的建模过程,并运用改进的蜂群算法（IABC）求解全局最优动态生成系数,进而建立改进的蜂群算法优化的指数变换灰色模型（IABC-EGM（1,1））。利用弯头测厚数据进行验证分析,GM（1,1）模型的平均相对误差为4.92%,IABC-EGM（1,1）模型的平均相对误差为2.28%,表明模型的预测精度得到了提高。     

8W教学模型在医学生信息素质培养中的应用

该文首先介绍国内外医学生信息素质教育现状,其次阐述信息素质的8W教学模型的八个阶段,即Watching（探究）、Wondering（提问）、Webbing（搜索）、Wiggling（评价）、Weaving（综合）、Wrapping（创造）、Waving（交流）和Wishing（评估）,然后根据该教学模型实施《医学信息检索》教学改革并建立医学生信息素质8W教学模型,最后进行讨论,研究表明该模型对于培养医学生信息素质起着非常有效地作用。     

GSM(m,1)(m=1,2)模型的结构及数值解

本文用样条函数对GM（m,1）（m=1,2）模型的残差序列进行插值拟合,然后作用于二阶线性微分方程,并以此修正原模型,得到了GM（m,1）（m=1,2）模型的数值解     

具有白指数律重合性的GM(1,1)的建模方法

利用灰色模型的级差格式的概念,找到了GM（1,1）模型的背景函数,从理论上说明了GM（1,1）模型与GM（1,1）逐步优化直接建模加速方法两者的关系,GM（1,1）逐步优化直接建模加速方法是一个近似精确级差格式,而原GM（1,1）模型在模型曲线接近直线时是一近似精确级差格式。以此为基础,并通过实例说明了GM（1,1）模型的有效性,及累加生成可降低误差的影响,增强规律性。     

基于遗传算法的SCGM(1,1,α)优化模型

在SCGM（1,1）模型的基础上,对系统云灰色预测模型作进一步推广,建立了更具一般性的SCGM（1,1,α）模型,并给出了求解最优SCGM（1,1,α）模型的遗传算法,实例证明用SCGM（1,1,α）优化模型进行预测能取得很好的预测精度。     

基于自相关的GM（1，1）与GM（1，N）联合模型优化及应用

分析基于自相关理论的GM（1,1）与GM（1,N）联合模型,将仅适合GM（1,1）模型的数据拓展到适合GM（1,N）模型。用数值积分中的Simpson公式来重建GM（1,1）与GM（1,N）的联合模型,在参数辨识过程中引入累积法,降低线性方程组系数矩阵的条件数,使联合模型求解更加稳定,提高了模拟及预测精度,并且克服了原GM（1,N）模型必须获得预报时刻点相关数据列的值的缺陷,有利于新息GM（1,N）模型的应用。数值实验结果表明,优化后模型数值稳定性好,其系数矩阵的条件数在数值上比通用的最小二乘法有所降低,且模拟平均相对误差也有所降低,预测精度得到提高。     

GM(1,1)模型的性质及改进

在对GM(1,1)模型进行分析的基础上,经过理论推导,得出了初始数对预测没有影响的结论,对GM(1,1)模型进行改进,给出了GM(1,1)模型Ⅰ。当向原始序列添加相同的数字时,预测值将更改,由此提出了GM(1,1)模型Ⅱ,利用粒子群算法,得到最佳的增加量。仿真结果表明,GM(1,1)模型Ⅰ和模型Ⅱ具有较高的精度。     

隧道围岩变形EMD灰色系统预测模型研究

基于经验模态分解降噪原理,建立了EMD灰色系统GM(1,1)预测模型, 使EMD方法与灰色系统GM(1,1)预测模型很好地相结合,有效地降低了原始监测数据内噪声干扰对预测结果的影响,并结合梅花山隧道工程实际,对EMD灰色系统GM(1,1)预测模型进行了检验。研究结果表明：EMD灰色系统GM(1,1)预测模型环境适应能力较强,预测结果与实际监控数据吻合程度较高,是隧道工程围岩变形动态预测较为有效方法,具有较好的工程实用价值。     

灰色系统SCGM(1,h)c模型的拓广

对于一类贫信息耦合多因子系统,建立了灰色系统ＳＣＧＭ（１,ｈ）ｃ模型的三种拓广模型,即ＳＣＧＭ（２,ｈ）ｃ模型、ＳＳＣＧＭ（１,ｈ）ｃ模型、带有时滞的ＳＣＧＭ（１,ｈ）ｃ模型,并给出了参数辨识算式及解     

融合弹性腔与弹性管模型的上肢血管系统建模仿真

针对弹性管模型适用于模拟大中型动脉血管,不适用于模拟微小型动脉血管问题,对人体上肢血管系统建立一种弹性管与弹性腔融合模型,从而提高其模型的精度.首先分别在肱-桡动脉段建立弹性管模型,在桡-指动脉段建立弹性腔模型;然后在两模型的接触面处应用血管压力和血液流量的连续性原理,建立二者联系,导出融合模型;最后对比分析弹性管模型和弹性管与弹性腔融合模型的仿真性能.在PRD,H1,H2,t1和t 2评价指标下,弹性管与弹性腔融合模型(PRD:(4.0±2.0)%;t1:(2.5±1.7)%;t2:(3.1±1.9)%;H1:(1.9±2.1)%;H2:(1.3±1.3)%)的仿真波形和实测波形误差均低于弹性管模型(PRD:(16.5±8.3)%;t1:(3.4±2.4)%;t2:(4.5±3.7)%;H1:(22.1±14.9)%;H2:(19.7±15.3)%).结果表明,弹性管与弹性腔融合模型能够更精确地模拟人体上肢血管系统的生理状态.     

灰色系统SCGM(1，h)c模型的拓广

对于一类贫信息耦合多因子系统,建立了灰色系统SCGM(1,h)     

处理SEAR(1)模型的升维方法

本文讨论了一类广义非正态时间序列模型——季节性新指数自回归模型SEAR(1),利用升维的方法将其化为一个随机系数的平稳自回归模型,在此基础上给出了模型参数的相容估计。     

多变量灰色模型在预测中的应用

单变量的GM(1,1)模型用于单一时间序列的建模与预测,而MGM(1,n)模型是对GM(1,1)模型在多元变量情况下的自然推广,通过对MGM(1,n)模型建立过程以及应用方法的示例,来说明该模型的现实应用价值.     

多因子预测模型在连续梁桥中的应用

为解决在连续梁桥施工过程中,对施工过程中的挠度和应力进行预测和控制这一问题.建立SCGMmv(1,h)是基于均值生成时序的多因子预测模型.将SCGMmv(1,h)预测模型与具体工程相结合,利用挠度与应力的相互关联,预测挠度值与应力值,并与GM(1,1)预测模型的预测值进行对比.实例结果表明,SCGMmv(1,h)多因子预测模型在连续梁桥施工过程中,对挠度与应力的预测是可行有效的.     

关于D波奇异介子的混合

在π2(1 670),η2(1 870)和η2(1 645)属于11 D2介子九重态的前提下,利用质量矩阵和非相对论组分夸克模型,对同位旋二重态K(1 D2)的质量给予讨论,二者的结果符合的很好.在此基础上,利用混合模型估算出D波介子中K(1 D2)与K(3 D2)间的混合角约为零度.而后,通过3 P0衰变模型计算K2(1 770)和K2(1 820)的部分衰变信息并与PDG提供的实验数据进行比较,建议目前实验上提供的衰变信息还不足以确定二者的混合程度.