一类空时分数阶混合(1+1)维KdV方程的精确解

本文考虑一类具有修正Riemann-Liouville分数阶导数的空时分数阶混合(1+1)维KdV方程.利用分数阶复变换,本文将非线性分数阶偏微分方程转化为非线性常微分方程,然后应用首次积分法和Maple软件得到了该方程的精确解.     

再装条款下基于效用无差别方法的经理股票期权定价

"不可交易"是经理股票期权(ESO)的重要特征之一.受制于此,经理股票期权无法通过对冲其标的资产来完成定价.考虑一类具有再装条款的经理股票期权,基于效用无差别方法,运用随机控制理论,推导出了定价模型满足的Hamilton-Jacobi-Bellman(HJB)方程,并运用格林函数,计算得到了经理股票期权无差别价格的解析解.最后,对模型的解析解进行了参数分析.     

超高效液相色谱-三重四极杆串联质谱法检测全血中常见安眠镇静类药物

建立了超高效液相色谱-三重四极杆复合线性离子阱质谱快速筛查确证全血中49种安眠镇静类药物.样品前处理采用固相支撑液液萃取法.色谱条件：色谱柱为Waters C18(2.1 mm×50 mm, 1.7μm),以5 mmol/L乙酸铵-(体积分数为0.1%)甲酸水溶液(A),甲醇(B)为流动相,进行梯度洗脱.在0.1～200.0 ng/mL内,49种常见药物展现出良好的线性关系(R²>0.99),最高检出限为0.1 ng/mL;最高定量限为0.5 ng/mL;全血基质中50、100、200 ng/mL 3个加标水平下回收率为65.9%～109.0%,日内精密度为2.0%～17.6%、日间精密度为2.0%～16.3%.该方法可应用于生物检材中49种常见安眠镇静物质的检测.     

基于改进XGBoost不平衡围岩超前分类方法的隧洞工程施工仿真研究

为了在围岩类别不平衡的条件下实现围岩类别有效判断,进而提高隧洞工程施工仿真准确性,基于改进极限梯度提升(XGBoost)不平衡围岩超前分类方法进行隧洞工程施工仿真研究。采用自动邻域确定合成过采样(AND-SMOTE)方法优化围岩类别不平衡性,并采用改进的XGBoost不平衡围岩超前分类模型进行围岩超前分类,进而优选仿真参数,提高仿真结果的准确性,其中,以模型交叉验证平均准确率为目标,采用哈里斯鹰优化(HHO)算法自动优化XGBoost超参数,以提高围岩分类精度。工程应用表明,相比未改进的XGBoost不平衡、KNN、SVC等6个模型,改进的XGBoost不平衡围岩超前分类模型分类精度更高;考虑围岩类别不平衡性后,改进的XGBoost不平衡围岩超前分类模型分类精度提高了8.6%;此外,基于围岩超前分类的隧洞工程施工仿真结果与实际进度的相对偏差相比传统仿真降低了11.3%,更符合工程实际。     

一种新型螺旋变形软体驱动器建模方法及应用

软体驱动器的变形方式主要为弯曲、伸缩变形,限制了软体驱动器的灵活性。为了提高软体驱动器的操作灵活性,提出一种新型的螺旋扭转变形软体驱动器。通过拉线驱动软体变形,骨架限制驱动器产生螺旋变形,实现驱动器末端在三维空间中的可控运动。基于常曲率连续软体运动学理论及螺旋扭转变形的几何关系,建立了一种适用于常曲率螺旋变形运动学模型,获取在全局坐标系下驱动器末端的坐标变换矩阵,实现对驱动器位姿的描述。通过仿真和实验数据验证,模型精度大于98%。为螺旋扭转变形驱动器的控制建立精确的运动学模型,为未来基于此软体驱动器的超高灵活性抓手的搭建提供了理论模型基础。     

基于事件异构图表示的文本去重算法

基于图结构的文本表示方法在新闻文本去重中具有更好的效果.但是,目前该表示方法还不能完整地表示文本的全部信息,并且忽略了图的语义信息,降低了新闻文本的去重效果.为此,本研究提出基于事件异构图表示的文本去重算法,该算法首先通过事件异构图表示新闻文本的全局语义与结构信息,然后提出双标签图核算法表征事件异构图,实现深度表征图的结构及语义信息.实验结果表明,该研究提出的去重算法比现有的基于图结构的文本表示去重方法在F1-score指标上提升了10%.最后,该算法能提高新闻文本的去重效果.     

改进型VGG算法对小样本路面破损的分类识别

为解决小样本沥青路面破损图片在分类识别中存在的识别精度差的问题,选择常见的5种路面破损类型,提出了一种基于VGG的浅层深度卷积神经网络模型的路面破损图像分类方法. 首先,将采集到的图像集进行预处理并自制成数据集. 其次,设置三种不同的批处理量尺寸和两种不同的网络层数作训练,选择最适合该网络模型的尺寸,得到浅层VGG模型. 将处理后的路面图片直接作为模型的输入,作模型的训练、验证及测试. 最后,将模型试验结果与支持向量机及目前主流的深度卷积神经网络模型的试验结果进行对比. 结果表明：浅层VGG模型在训练集、验证集及测试集的分类准确率接近,对路面破损图像的分类识别准确率都达到98%以上,表现出模型良好的识别能力;与支持向量机及目前主流的网络模型试验结果相比,浅层VGG网络模型训练耗时少且泛化能力更强,模型提取到的特征更丰富,可获得更加全局的信息. 可见,浅层VGG模型在对小规模图像的分类识别中具有显著优势,同时相比其他方法更具鲁棒性,结果更精确.     

含钛高炉渣水解制取钛白的动力学研究

在实验基础上确立了含钛高炉渣水解制取钛白过程中钛液ＴｉＯＳＯ４浓度随时间的变化关系，经数学分析建立了动力学方程并讨论了方程的适应性。为信水解过程听进一步研究和生产实践提供了数据。     

尖瓣瑞香脂溶性成分的研究

从尖瓣瑞香茎中分得４个结晶成分（ＤＡ－１－ＤＡ＿４），利用化学和波谱方法分别确定为香豆素类成分瑞香辛、伞形花内酯、瑞香素和双黄酮ｄａｐｈｎｏｄｏｒｉｎＢ（ＤＡ－４），均系首次从该植物中得到。     

形状优化中基于物理模拟的参数化方法

提出了一个同时改变多个控制点和权因子的ＮＵＲＢＳ曲线形状修改方法．该方法用物理方法对齐次坐标系中ＮＵＲＢＳ曲线的控制多边形进行运动模拟，运用有限元法求解模拟系统的振动模态，并将ＮＵＲＢＳ的控制点和权因子映射到模态坐标系，然后根据模态坐标控制ＮＵＲＢＳ的形状．在形状优化中，这种方法可以减少设计变量，防止边界形状奇异．