基于OrCAD／PSPICE的二阶系统阶跃响应仿真实验

传统实物实验由于受实验条件的限制，实验项目往往开设数量有限，实验内容更新缓慢，不利于学生设计能力和创新能力的培养。仿真实验是以软件为实验平台，具有扩展性，与实物实验相比，既能节省投资，又能根据课程内容需要随时增加实验内容，提高实验教学效果。文章简要介绍了OrCAD／PSPICE实现电子电路仿真的步骤，并详细阐述了利用OrCAD／PSPICE对二阶系统阶跃响应进行仿真分析的方法，为电子电路仿真实验的设计和开发提供了新的平台。     

基于粒子群算法的短期电力负荷预测

根据电力负荷的主要影响因素,考虑了休息日和气候因素的影响,建立了基于粒子群算法(PSO)的级联网络短期负荷预测模型.通过粒子群算法对级联网络的训练进行优化,提高模型的运算速度.结果表明,该方法预测精度较高,效果较好.     

基于系统动力学的防空装备体系优化模型

运用大系统理论研究防空装备体系的优化问题。基于系统动力学理论,通过对系统状态描述、结构分析设计和定量关系控制,建立体系优化模型,评估防空装备体系的系统效能。仿真结果表明此方法和所建模型是合理有效的,对装备体系优化具有适用性。     

以聚二烯丙基二甲基氯化铵为探针测定人血清中总蛋白的含量

通过共振光散射(RLS)技术, 将聚二烯丙基二甲基氯化铵(PDDA)作为探针应用于人血清中总蛋白含量的测定. 在一定的人血清白蛋白(HSA)浓度范围(2.35×10^-8-~1.17×10^-6mol/L)内, HSA PDDA体系的RLS强度随HSA浓度的增加而增加, 并具有一定的线性关系. 将该方法应用于实际人血清中总蛋白含量的测定, 其结果与考马士亮蓝法得到的结果进行对比, 较为满意.     

磷酸化壳聚糖/海藻酸复合膜蛋白吸附的QCM研究

以五氧化二磷、甲烷磺酸为反应试剂,均相制备磷酸化壳聚糖;红外光谱、核磁共振显示其磷酸根的取代位为6位羟基,耦合等离子发射光谱测试磷酸化壳聚糖的取代度为0.22,比浊法测定等电点为pH 5.0.磷酸化壳聚糖和海藻酸通过静电作用制成复合膜后,石英微晶天平(QCM)评价膜对血液中纤维蛋白原、白蛋白及血小板的吸附作用,与单纯壳聚糖膜相比,复合膜对纤维蛋白原和血小板的吸附量减少,对白蛋白的吸附量增多.磷酸化壳聚糖与海藻酸复合膜具有一定抗凝血性的特征,为以后进一步研究工作奠定基础.     

武汉市"十一五"规划战略环境评价实践

以武汉市"十一五"规划战略环境评价为例,探讨了我国城市国民经济和社会发展规划战略环境评价的技术路线、指标体系与评价方法.研究表明,对城市空间布局、产业布局、产业结构以及城市交通的环境适宜性进行综合评价是这类规划战略环境评价的重要特征;互动式的评价模式能使环境因素及时、有效地纳入到决策过程中;指标体系是预测评价的基础,指标的选择除考虑科学性、代表性外还应强调可获得性、可量化性及可考核性.     

On the monotone iterative method for set valued equation

This paper deals with the monotone iterative method for set-valued operator equation in ordered normed space. Some results for the case of single valued operator are generalized here, as an application, a discontinuous nonlinear differential equation problem is discussed. Foundation item: Supported by the Naional Natural Sciences Foundation of China Biography: TIAN Yan (1970-), male, Ph.D. candidate, research interests are in numerical analysis for PDE     

土木工程专业开放实验教学的探讨

土木工程专业的实验教学学时少并且内容与工程实验有差距,为了弥补学生实验知识结构的不足,通过开放实验室对土木工程专业学生进行工程实验的教学可以解决这一问题.     

关于非频带有限随机信号的采样级数的逼近

香农采样定理可以恢复确定性频带有限信号.而真实信号经常是非频带有限的,这类信号可以被看作边带趋于无穷的频带有限信号.除了确定性型号,平稳的随机信号在许多领域发挥了重要作用.为了解决非频带有限的平稳过程的采样问题,借助香农采样定理,获得当功率在频域衰减时该类信号的采样级数,并求得该级数分别满足均方收敛和以概率1收敛的条件.     

Learning multivariate time series causal graphs based on conditional mutual information

Detection and clarification of cause-effect relationships among variables is an important problem in time series analysis.This paper provides a method that employs both mutual information and conditional mutual information to identify the causal structure of multivariate time series causal graphical models.A three-step procedure is developed to learn the contemporaneous and the lagged causal relationships of time series causal graphs.Contrary to conventional constraint-based algorithm, the proposed algorithm does not involve any special kinds of distribution and is nonparametric.These properties are especially appealing for inference of time series causal graphs when the prior knowledge about the data model is not available.Simulations and case analysis demonstrate the effectiveness of the method.