MLINEX损失下k阶Erlang分布参数的Bayes估计

在MLINEX损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计,并证明其容许性.给出了在MLINEX损失下得到了k阶Erlang分布参数的Bayes估计的精确表达式,并且通过随机模拟检验参数Bayes估计的合理性和优良性.     

1000W超超临界二次再热机组火用分析

针对国内某电厂1 000 MW超超临界二次再热机组的火用分布情况进行了研究.利用ASPEN PLUS软件建立机组模型,根据火用平衡方程,计算火用损失和火用效率,确定系统中能量损失的主要部位,为该电厂的运行优化和节能技术改造提供科学依据.研究结果表明:锅炉炉内燃烧火用损最大,其次是炉内换热面;汽轮机火用损主要集中在超高压缸和低压缸;该机组回热加热系统的火用效率较常规机组火用效率高约2.8%;低压缸更低的排汽参数使该机组凝汽器火用损约是常规一次再热机组的50%,能级利用更加合理.     

蒸汽管道热损失的测试及分析研究

利用热流密度法对兰州石化的两条蒸汽管线保温进行了现场测试,根据测试结果,通过经济效益的对比分析,阐明了保温改造的必要性。从测试结果可见,按照国标要求进行保温改造,每年可节约能源成本62.38万元。     

基于低秩双线性池化注意力网络的舰船目标识别

针对多模态舰船图像融合识别质量不高等问题，构建了一种端到端的低秩双线性池化注意力网络。首先对各模态原始特征向量基于跨模类别中心进行注意力加权重构，使不同模态特征更好地关注公共类别信息；然后采用双线性池化捕获不同模态图像的交互信息，并引入权重低秩分解降低网络参数规模；最后依靠特征级联实现模态信息的交互与互补，并设计联合损失提升网络跨模态融合识别效果。实验结果表明，相比现有融合方法，所提方法可有效提升多模态遥感舰船图像的融合识别效果，在公开的遥感舰船数据集上取得了较高的识别准确率。     

跨境资本流动是否影响银行贷款损失准备计提?

防范及化解跨境资本流动对银行业的冲击是守住不发生系统性风险底线的重中之重,也是实现中国经济高质量发展的重要保障.本文基于银行风险承担模型,构建了跨境资本流动与银行贷款损失准备计提的局部均衡模型,并选取2010–2020年中国163家商业银行年度数据,采用面板回归模型对跨境资本流动对银行贷款损失准备计提的影响及其作用机制进行实证分析.研究表明:1)跨境资本流动对银行贷款损失准备计提具有抑制作用.相对于国有银行与城农商行,跨境资本流动对股份制银行贷款损失准备计提的抑制力度更大. 2)存贷比约束与信贷配给在跨境资本流动与银行贷款损失准备计提的关系中承担着双重中介作用,跨境资本流动主要通过加大存贷比约束及提高信贷配给规模渠道来抑制银行贷款损失准备计提,“跨境资本流动-存贷比约束/信贷配给-银行贷款损失准备计提”的传导渠道均有效.3)汇率政策不确定性与银行业景气度对两者关系均存在正向调节作用,汇率政策不确定性与银行业景气度的提高均会加剧跨境资本流动对贷款损失准备计提的抑制作用. 4)针对跨境资本不同流向的研究发现,跨境资本流入规模加大会降低银行贷款损失准备计提水平,跨境资本流出规模加大会助推银行...     

全球卫星导航系统数字中频信号再量化方法

GNSS抗干扰技术需要采用高位A/D量化,而现有接收机往往采用低位A/D量化,即在抗干扰前后采用不同A/D量化位数。为了不改变GNSS接收机的现有结构,因此需要研究如何将高位量化数字信号转换为低位量化数字信号。针对传统直接截取法带来信噪比损耗的问题,提出了一种基于自适应门限的GNSS数字中频信号再量化方法,该方法通过转换后低位信号的最佳概率分布即高斯分布不断调整再量化门限值,根据该门限值对高位数字信号进行再量化。理论分析并仿真比较了传统截取法和新方法再量化损耗,结果表明新方法具有更小的再量化损耗,并且针对提出的再量化方法对卫星信号进行捕获仿真,证明了该方法真实可行。     

一类带有稀疏过程的混合双险种最优再保险

在稀疏相关风险模型基础上,将调节系数视为成数与超额赔款混合再保险中保险人自留额的函数,通过最大化调节系数得到保险公司的最优自留额。     

基于全社会成本评估的输煤输电经济比较

分析了输煤和输电全社会成本的构成,将系统投资成本、燃料成本、环境损失成本、可靠性成本之和定义为全社会成本,并提出输煤和输电全社会成本的评估框架,根据单位供电量的全社会成本进行输煤输电经济比较.已有的系统运行模拟方法计及了机组组合优化模型和安全约束经济调度模型,可以详细评估输煤和输电每一时段的燃料成本、环境损失成本和可靠性成本.评估了输煤与特高压直流输电的具体算例,详细分析了输电线路年利用小时数、环境损失成本和可靠性成本对输煤和输电经济比较的影响.结果表明在输煤输电的比较中,考虑可靠性和环境因素是非常必要的.     

基于空间注意力的文本超分辨率重建算法

自然场景的文本识别在深度学习的推动下发展迅速,但是大多数文本识别算法都无法在低分辨率条件下使用,为了解决这个困境,本研究将超分辨率重建技术作为预处理手段加入到文本识别中,并提出一种针对文本识别领域的超分辨率重建网络,利用像素级注意力机制使超分辨率重建网络专注文本相关信息,同时利用文本识别网络的先验信息构建感知损失,辅助超分辨率识别网络的训练,将低分辨率图片的识别率从66.38%提升到78.99%.