利用ARGO实验寻找GRBs的本底研究

位于西藏羊八井宇宙线观测站(海拔4300 m)的ARGO-YBJ实验具有高海拔、大视场、全覆盖特点,其阈能约几百个GeV,在探测高能GRBs方面具有独特的优势.ARGO-YBJ实验不能分辨光子和质子,要在大量的宇宙线事例中找出光子信号,就必须正确地估计背景事例率,这是寻找高能GRBs的关键.本文采用"等天顶角法"对ARGO实验中寻找GRBs的宇宙线本底进行了分析.由于地球的自转,天顶角随着时间的变化而变化.本文重点分析了长暴在其持续时间内天顶角的变化,从而更加准确地进行了本底估计.     

喀斯特地区水土漏失监测方法评述

水土漏失具有隐蔽性、特殊性和复杂性,有效监测水土漏失是水土漏失研究的难点问题。通过对洞穴滴水示踪、~(137)Cs同位素示踪、模拟试验、数学模型等水土漏失监测方法的分析,得出以下结论:1)洞穴滴水示踪技术监测获得的水土漏失量普遍偏大;2)~(137)Cs示踪法在均质土壤条件下可以定量示踪土壤侵蚀,但还不能定量示踪非均质的喀斯特石漠化地区的水土漏失;3)水土漏失模拟试验可以揭示一定的水土漏失机理和规律,试验结论与自然界土壤地下漏失情况有一定偏差,实验结果还难以推广至流域尺度;4)当前已构建的地下漏失数学模型对于地下水土漏失的预测还不够准确,其原因是数学模型中的某个影响因子的获取难度不亚于直接监测水土漏失的困难。鉴于当前水土漏失监测方法的不足,需要从水文地质勘测的方法中寻找合理的水土漏失监测法,建立长期监测的机制,为有效防治和阻控地下水土漏失提供科学依据。     

跨界合作在电专业大学生创新训练初探

针对大学生创新训练项目存在的宣传、教师指导、学生参与和实施过程中的诸多问题,提出了意见建议和解决办法.其中所提出的跨界合作法融合不同专业的教师资源、学生团队、教学场地和设备,共同完成电专业大学生创新训练项目,并依托该项目逐步参与各级各类大学生创新比赛、成果展.该方法通过首届常州工学院大学生创新训练成果展的实施,结果表明该方法拓宽了学生的专业视野、极大地调动了学生投身科研的积极性、实现教师教学和科研的有效结合.     

宁波市公共自行车服务满意度评价模型构建研究

以宁波市公共自行车为例，将因子分析法与二项logistic法相结合，对采集的1 688份居民满意度有效问卷展开分析。利用因子分析法筛选出6个因子，利用二项logistic法剔除并筛选出5个有效因子构建公共自行车服务满意度评价模型，合理评估当前宁波市公共自行车服务满意度。同时，利用随机抽取并不参与建模的5%问卷样本对评价模型进行校验，以确保模型的准确性与合理性。该研究有助于合理评价当前宁波市居民对公共自行车的服务满意度，同时适用于对未来一段时间内公共自行车服务满意度的预测。     

电商打假背后：中国产业结构亟待升级

任何一个企业成长到一定体量、能影响多个行业生态时,都会在自身经济属性之外具备相应社会责任,如《蜘蛛侠》所言,"能力越大,责任越大",上市之后的阿里巴巴变得成熟了许多,它要做的已不仅是追求经济体量的增长,更要承担起相关社会责任。而这一次摆在阿里面前的,不是单纯的"打假",而是中国产业结构升级的迷局。     

600MW超临界W火焰锅炉流动不稳定性数值分析

建立了适用于超临界锅炉流动不稳定性分析的通用数值计算模型,编写了以Fortran语言为基础的流动不稳定性数值计算程序,对程序进行验证后,采用时域法对600 MW超临界W火焰锅炉的流动不稳定性进行了模拟。计算得到了W火焰锅炉的水动力特性曲线,并研究了系统参数对其动态流动不稳定性的影响。结果表明:该模型对模拟超临界水流动不稳定性具有一定的可靠性;在0.09~0.3kg/s的流量参数范围内,压降-流量特性曲线始终为单值关系,静态流动不稳定性不会发生;当进口压力由25MPa增大到27MPa或进口流量由0.091kg/s增加到0.1kg/s时,流量脉动的振幅逐渐减小,表明增加进口压力或进口流量锅炉的稳定性提高;当进口阻力系数由10减小到0.5或出口阻力系数由1增大到5时,流量脉动的振幅逐渐增大,表明减小进口阻力系数或增大出口阻力系数锅炉的稳定性降低。     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.     

一种电力网络潮流计算的综合算法

针对牛顿-拉夫逊法对初值要求严格,迭代速度快的特点,利用电力网的结构特点,使用高斯-塞得尔迭代法的第一次迭代结果作为牛顿-拉夫逊法的计算初值。这样既解决了牛顿-拉夫逊法对初值要求高的问题,又提高了收敛速度。计算结果表明,综合算法在迭代次数和收敛速度上有优势。