基于时间区间内航线机型优化分配的机队规划方法

传统机队规划方法所形成的机队构成无法适应市场需求的波动,按照旅客需求的波动规律将航线上的时段进行分割形成时间区间,以时间区间内航线机型运行频次为决策变量,不同航线上机型的适航性限制、飞行机组的可用飞行时间、选定机型飞机的最少投放数等因素为约束条件,构造以航线机型分配的运营利润最大化为目标函数的时间区间内航线机型优化匹配模型,并结合Lagrange松弛算法求解机队规划问题.通过分析某航空公司19条航线、299个航班、6种候选机型的问题发现,该方法能够反映出航线上的机型分布特点,且形成的机队构成更能适应公司生产运营环境的变化,因此方法可行.     

基于关键零部件的平衡的寿命的车辆保养周期优化

车辆的保养周期受使用条件和环境的影响,为了保证汽车可靠性和减少保养成本,需要合理确定车辆保养周期与作业内容。汽车的运行可靠性依赖于其关键零部件的可靠性,提出一种基于现场维修数据,根据平衡的寿命情况进行车辆保养周期优化的方法。最后通过一个简单实例来验证该方法的有效性。     

基于区间数距离的区间组合预测模型

针对预测值为区间数形式,引入区间数距离,提出一种确定区间组合预测权系数的方法.给出两个区间序列的距离公式,以实际观测序列与组合预测序列的距离最小为准则,建立规划模型,求解得到权系数.最后,通过实例,证明模型能够有效提高预测的精度.     

不确定结构的区间可靠性优化设计

对不确定结构的区间可靠性进行了研究，建立了基于区间可靠性的优化设计模型.采用结合嵌套遗传算法和径向基函数神经网络的模型，进行区间的直接优化，解决了基于区间可靠性的优化设计求解问题，避免了间接模型的复杂转换过程.充分考虑了实际工程中设计向量存在扰动的情况，提出了该情况下目标函数波动的约束，使目标函数和约束函数在扰动下依然满足可靠性要求.通过数值算例验证了模型的有效性和优越性.将所提出的模型用于具有区间不确定参数的行车平板优化，结果表明了所提方法的可行性和工程有效性.     

面向港口复杂装卸系统的动态机会维护策略

针对以不同衰退特征设备组成的港口复杂装卸系统,提出了设备层-系统层交互的动态机会维护策略,以支撑自动化码头的智能维护决策.引入维护效果和外部环境工况,提出了独立设备的综合衰退演化规则,并结合多目标价值理论和动态循环决策模式,建立设备层多目标预知维护规划模型.在此基础上,分析串联设备间的相互依赖性,利用设备停机的组合维护机会,建立了多设备维护优化调度的联合区间轴策略,对关联设备的预知维护作业采取有针对性的作业合并.数值实例结果证明,所提出的方法可显著降低系统整体维护成本,提供具有可行性、实时性、经济性的系统层维护优化方案.     

基于混合阈值的清除重复间隔阈值经验模态分解去噪方法

经验模态分解(Empirical mode decomposition,EMD)被认为是一种有潜力的非线性非静态信号去噪方法。传统的经验模态分解阈值去噪在零点附近存在不连续性的缺点,Kopsinis提出了EMD-IIT和EMD-CIIT方法,但这两种方法对阈值过于敏感,即区间极值轻微的偏差就有可能导致去掉整个区间曲线,因此本文提出一种混合阈值算法,结合了EMD-DT和EMD-IT各自的优势。仿真结果表明此去噪算法具有较好的效果。     

Predicting Stock Return Volatility: Can We Benefit from Regression Models for Return Intervals?

We study the performance of recently developed linear regression models for interval data when it comes to forecasting the uncertainty surrounding future stock returns. These interval data models use easy‐to‐compute daily return intervals during the modeling, estimation and forecasting stage. They have to stand up to comparable point‐data models of the well‐known capital asset pricing model type—which employ single daily returns based on successive closing prices and might allow for GARCH effects—in a comprehensive out‐of‐sample forecasting competition. The latter comprises roughly 1000 daily observations on all 30 stocks that constitute the DAX, Germany's main stock index, for a period covering both the calm market phase before and the more turbulent times during the recent financial crisis. The interval data models clearly outperform simple random walk benchmarks as well as the point‐data competitors in the great majority of cases. This result does not only hold when one‐day‐ahead forecasts of the conditional variance are considered, but is even more evident when the focus is on forecasting the width or the exact location of the next day's return interval. Regression models based on interval arithmetic thus prove to be a promising alternative to established point‐data volatility forecasting tools. Copyright ©2015 John Wiley & Sons, Ltd.     

无穷级数新的积分判别法

利用有界变差函数的性质,建立了比Cauchy积分判别法更广泛的新的积分判别法;利用实分析中的Lebesgue逐项积分定理,推广了文献[7]中一个数项级数收敛性判别法.     

拉格朗日中值定理的证明及应用

中值定理是微分学的基本定理,是应用导数研究函数在区间上整体性态的有力工具,其中拉格朗日中值定理是核心内容.给出拉格朗日中值定理的三种证明方法及其在级数散敛性方面的应用.     

一种新的函数形式与高次方程的关系——极分

由x=f（x）定义了新的函数表达式,并由这个新的函数表达式讨论了方程共同解的问题以及讨论了一些高次方程的解法及单调性的判断,根据此方法得到了对更为广义的函数的讨论;给出了函数的一种新的表达式.