基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。     

基于多目标的民用航空发动机典型部件维修间隔确定

发动机部件维修间隔制定得合理与否对民机运行的安全性与维修成本有着至关重要的影响，而MSG-3逻辑思想对维修间隔确定的方法没有提及。为此，本文通过建立数学模型，之后采用遗传算法对模型进行求解来确定发动机上典型部件的维修间隔，从而得到部件的维修间隔理论值。文章选取反推同步锁进行案例分析，将求得的维修间隔值和737NG维修计划文件（MPD）中的维修间隔值对比，发现误差为6.9%，表明了模型和算法的可行性。因此本文方法可以为国内发动机制造商确定部件维修间隔提供参考。     

作战管理系统研究

 分析了作战管理的概念内涵、主要特征及其与相关概念的相互关系，提出了作战管理系统发展历程的一种划分方法，介绍了典型的作战管理系统。通过阐述作战管理系统的发展动因和需求、设计相关体系结构，梳理了力量管理、资源管理、行动管理、战场管理、知识管理、能量管理、运维管理等概念、原理、方法和手段，论述了发展作战管理系统的主要关键技术。     

隧道爆破力学模型相似材料配比的正交试验

以砂岩作为模拟对象,研究满足隧道爆破力学模型试验要求的相似材料配比问题.基于正交试验法,选取石英砂、重晶石粉、石膏、水泥和水为相似材料,设置以石英砂/固体、水泥/石膏、重晶石粉/(重晶石粉+石英砂)的质量比为3个因素,每个因素3个水平,共9组配比的正交试验方案.通过室内试验,得到相似材料的密度、单轴抗压强度、弹性模量和声波波速的实测数据.试验结果表明:相似材料的物理力学参数分布范围较广,可满足不同隧道模型试验对相似材料的配比要求.利用极差敏感分析法分析各因素对相似材料参数的敏感性,并通过各因素对相似材料参数影响的直观分析图,分析各因素对相似材料物理力学参数的影响规律.对试验数据进行多元线性回归分析和室内试验,发现最优配合比下的相似材料与原型砂岩的单轴应力-应变曲线具有相似的脆性破坏特征;相似材料物理力学参数的设计值和实测值误差较小.     

美国空间科学的发展及其启示

 剖析了美国空间科学战略规划的模式、科学计划的布局、空间科学发展的体制保障和机制创新；提出在中国空间科学发展不断得到重视的大环境下，亟需重视战略规划研究、并强调规划的严肃性，要坚持重大科学任务的国家属性和国际合作开放性并举，要重视厚植和夯实空间科学发展的基础等3方面的建议。     

民航飞机客舱乘务员应急处置能力分析

为提高民航飞机客舱乘务员应急处置能力,根据专家访谈和相关规章,选取了22项民机客舱乘务员应急处置能力指标。通过编制问卷进行调研,使用SPSS22.0对问卷统计数据进行信度、效度检验及因子分析得到旋转后的各指标的因子载荷,从中提取4个二级指标,并根据各自特点依次命名为基本素质、知识基础、职业技能、处置能力。根据指标体系建立民机客舱乘务员应急处置能力结构方程模型,提出假设模型。使用AMOS24.0对假设模型进行验证和拟合优度检验,最后根据各指标标准化路径指数计算得到各指标的权重。结果表明：对乘务员应急处置能力影响最大的是基本素质,然后依次为处置能力、职业技能、知识基础。     

基于改进多目标遗传算法的连铸二冷过程优化

采用一种改进的多目标遗传算法对二冷工艺进行优化.改进的多目标遗传算法应用概率法选取选择算子，根据适应度值来动态计算交叉和变异概率，能够得到更好的全局最优解，提高算法精度和整体性能.在基于凝固传热模型的二冷优化过程中，采用变间距差分法离散求解传热方程，对比粒子群算法、多目标遗传算法，改进的多目标遗传算法搜索效率高，得到的价值函数最小.在实际生产中，采用优化后的二冷工艺，使得总用水量减少约10%，提高了铸坯质量，达到了节能降耗的要求.     

不同阶次下分数阶SIR传染病模型的稳定性分析

建立一类考虑Logistic增长与饱和传染率的不同阶次分数阶时滞传染病模型. 首先, 利用Jacobi矩阵和特征根轨迹法, 分析该模型的局部稳定性, 并给出基本再生数; 其次, 选取分岔参数作为时滞, 给出地方病平衡点发生Hopf分岔的充分条件； 最后, 利用数值仿真验证理论分析的正确性. 研究结果表明, 分数阶次的改变会影响系统的稳定性.     

基于3D Voronoi模型形状不规则度组合梯度泡沫金属的动态冲击力学性能研究

泡沫金属的力学性能与其细观结构参数密切相关。四个形状不规则度参数梯度组合的3D Voronoi结构模型被用于开展动态冲击数值仿真实验,探究不同冲击速度下形状不规则度梯度组合类型对泡沫金属的变形特性、荷载-位移和能量吸收特性的影响。结果表明,冲击速率仅在临界速度范围内时对形状不规则度梯度组合模型的力学性能有明显影响,沿着冲击方向形状不规则度从小到大梯度组合的模型具有最优的能量吸收能力。     

Methods for backcasting,nowcasting and forecasting using factor‐MIDAS: With an application to Korean GDP

We utilize mixed‐frequency factor‐MIDAS models for the purpose of carrying out backcasting, nowcasting, and forecasting experiments using real‐time data. We also introduce a new real‐time Korean GDP dataset, which is the focus of our experiments. The methodology that we utilize involves first estimating common latent factors (i.e., diffusion indices) from 190 monthly macroeconomic and financial series using various estimation strategies. These factors are then included, along with standard variables measured at multiple different frequencies, in various factor‐MIDAS prediction models. Our key empirical findings as follows. (i) When using real‐time data, factor‐MIDAS prediction models outperform various linear benchmark models. Interestingly, the “MSFE‐best” MIDAS models contain no autoregressive (AR) lag terms when backcasting and nowcasting. AR terms only begin to play a role in “true” forecasting contexts. (ii) Models that utilize only one or two factors are “MSFE‐best” at all forecasting horizons, but not at any backcasting and nowcasting horizons. In these latter contexts, much more heavily parametrized models with many factors are preferred. (iii) Real‐time data are crucial for forecasting Korean gross domestic product, and the use of “first available” versus “most recent” data “strongly” affects model selection and performance. (iv) Recursively estimated models are almost always “MSFE‐best,” and models estimated using autoregressive interpolation dominate those estimated using other interpolation methods. (v) Factors estimated using recursive principal component estimation methods have more predictive content than those estimated using a variety of other (more sophisticated) approaches. This result is particularly prevalent for our “MSFE‐best” factor‐MIDAS models, across virtually all forecast horizons, estimation schemes, and data vintages that are analyzed.