基于数学模型的我国动漫行业总年产值影响因素的实证分析

从文化、市场、技术、经济4个方面构建了影响动漫行业总年产值的指标体系,利用灰色关联度和神经网络模型分析了各个指标因素与动漫行业总年产值的关系。对两个模型的结果进行比较后得出,灰色关联度分析更能说明各个指标的重要性,其中我国自主研发网络收入对动漫行业总年产值影响最大。最后从4个方面给出我国动漫行业未来的发展重点以及相关建议。     

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。     

基于完备集合经验模态分解-归一化希尔伯特变换的神经网络储层流体识别

地震资料的瞬时属性包含丰富的地质信息,可用于储层流体的识别。希尔伯特-黄变换目前在地震资料的瞬时属性提取中呈现出了很大的优势,但是该方法中存在模态混叠、频率误差等问题,限制了其应用。基于此,引入了基于完备集合经验模态分解和归一化希尔伯特变换的改进方法有效提取地震资料更具物理意义的瞬时属性。同时,为了提高储层含气性检测的准确性和精度,选取瞬时频率和瞬时振幅构建分频剖面模型,对目标区域的储层特性和含气特征进行描述。再结合测井资料,运用有监督的神经网络实现对储层含气性的自适应高精度识别。实例研究表明,基于完备集合经验模态分解-归一化希尔伯特变换的前向反馈神经网络方法能够根据某一区域地震数据有效预测该区域储层的含气状况。     

个体观测次数与协变量个数都趋于无穷的二值数据GEE估计的渐近性质

广义估计方程是专用于处理纵向数据的统计模型,有效地解决了纵向数据中协变量相关的问题,得到稳健的参数估计值。但由于观测次数的不唯一,大多数文献对观测次数设置了上限,前人在假设个体观测次数为有限的条件下,证明了经典Logit广义估计方程估计的渐近性质。而随着大数据时代的到来,试验中需要对个体进行更多次观测,以便得出更为精准的结论。鉴于此,对于观测个体的数量n、协变量个数pn以及观测次数m三者都趋于无穷的情况,通过限定m的发散速度,即在mp_n~3/n和m~4p_~4n/n都趋于0和其他正则条件下,基于微分中值定理及根的存在定理,证明了经典Logit广义估计方程估计的渐近存在性和相合性;并在该估计的相合性的基础上,通过Slutsky定理进一步证明出了该估计的渐近正态性。     

基于J&R模型的神经集群模型综述

神经集群模型是一类宏观的神经计算模型,通过描述神经元总体的平均特性来反映某类神经元的整体放电行为。此类模型参数简洁并具有明确的生理学含义,能够很好地用来模拟宏观脑电信号,广泛应用于大脑生理病理机制研究中。文中针对JR神经集群模型及其改进模型(包括David模型、Wendling模型和Ursino模型),分别从建模思想、模型结构和仿真结果等方面进行了系统阐述与比较研究。     

汽车转向系统模态的分析与优化

汽车转向系统方向盘怠速振动特性是评价其舒适性的重要指标.本研究提出了转向系统模态固有频率的计算方法,通过灵敏度分析确定转向系统上下支架连接处5个钣金件的厚度值为设计变量.基于响应面模型和序列二次规划算法相结合,给出了转向系统模态的优化方法.在转向系统质量增加0.14 kg的条件下,系统一阶固有频率增加了2.66 Hz.本研究提出的转向系统模态分析与优化方法对转向系统的设计具有一定的指导意义.     

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.     

改进GA-BP神经网络在高校教学质量评价中的应用

为了提高高校教学质量评价的有效性和准确性,提出了一种基于混合智能优化算法的教学质量评价模型。引入熵值法客观地确定教学质量评价体系的指标权重及初始评价结果,利用自适应变异的遗传算法(Genetic algorithm)优化BP神经网络(Back propagation neural network)的参数,建立教学质量评价模型。实验结果表明,与BPNN(Back propagation neural network)、GA-BPNN(Genetic algorithm-back propagation neural network)模型相比,预测精度分别提高15.04%和5.41%,收敛速度明显提高,说明基于自适应变异的GA-BPNN教学质量评价模型能够及时有效地完成教学质量评价。