基于影响函数的迭代学习算法设计及应用

针对线性离散系统的迭代学习控制问题进行了讨论,提出一种新型的迭代学习控制算法.该算法通过引入一个影响函数,实现了以前时刻控制信息对当前控制量的影响,进而采用2D理论通过对算法的收敛性分析,得到了与普通算法同样的收敛条件,但是相对于传统迭代算法由于包含了更多了控制信息,因此具有更快的收敛速度,最后的无刷直流电机以及一个二阶系统的控制效果也证实了这个结论.     

AS油田WY区特低渗透油藏水淹层评价方法

AS油田WY区特低渗透油藏的原始地层水矿化度很高,长期注淡水开发导致油层的电阻率呈现不对称U型曲线特征,强水淹油层的电阻率甚至高于原始油层的电阻率。特低渗透油藏水淹规律的影响因素复杂以及受储层本身特征的影响,适合中、高渗储层剩余油评价测井方法不适用于特低渗透水淹层评价。在岩电实验的基础上,明确了特低渗透油藏淡水驱水淹层机理。即当注入淡水的电阻率大于地层水电阻率时,且当其比值足够大时,水淹层电阻率明显高于原始油层,即出现U型曲线现象。根据常规测井曲线及岩芯分析资料,通过地层水矿化度与自然电位幅度、电阻率、声波时差等测井曲线组合进行了水淹层定性识别,探讨了地层混合液电阻率的求取方法,建立了淡水驱水淹层的定量解释模型。解释结果与试油投产符合率达85%以上。     

传统工程保险模式的缺陷性分析

一、传统的工程保险模式 传统的工程保险模式是工程保险投保人（承包商、业主或其他相关建设主体）根据项目风险的实际,向保险公司提交保险申请书;保险公司接受投保人申请,进行风险调查与评估,制定保险单和保险费率,签订保险合同和收取保险费等工作的全过程。在工程保险过程,保险公司对实体工程的追踪主要体现在工程保险的理赔过程中。     

循环流化床灰渣作为水泥混合材的研究及性能改善

试验研究了掺CFB灰渣水泥性能随灰渣掺量的变化规律,并探讨了添加激发剂和机械粉磨处理灰渣对水泥性能的影响。结果表明,随CFB灰渣掺量的增加,水泥强度随之降低,而当灰渣在水泥中的掺量不大于30%时,水泥强度可达到42.5水泥级别,当其掺量不大于40%时,水泥强度仍可达到32.5水泥级别。激发剂A能有效提高水泥早期强度,而激发剂B对提高水泥后期强度的贡献较大,同时激发剂A使粉煤灰和炉渣的28 d反应程度分别提高4.1%和3.5%,并促进掺灰渣水泥的水化产物中C-S-H凝胶增多,提高产物结构致密度。机械粉磨处理后能有效提高粉煤灰的活性,水泥强度和粉煤灰反应程度与粉磨时间成正比关系,而粉煤灰需水量比随粉磨时间的延长而先下降后升高。     

我国旅游行业立法研究综述

综述我国旅游行业立法,结合旅游业发展现状对我国的省、自治区直辖市以及较大市的旅游地方性法规立法特点,以期为我国旅游行业法律体系的完善和省级旅游地方性法规的立法提供参考,促进我国的旅游行业健康、有序的发展。     

军队教育信息化建设的几点思考

建设信息化军队、打赢信息化战争是我军应对新军事变革挑战的必然选择.军队教育信息化也是摆在我们面前的重要课题.几年来,在各级领导部门的组织下,信息化教育已经取得了一些可喜的成绩,但是还远不能满足军队现代化建设的需要.文章就如何利用军队现有的信息化建设资源,提出加强教育信息化的几点建议.     

山东省民办高校高层次人才引进现状及对策

近年来我国民办高校办学日益规范,我国教育体系逐步形成公办院校与民办院校共同竞争和发展的格局,民办高校已经成为了我国高等教育体系的重要组成部分.但是由于种种客观原因导致民办高校在高层次人才引进时存在一定的问题及困难.该文通过分析民办高校高层次人才引进的现状,分析其过程中存在的问题,并根据相应的问题,指出民办高校高层次人才引进的改进策略,促使民办高校成功引进高层次人才,从而全面提升民办高校的师资队伍水平,增强民办高校的核心竞争力.     

基于TOPAS质子放疗剂量的模拟研究

文章利用蒙特卡罗粒子输运软件TOPAS,模拟研究了质子束在均匀介质和非均匀介质中的剂量分布特点和质子束扩展Bragg峰的合成方法,并对解析算法中常用于非均匀介质修正的等效路径法的精度进行了验证。该文工作为今后开展质子剂量实验测量和临床治疗剂量的研究提供了一定的参考。     

应用混合小波神经网络和遗传算法在香港衍生品市场上的研究

提出了新的基于Black-Scholes模型的混合小波神经网络.隐含波动率是指在市场中观察的期权价格所蕴涵的波动率.基于不同种类的期权价格对波动率的敏感度不同,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型优于传统的Black-Scholes模型.     

基于小波神经网络的期权定价模型

Black-Scholes模型所要求的假设条件在真实的市场条件下往往不能满足.提出了一种新的应用小波神经网络进行预测的欧式期权定价模型.将期权按钱性进行分类, 以一种新的加权的隐含波动率作为神经网络的输入变量,通过小波神经网络模型、BP网络模型和Black-Scholes模型来预测香港恒指买权的价格.实证结果表明,将一种加权的隐含波动率作为输入变量的小波神经网络模型优于Black-Scholes模型和其他神经网络模型.因此该模型可以更有效地预测欧式期权价格.