模拟电感的等效电路模型及其应用初探

提出了一种模拟电感的等效电路模型,并给出了其在RL振荡电路和一阶电路中的应用。通过建立电路方程组求解回转器输入端的伏安关系,推导出了模拟电感的等效电路模型,及实现负电感和负电阻的条件,并在此基础上用模拟电感构建了RL低频正弦波振荡电路和RL一阶电路,提出了这类RL一阶电路的约束关系式。利用等效电路模型得到的振荡频率值和暂态电流响应,与计算机软件仿真结果基本相符,验证了等效电路模型的正确性,为模拟电感电路的工程速算提供了理论基础。     

基于SEM模型和物联网的智能垃圾分类及垃圾桶配置研究

随着我国电子商务的迅猛发展,物联网已经深入居民生活的各个方面。本文通过问卷调查以及分析国内外的垃圾分类趋势,基于SEM模型和物联网的智能垃圾分类,来研究智能垃圾桶的配备。垃圾桶将仿照自动售卖机的设计,将我国目前的便捷收付端与垃圾分类处理机器结合,使其具有节能化、环保化、集约化、智能化等特点。在提高人们对于垃圾分类投放主动性的同时,可以加速我国的信用城市建设速度,从而达到保护环境、节约资源的目的。     

基于Logistic模型的居民废旧手机回收意愿的影响因素分析

基于对蚌埠市居民废旧手机回收意愿的问卷调查,运用SPSS统计软件,利用Logistic模型对该地区居民参与废旧手机回收意愿的影响因素进行分析.分析结果表明,对居民参与废旧手机回收有显著影响的因素主要包括文化程度,对环境污染的认知,对资源浪费的认知,是否泄露个人信息,废旧手机回收法律的了解程度等.根据回归结果为提高废旧手机回收率提出可行性建议.     

CO_2膨胀体系混合物的黏度模型

针对已有模型计算CO_2膨胀体系混合物黏度精度低的问题,在对已发表文献中的7种CO_2膨胀体系气液混合物(包括CO_2与正癸烷、正十四烷、正十八烷、甲醇、乙醇、丙醇和丙酮)的黏度数据进行搜集整理的基础上,建立了适用于CO_2膨胀体系的改进的Eyring-NRTL黏度模型,确定了模型中的二元作用交互参数与混合物平均摩尔质量之间的关系,并通过文献数据回归得到了模型中的参数。结果表明,对于CO_2/正癸烷体系黏度推算的平均偏差小于3%(310.93 K除外),CO_2与正十四烷、正十八烷、甲醇、乙醇、丙醇和丙酮体系的绝对平均偏差小于4%。通过与其他黏度模型的比较,表明改进的黏度模型可以用于计算CO_2膨胀体系的黏度数据。     

离散型二维竞争系统中某群体消亡的条件

研究了离散型二维竞争系统的渐近稳定性,得到了这类竞争系统中各类平衡点的坐标及其性质,获得了系统在边界上的平衡点处渐近稳定的一系列充分条件.这些条件等价于该系统中的某个群体在竞争过程中消亡或被淘汰的相应条件.     

科学建模的两种观点

关于科学建模有两种典型的观点,一是"系统派生观",二是"零碎借贷观"。前者认为,科学表征模型可以在原理模型(即科学原理)的基础上系统派生出来;后者强调科学家的科学建模活动实际上是从各种理论中选取所需要的部分进行创造性构造的过程。从以往的争论来看,这两种观点似乎各有侧重,不分胜负。但本文试图结合科学建模的案例论证,后者完全可以替代前者,不仅因为它比前者更符合科学家实际的建模活动,解释前者无法解释的现象,而且可以容纳理论派生模型的案例。     

北京市门头沟区2003-2014年植被初级生产力时空变化

采用CASA模型和30 m分辨率Landsat数据生成了门头沟区2003—2014年的植被净初级生产力(NPP)产品,分析了门头沟区NPP的空间分异特征,基于MODIS年NPP产品分析了门头沟区2003—2014年NPP的年际变化特征,基于MODIS植被总初级生产力(GPP)时间序列数据分析了门头沟区典型年份的年内GPP变化特征.结果表明:2003—2014年门头沟区NPP受地形及人为因素影响,低值区主要沿河流谷地及东部河流出山口处分布,在整体区域上呈现四周高、中间低的特征;自2005年以来年际NPP总体平稳,没有明显的增加或减少趋势;GPP年内波动明显,5—9月GPP/NPP的差异对不同年份间GPP/NPP差异的贡献最大.     

基于LDA的冷链农产品电商在线评论的情感分析

为促进我国冷链农产品电商企业的发展,提高消费者对商品的满意度和购买欲望,本文从消费者的角度出发,对冷链农产品电商企业的用户评价进行了情感分析,首先依存句法关系制定3种规则提取情感单元,再结合词的词性和依存关系制定情感计算规则,将情感单元分为好评和差评,接着通过LDA主题模型分别对好评与差评进行聚类,根据评价指数S的最大值来确定主题数,最后对聚类的结果进行分析,找出消费者不满意的地方并加以改进。结果表明,提高用户体验、吸引更多消费者,需要从商品的分拣加工、冷链设施的改善、运输配送路程等方面进行优化。本文的研究为整个冷链农产品电商企业的进一步发展提供了借鉴意义。     

基于粒子滤波与BP神经网络的短时交通流预测

为了有效缓解当前交通拥堵问题,结合时下流行的智能交通系统,本文将粒子滤波算法引入短时交通流预测过程中,提出一种基于粒子滤波与神经网络的预测算法。该系统通过BP神经网络的非线性映射功能,分裂选择适当的权值,在多次训练之后能够提高算法中粒子的多样性,改善算法滤波的性能,最终达到提高预测精度的目的。另外,本文以河南省新乡市交通局公交和出租车数据作为数据来源,通过与传统的粒子滤波算法和BP算法的预测结果进行对比,发现本文所提出的方法对短时交通流预测具有更好的预测精度。