Glauber和Kawasaki动力学下正方格子上伊辛模型居里温度的蒙特卡罗计算

利用蒙特卡罗方法研究正方格子上的伊辛模型的相变问题．讨论了不同翻转方式(随机翻转和顺序翻转)以及不同动力学规则(Glauber动力学和Kawasaki动力学)对正方格子上的伊辛模型的居里温度Tc的影响．结果表明，当Glauber动力学占主要地位时，在两种翻转方式下都可以计算出居里温度Tc的值，当Kawasaki动力学占主要地位时，只能用随机翻转的方法获得居里温度Tc．     

扩散过程样本的Holder连续性及其应用

本文讨论扩散过程样本的Ｈｏｌｄｅｒ连续性，在局部Ｌｉｐｓｃｈｉｔｚ条件下，我们证明了扩散过程样本类似于Ｂｒｏｗｎ运动样本一样的Ｈｏｌｄｅｒ连续性，进一步，我们还了扩散过程样本的象与图集的Ｈａｕｓｄｒｏｆｆ维数。     

资产估价的预期理论研究

本文结合资产估价的实践，运用理性预期理论研究了资产收益估价，建立了资产预期收益率估测公式ＣＡＰＭ及ＡＰＴ模型，运用随机过程理论建立了估测资产预期收益的时间序列模型，这将为资产收益价值评估奠定理论基础，本文还进行了一个案例研究。     

钢丝绳断丝定量检测中径向随机晃动误差的补尝

本文论述了钢丝绳断丝定量检测中径向随机晃动误差存在的必然性及该误差对定量检测的影响,基于模拟实验结果,给出了适用于多种类型钢丝绳的V_H-S数学关系式;提出了波形因素的概念与形式,并用软件实现了钢丝绳断丝定量检测中径向随机晃动误差的补偿。     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于个性化隐私保护的协同过滤算法

差分隐私可以有效解决推荐系统的隐私泄露问题,但是其引入的噪声会降低推荐系统的性能.此外,不同用户对隐私保护的敏感性是不同的,考虑用户的个性化需求可以减少加入的噪声,有助于提高推荐系统性能.综合以上两个维度,在考虑用户评分敏感性的基础上,提出了一种个性化的差分隐私保护协同过滤算法.算法在用户本地划分评分的隐私敏感度,并采用随机翻转机制对隐私敏感评分进行隐私保护.服务器获取扰动后的数据,利用贝叶斯估计方法重构项目之间的联合分布以提高算法的推荐准确性.理论和实验结果表明,算法在保护用户隐私安全的同时具有良好的推荐性能.     

基于多元数据特征和改进随机森林的智能配电网异常数据辨识

智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。本文提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用k-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。然后,针对类不平衡问题提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明本文方法有效、合理,具有优异的辨识性能和效率。     

地震勘探中二维、三维随机介质模拟及属性优化

在石油勘探难度逐渐加深的大环境下,常规均匀层状介质已经不能满足高精度、高保真度地震勘探的开发要求,随机介质理论的研究即被提上日程。目前,无论是在二维还是三维地震勘探建模过程中认为同层地震属性是一致的,多以均匀层状介质为研究基础,这种思想忽略了小尺度参量对结果带来的随机扰动,这样的模型往往不能准确地对实际地层进行描述。因此本研究分别构建了混合型二维、三维随机介质模型并给出了详细的建模流程,同时引入二维、三维锥形函数进行建模离散过程中的误差压制。分析了混合型自相关函数各参数对模型的影响,数值模拟结果显示,对比不同参数下所建立的二维、三维随机介质地震属性模型,可以非常清晰、直观地看到地层中的随机扰动情况,有效地模拟随机介质在实际地下构造中的分布细节。最后提出了引入方向因子的三维随机介质建模的方法,该方法相比于传统方法更有利于对比裂隙在实际地质构造的分布特征,在实际正演模拟中该理论同样有不错的效果支撑。     

基于改进麻雀搜索算法的最大指数熵分割方法

为了解决基本麻雀搜索算法(sparrow search algorithm,SSA) 依赖初始种群和求解精度不高的问题,提出一种基于Circle混沌映射和随机游走的改进的麻雀优化算法(improved sparrow optimization algorithm,CRSSA) 。该算法为了增强麻雀种群的多样性,在麻雀初始阶段引入混沌Circle 映射; 采用随机游走对最优麻雀进行扰动,使其在麻雀寻优后期,增强算法全局搜索能力,跳出局部最优。同时选取15个测试函数对其算法进行性能测试。结果表明：与原始的SSA 、蜉蝣算法(mayfly algorithm,MA) 、粒子群优化算法(particle swarm optimization algorithm,PSO) 、鲸鱼优化算法(whale optimization algorithm,WOA) 和灰狼优化算法(gray wolf optimization algorithm,GWO) 相比,改进的麻雀搜索算法具有寻优速度快、求解准确度高和鲁棒性强等优点。将该方法应用在多阈值图像分割中,通过对比不同算法的峰值信噪比(peak-to-signal ratio,PSNR)、结构相似性(structural similarity index,SSIM)、适应度函数值和运行时间性能指标,可有效解决多阈值分割问题,具有一定的工程应用价值。     

基于自适应乘法正则化的结构随机激励识别

针对结构随机激励识别存在的激励位置未知以及重构效率偏低问题,本文提出了一种基于自适应乘法正则化的结构随机激励识别方法。该方法无需依赖于激励位置的先验信息,仅通过结构响应即可实现激励的准确定位和高效重构。首先,利用不同响应功率谱之间的传递特性来计算任意指定激励位置的定位误差,进而通过最小化定位误差来识别目标激励位置;在此基础上,借助自适应乘性正则化方法,定义全局正则化项来构造新的重构优化函数;然后,引入广义迭代加权最小二乘算法对优化函数进行求解,从而实现了结构随机激励识别;最后通过数值算例验证了所提方法的有效性。结果表明：所提方法能够精准的定位结构随机激励位置,且在与Tikhonov方法重构精度相似的基础上,提高了识别效率约15倍,同时具备良好的抗噪能力,为结构外部作用效应的获取提供了一种新思路。