层次的模糊决策

系统地讨论了模糊层次分析的方法及原理,给出了基于梯形模糊数(或三角模糊数)的对数最小二乘,上三角元素对数最小二乘,特征根法3种层次单排序方法。讨论了模糊序问题。最后通过实例说明该方法的应用。     

HVOF制备亚微米结构WC-12Co涂层性能研究

采用超音速火焰(HVOF)喷涂工艺制备了亚微米结构WC-12Co涂层,测试了这种亚微米涂层的结合强度、显微硬度及抗磨粒磨损性能,并利用XRD对喷涂粉末及涂层进行相结构分析,用扫描电子显微镜对喷涂粉末、磨粒磨损前后的涂层表面形貌进行观察.研究结果表明:喷涂过程中,亚微米结构WC粒子没有明显的脱碳分解发生,涂层组织结构致密,其显微硬度平均值高达HV1105;在相同的试验条件下,16Mn钢的磨粒磨损量是亚微米WC-12Co涂层的7.8倍,这表明亚微米结构涂层具有优异的抗磨粒磨损性能.     

基于协整理论的协同持续研究

首先介绍了持续性与协同持续概念,对于文献中已给出的两个协同持续定义,证明了它们之间存在内在联系,进一步建立了协整与协同持续的关系,给出了向量GARCH过程具有协同持续的条件,在矩意义下将协整与协同持续统一起来,并给出了估计和检验方法.初步将时间序列一阶矩的理论和方法在二阶矩中得以应用,有助于研究经济领域中的波动过程的协同持续性问题.     

连续时间资产收益变结构模型的研究

提出了应用MCMC方法的连续时间变结构模型的单一变结构点的定位方法,并提出了连续时间多变结构点模型的变结构点定位方法;该方法在确定变结构点位置的同时,又能估计相应的模型参数.用该方法对上海股市综合指数的收益序列进行了变结构分析,理论与实证结果表明该方法是有效且可行的.     

基于“已实现”波动的协同持续研究及其应用

目前文献中对金融波动持续性和协同持续性的研究都是以低频金融数据为研究对象的.而随着信息技术的发展,高频金融数据的储存和获取更加便利.针对高频金融数据,采用“已实现”波动作为新的波动度量方法,并且给出基于“已实现”波动的金融时间序列波动持续性和协同持续性的定义,并且采用上海股票市场和深圳股票市场的高频金融数据对两个股票市场的波动的持续性和协同持续性进行了实证研究.     

基于高频方差持续的资本资产定价模型研究

对高频金融时间序列的“已实现”波动和“已实现”协方差提出相应的模型并建立“已实现”波动自回归移动平均模型和“已实现”波动向量自回归模型.同时,给出了高频时间序列持续性定义及相关性质.在“已实现”波动自回归移动平均模型基础上,从条件方差持续性的角度,讨论了条件方差的持续性对资产资本定价模型的影响.又进一步讨论了多资产组合条件下,“已实现”波动向量自回归模型持续性对组合投资的影响.给出了基于“已实现”波动自回归移动平均模型的实证分析,指出当模型具有单位根时条件方差对资产定价的影响是持续的.最后讨论了条件方差持续性质在金融分析中的现实意义.     

赋权已实现波动及其长记忆性,最优频率选择

已实现波动是针对高频金融时间序列的一种全新的波动度量方法,具有不需要模型和计算方便的优点.本文则对已实现波动进行了改进,提出了另一种更为有效的波动度量方法———赋权已实现波动,并且使得“已实现”波动成为赋权已实现波动的一个特例.通过对上海股票市场的实证研究,说明了赋权已实现波动是优于已实现波动的波动估计量,并且对赋权已实现波动的统计特性进行了分析.同时,在综合考虑微观结构误差和测量误差的基础上选择了最优的高频数据采样频率.     

两种优化容错神经网络在输配电网诊断模型中性能的评估

为提高故障诊断系统的容错能力,提出了将故障信息受随机因素畸变的扩展故障样本集引入神经网络(neural network,NN)的容错训练,以提高NN的容错性能,通过基于蚁群优化算法(ant colony optimization algorithm,ACOA)和遗传算法(genetic algorithm,GA)构造2种优化NN,用于高压输电线系统和配电网故障诊断,并进行容错性能的评估．仿真测试表明,基于ACOA法诊断模型的容错性能都要优于广泛应用GA的诊断模型,分别提高5．91%和4．95%．ACOA优化NN不仅具有较好的泛化能力,且具有快的收敛速率．     

镍基和钴基合金喷熔涂层的抗汽蚀性能研究

采用氧乙炔火焰喷熔法在Q235钢表面制备了镍基和钴基合金涂层.利用光学显微镜(OM)和X射线衍射仪(XRD)对涂层进行了组织和相结构分析,测试了涂层的硬度和抗汽蚀性能,并利用扫描电子显微镜(SEM)对两种涂层的汽蚀形貌进行了观察,探讨了镍基和钴基喷熔层的汽蚀破坏机理.实验结果表明:镍基和钴基喷熔层都优于常用于水利机械的抗汽蚀马氏体不锈钢ZG06Cr16Ni5Mo(16-5钢),适用于对水利机械零件进行修复和预防护.     

基于神经网络的变量选择方法

变量选择是经济建模与预测研究中的一项重要步骤．本文针对该问题研究的困难,提出了基于神经网络的贡献分析变量选择新方法,仿真研究表明该方法的有效性