基于VLAN间不同互连方式的ACL配置

在网络互连中通过路由器和3层交换机这2种设备实现了VLAN间的互连,基于不同设备互连方式的ACL配置和应用会有所区别,其对网络运行的性能有明显的影响.     

扰动双参数C半群的直接范数连续性

在Banach空间上,根据双参数C半群的扰动定理,证明了若由算子A生成的双参数C半群是直接范数连续的,且当存在一个有界线性算子B,使得由算子A+B生成的双参数C半群是直接范数连续的。     

改进的非参数 Ce ns us 变换立体匹配算法

针对多数立体匹配算法的相似性测度都建立在像素灰度特性基础上, 无法彻底消除匹配差异性, 易出现歧异性的问题, 提出一种改进的非参数Census变换匹配算法. 该算法通过在传统非参数Census匹配过程中增加局部纹理反差值测度, 引入图像纹理度量的方向性, 使中心像素灰度值不再是唯一决定因素, 改进了匹配模版, 从而有效解决了传统匹配算法的歧异性问题. 实验结果表明, 改进算法是一种有效、 合理的立体匹配方法, 提高了稠密匹配精度.     

基于网络最大流的城市雨水管网系统脆弱性评价

为了对城市雨水管网系统进行针对性的改建,在暴雨天提高事故抢修速度,需要对城市雨水管网系统进行脆弱性评价并找出脆弱管段.首先介绍了城市雨水管网系统排出雨水的干扰因素,提出了城市雨水管网系统脆弱性的概念,并逐一分析了影响城市雨水管网系统的因素,综合考虑各方面因素,建立了城市雨水管网系统的脆弱性评价模型.在此基础上,结合图论中网络最大流理论,寻找城市雨水管网系统中的脆弱管段.最后以西安某高校的雨水管网系统为例进行研究,测得了该高校雨水管网系统的脆弱度为0.877,证明该区域雨水管网脆弱性较低,不易形成内涝,并找出该高校雨水管网的脆弱管段.     

共表达网络分析方法及其在生物医药领域中的应用

共表达网络是一种以分子之间关系作为连接的生物网络,已成为揭示生物学规律、疾病发病机制和药物作用机理的重要工具.综述共表达网络分析的4个步骤,包括共表达测量、聚类分析、模块检测和枢纽筛选,分析其在微生物学、发育生物学、神经生物学、脂肪肝、2型糖尿病、动脉粥样硬化和药理学中的应用.可为初学者提供有价值的研究思路,而且对生物医药领域的研究和实践起到启迪作用.     

VaR模型在股票风险管理中的应用研究

采用VaR模型对股票进行风险管理.介绍了VaR的3种主要计算方法,分别是参数模拟法、历史模拟法和蒙特卡罗模拟法,选取2016年沪深300指数每日收盘价序列作为分析目标,采用参数模拟法,通过MATLAB软件估计VAR值,计算出在一定的持有期内,在相应的置信度水平下的最大损失.对股票市场的风险管理提出了相关建议,并提出VaR模型未来的发展方向.     

基于聚类动态面板引力模型的国际贸易网络研究

本文提出一种针对网络型数据的聚类动态面板引力模型,用于国际贸易流量网络的研究.该模型假设各贸易国分属于不同的潜在类别,各国间贸易流量对应的模型系数由出口国和进口国所属的类别决定.提出使用马尔可夫链蒙特卡罗方法对模型参数以及各贸易国所属的潜在类别进行贝叶斯估计.对2001-2015年60个国家间的贸易流量数据进行了实证分析.结果表明,所提出的模型能够对贸易国进行聚类,有效地提高贸易流量预测的精度.所提出的聚类动态面板引力模型可以被广泛的应用于其他动态网络型数据的研究.     

基于压裂效果评价的页岩气井井距优化研究

针对页岩气藏最优井距很大程度上受限于压裂效果后评估的问题，开展了多段压裂水平井改造参数解释研究，并在此基础上开展井距优化。通过建立的渗流数学模型明确页岩气井生产时地层中存在的流态，形成基于线性流识别和特征线诊断技术的压裂参数解释方法，并对参数解释的不确定性进行了分析论证。之后通过定义百米地层累产气进行均匀压裂情况下井距优化。研究表明，地层进入边界控制流后能准确确定裂缝半长，且不影响气井的产能预测；井距的决定性因素是裂缝半长，二者之间的比例关系受SRV内外区相对物性和裂缝导流能力的影响，据此可指导现场井距优化及开发技术政策制定。     

二氧化碳观测卫星遥感反演研究进展

二氧化碳(CO_2)是大气中主要的温室气体,利用卫星平台观测大气干空气柱中对流层二氧化碳气体体积混合比(XCO_2)是当前温室气体监测的主流手段.首先介绍了5种具备近地面XCO_2浓度观测能力的卫星平台,并以GOSAT卫星的短波红外二级数据产品为例,重点介绍了中国2009～2016年大气XCO_2浓度的时空变化情况.结果表明,中国XCO_2浓度高值区主要出现在东南部,西部地区以及高纬度地区XCO_2浓度相对较低.8年间XCO_2平均浓度为392.28 ppm,并以2.28 ppm/a的速度持续增长.XCO_2浓度随NDVI有明显的季节变化,春季最高,夏季最低,年平均变化量达到6.2 ppm.