北京SARS疫情过程的仿真分析

我们利用系统建模和仿真技术，对北京SARS的流行过程进行了仿真分析。本文首先提出了北京SARS数学模型，然后介绍了源数据的收集与整理、参数和初始值的处理两项工作，最后给出了我们的仿真计算结果和分析预测结果。从仿真计算结果可以看出，我们的模型、数据、参数和初始值是正确和准确的。  

北京SARS仿真模型的参数和初始值的处理

当前对SARS流行过程进行仿真分析是一件非常重要和有意义的工作。在对SARS模型进行仿真和分析时，首先必须要对相关的参数和初始值进行处理，其处理的正确性和准确性直接关系到仿真结果。本文以我们建立的北京地区SARS模型为背景，采用多种方法，系统的分析和处理了模型的相关参数和初始值，并给出了最终结果。  

一种新的LFM信号检测算法仿真分析

关于线性调频信号的检测,目前的一个主要研究方向是先对信号进行时频分析,获取信号的时频分布特征,然后对时频平面采用Radon变换,投影到Radon变换空间进行峰值检测,以实现线性调频信号的检测。在此基础上,提出了一种新的时频分布积累检测算法。该算法联合运用多种窗长的傅立叶变换分析和Radon变换二值积累,有效的利用了信号能量,通过多层积累处理,取得了较好的效果。通过详细的仿真分析,验证了该算法的有效性,并明确了算法应用中应当注意的问题,具有一定的参考价值。  

—基于遗传算法的铁路客车地板结构优化设计与仿真

本文提出了基于遗传算法对工程结构进行截面尺寸优化设计和仿真的新方法。利用遗传算法在寻优过程中不要求梯度计算这一优良的特性，将它与结构有限元分析和ＣＡＤ技术有机地结合在一起，实现了在ＣＡＤ环境下对铁路客车一种地板结构截面尺寸设计计算、优化及结果仿真。本文所提出的方法不仅简单易行而且容易推广到更复杂的工程结构截面尺寸优化问题。  

军用系统采用民用产品的成功经验

1985年秋,美国驻欧第五和第七军各部队将开始装备陆军机动控制系统(MCS)。初期将采用美国军用规格的AN/UYQ-19V战术计算机系统(TCS)和AN/UYQ-30战术计算机终端(TCT)。软件采用Ada语言。1986年将配备功能类似市售现货即非开发性项目(NDI)并可运行Ada软件的系统,使这些部队的MCS系统更加齐全。在配置军事设备时使用配有Ada软件的NDI设备,对进度、费用和技术来说都有相当好处。军事上使用市售设备的标准接口,就可利用市场自身的创造活力,减少费用并缩短研制周期。模块化现成系统不仅能在短期内提供现代化的技术,而且可在今后相当长时期内作为功能扩展与技术引进的基础。如何研制这样的系统,MCS计划提供了一个范例。承担MCS系统总体设计的Ford Aerospace公司负责使市售设备的这些长处适用于军队的作战环境。  

人工智能的未来

人工智能(AI)是一门有关自动处理问题的学科,这些问题通常是不规则的或是启发性的,需要用各种符号进行复杂推理。AI主要是在语义/实用数据层上而不是在语法/原始数据层上来运行的,其主要用途有:自然语言理解和产生、语音理解和综合、图像识别、信号理解、机器人学、设计、规划与控制以及自动编程。  

美国有关科学机密的法令

从1976至1979年期间,法国政府投资约两亿美元于一项发明。这项发明利用一种新近发现的质点的反射波,能从空中测绘出石油的藏量。这个装置是一个比利时人发明的,它在用常规地质技术业已查明石油藏量地区上空的头几次飞行,取得似乎是奇迹般的成功。法国总统德斯坦认为这项发明能改变历史的进程,下令严格保密以保持法国在  

莫斯科的秘密战略防御倡议

当前苏联领导者最为关心的问题就是制止美国总统里根于1983年提出的战略防御倡议(SDI)、即战略核武器防御系统研究计划的推行。苏联领导者强烈遣责里根的“星球大战”计划和空间军备竞赛,而苏联的元帅们却在积极推行自己的广泛的导弹防御计划,即莫斯科的秘密战略防御倡议。  

多用户路段行驶时间函数建模和仿真

面对动态交通分配建模需要，针对我国城市交通网络中车辆类型众多，车辆动力性能差异大的情况，基于超车现象的分析，以车辆的类型和自由流行破速度为划分标准，对路网中的车辆进行了分类，对路段上不同类型车辆的行驶时间函数进行了建模研究，给出了多用户路发行驶时间函数模型。最后用Tsis5．1仿真软件验证了模型的合理性。  

美国航空航天局的巨型机计划

美国航空航天局(NASA)数字空气动力仿真(NAS)系统从1987年3月开始运行以来只不过两年时间,其处理能力业已显得严重不足,促使阿迈斯研究中心打算通过添置新的巨型机及外围设备使其能力提高三倍。 NAS系统为全世界研究人员服务,联系人林达·海恩斯说,用户名单急剧拉长,为了满足日益增长的需要,NAS系统的能力和人员都承受着巨大压力。 海恩斯说“作为世界上第一个全UNIX超级计算机构,我们要为世界所有超级计算机构服务,他们可共享我们知道的东西”。