基于灰色关联分析模型的新乡市科技金融耦合关系研究

基于科技创新与金融发展之间的耦合机制,引入灰色相对关联度分析法,以2014年到2019年的专利申请数量、技术合同交易额和金融机构贷款额为依据,分析了科技创新与金融发展之间的互动关系.研究结果表明,新乡市科技创新与金融发展有着较强的正相关关系,应大力推进科技金融的协调发展,提高两者的融合质量.     

面向突发公共卫生事件的社区韧性影响因素研究

社区作为城市治理的基础单元,是防控疫情的第一道防线.对于如何建设一个积极应对突发公共卫生危机并快速自我恢复的韧性社区,探讨影响社区的韧性建设影响因素十分必要.采用问卷调查的方式,使用AMOS软件建立结构方程模型分析社区韧性建设的影响因素.结果表明:五大影响因素对社区韧性建设具有正向作用,社会层面因素对于社区韧性建设的影响最大,其次为组织因素、经济因素、物理因素以及人员健康因素.其中居民对社区归属感和相互间的情感、社区应急组织、社区的基础设施和智慧设备、人员自身的身体健康作用显著,是影响社区韧性建设最重要的因素.     

(3+1)维Korteweg-de Vries (KdV)方程的高阶怪波解和多波浪解

基于Hirota双线性形式，一个新的（3+1）维Korteweg-de Vries（KdV）方程的高阶怪波解和多波浪解被得到.通过作图，更直观地展示和讨论了高阶怪波解和多波浪解的动力学性质.     

全球慢性肾病防治药物研究进展

 慢性肾病（chronic kidney disease，CKD）具有病因复杂、治疗难度大等特点，已成为全球性的公共卫生问题，其影响了全球约10%的人群，并可导致更高的心血管疾病和死亡的发生风险等。CKD防治的关键环节之一是阻止或延缓CKD进展。总结了CKD的流行病学、风险因素、研发投入和防治药物，以详细了解CKD的现状和防治新进展。     

ECOC多分类算法在慕课数据挖掘中的应用

收集并整合多所高校学生的慕课学习行为数据，设计基于数据复杂度的纠错输出编码（ECOC）多分类算法。该算法利用数据复杂度降低多类之间的分类难度，从而提高算法的预测准确度。实验结果表明，在不同高校的慕课数据集的测试中，所设计基于数据复杂度的ECOC分类算法比传统的ECOC算法具有更高的分类准确度和鲁棒性，实现了学生学习成绩多等级的有效预测，为个性化教学奠定了基础。     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

无环境信息下多尺度网格细胞群空间表征模型

针对无环境信息条件下网格细胞空间表征问题, 提出一种多尺度网格细胞群的空间表征模型。通过减少吸引子网络模型网格细胞的偏好朝向, 使网格细胞具有特定的感应方向, 仅对特定方向上的速度产生响应。基于改进的吸引子网络模型, 构建多尺度网格细胞群, 并对空间进行表征。仿真结果表明, 改进后的网格细胞模型只响应相应方向的速度, 准确整合速度信息, 表征部分未探索区域, 且适用于无环境信息条件下一维、二维空间。在100 m×100 m的区域, 表征结果的误差不超过0.2 m, 证明了该模型能够扩大网格细胞的表征范围, 提高表征精度与表征能力。     

斜坡桩-土体系动力p-y曲线影响因素分析

碎石土斜坡场地桩-土体系动力相互关系及其主要影响因素的研究成果鲜少。基于此，本文以西南地区穿越典型地形地貌和地基土大类的某一线路工程为例，调研分析斜坡桩基震害特点，并采用FLAD3D建立斜坡桩-土体系分析模型，研究斜坡桩-土体系动力p-y曲线的影响因素。获得了动力荷载作用下碎石土斜坡动力p-y曲线基本特点，建议了以滞回圈极值点或拐点绘制骨干曲线的方法，进一步归结出动力p-y曲线的刚度、桩土相互作用力、桩土相对位移及曲线滞回圈面积与埋深、桩径、碎石土相对密度和斜坡坡度的关系，最终引入桩侧土反力的桩径影响因子FD、土性密度影响因子FM、斜坡坡度影响因子Fβ，用于描述上述因素对桩侧土反力影响情况。以上研究成果可以更好的表述碎石土斜坡桩基在地震荷载作用下的桩-土体系间相互关系。     

动车组进站过程精准停车控制方法研究

通过分析高速动车组进站停车过程中制动力与速度之间的关系,构建动车组多质点动力学模型。由于制动停车后期产生空气制动力过程给系统带来延时影响,引入Smith预估器,采用基于RBF(Radial Basis Function)神经网络的PID控制策略与Smith预估器相结合,实现制动过程中对给定速度的跟踪控制。仿真分析表明:该混合控制器控制的列车速度与设定速度的误差小于±1 km/h,停车误差小于±0.3 m,可满足进站制动停车的要求。