海南岛沙质海岸侵蚀的初步研究

海南岛沙质海岸侵蚀明显，通过野外调查、定位测量及图件对比，对该类海岸的侵蚀状况及侵蚀原因进行了初步分析与探讨。     

波浪模型(YW-SWP)在海岸工程中的应用

在缺乏波浪观测资料无法求得深水波要素的情况下,利用岸站观测的风场资料,采用在国际通用的WAM波浪数学模型上建立的YW-SWP模型求得深水波要素.计算结果表明:在同一风场下,利用YW-SWP模型得到的波高与实测值相比,其最大相对误差为7%;而利用海港水文规范、国家堤防工程规范S、MB公式求得的波高与实测值相比,最大相对误差分别为10%,30%,40%.     

一类弱非线性波浪数值模型及其适用性分析

研究了一类含弱非线性的改进型Boussinesq水波方程,在非交错网格下,利用有限差分法建立了混合四阶Adams-Bashforth-Moulton的预报校正格式的波浪数值模型。在数值模型中,关于空间一阶导数差分格式采用四阶精度、二阶导数差分格式采用二阶精度。针对波浪的一维、二维传播变形问题进行了数值计算,并通过与相关实验结果对比分析考察了该数值模型的适用性。     

广东省沙质海岸营造防风固沙试验示范林模式研究

进行了适生固沙灌,草的选草,草的选育,栽培以及及减轻沿海热带气旋危害并延缓沙土向内陆移动速度等的研究,营造乔,灌,草综合治试验试验模式示范林,并筛选出防风固沙效果好的4个大麻黄优良无性系,3个灌木和5个适于林带前沿至高潮线沙带种植的草木植物,从林带前沿到农田旱地设置 3道防风屏联,采取这些技术措施后,试验示范林内和林后风速降低了43．5－68．7％,4－5m/s风速已不再起飞沙,林内的自然植被增加,喜湿润的植物生长良好,防风固沙效果显著。     

沙质海岸河口航道回淤计算方法及其应用

从沙质海岸的水流泥沙运动基本理论出发,提出了沙质海岸河口泥沙回淤计算模式,推导出了适合闽江通海航道挖槽回淤计算的稚移质输沙率公式和悬移质回淤强度计算公式,利用该公式计算闽江口二期航道回淤的结果与实际情况一致。对闽江口深水航道回淤进行了预报计算。     

沿岸流的模型实验和数值模拟研究(英文)

研究了两个缓坡海岸（坡度为1：100和1：40）上沿岸流、波高及波浪增减水的模型实验方法和数值模拟方法,给出了沿岸流速度、波高和波浪增减水沿海岸剖面的分布,并且对沿岸流的实验模型方法进行了讨论。给出了沿岸流的数值模拟方法和结果,与实验结果进行了比较。     

厚荚相思在沿海沙质海岸更新造林中的应用

为改变沿海地区造林树种单一状况,提高森林群落稳定性和生物多样性,1990年在福建东山县海岸后沿沙地引种厚荚相思、马占相思、大叶相思、肯氏相思、纹荚相思及毛绢相思;1998年选用厚荚相思、木麻黄、刚果12＃桉、湿地松等树种在木麻黄基干林带下套种更新和带状采伐更新;1999年选用厚荚相思、肯氏相思、马占相思、纹荚相思在风口沙地造林。研究结果表明,在海岸前沿风口沙地厚荚相思造林成活率高,受风害轻微,对沙荒风口不良生境适应力强;在海岸木麻黄基干林带更新中,厚荚相思保存率高,生长迅速;在林带后沿沙地厚荚相思成活率和保存率高于其它相思类树种,树高,直径及材积生长量最大,降低风速明显,林内凋落物多,提高土壤肥力显著。     

波浪为形数值模拟

从Navier-Stokes方程出发，采用修正的k－ε模型来封闭雷诺方程，作为紊波波浪场的控制方程，采用修正的VOF方法跟踪自由表面，应用施主与受主单元模型求解流体体积函数F的输运方程，在差分离散方法的基础上，采用通度概念，对不规则边界进行处理，在近壁区范围内，采用壁函数技术解决壁面效应问题，通过数值计算成功地模拟出椭余波 通过潜堤时波面的变形过程。     

基于改进型AHP的食品质量安全时间序列预警模型的研究

运用改进型AHP建立食品安全状态的时间序列预警模型。模型采用3标度法构建判断矩阵可较为简单计算确定质量安全预警指标的权重,判断食品安全状态,应用食品质量安全技术标准和指标可建立食品安全状态预警模型,用于食品安全状态预警,并以稻米为例建立稻米质量安全预警模型,为建立其他食品安全状态预警模型研究提供参考,也可为食品质量安全监管部门进行食品监测与综合评价、科学监管提供参考。     

基于分层时序模型的步态识别算法

以隐马尔可夫模型和动态纹理模型为代表的动态贝叶斯网是描述步态序列的重要方法,但都存在一些不足之处.提出了一种新的动态贝叶斯网——分层时序模型,该方法采用分段线性逼近非线性和用各段的动态纹理模型作为隐状态,将隐马尔可夫模型和动态纹理模型做了结合,充分发挥了其优势.该方法在CMU Mobo步态数据库和CASIA步态数据库B上做了评估,结果充分显示了分层时序模型的高性能.     

基于时间序列的市场需求预测模型研究

在研究时间序列预测模型的基础上,提出了组合预测模型,并对模型参数进行了优化处理.用于预算未来某时期内市场供求趋势,从而为企业的决策提供依据.     

基于神经网络的时序预测模型研究

将神经网络作为传统的时序线性模型的非线性推广进行了分析,论证了多层前向神经网络与非线性自回归模型及反馈神经网络与非线性自回归移动平均模型的等价意义,提出了一种可作为非线性时序模型的内反馈神经网络．     

基于时间序列模型的河南省房地产价格研究

以SAS软件为工具,对2009年3月～2013年3月河南省郑州、洛阳和平顶山3个城市新建住宅价格指数序列进行了实证分析.通过比较AIC、SBC值和可决系数R2,拟合3个序列的最终模型分别是郑州的异方差AR（3）-ARCH（1）模型和洛阳、平顶山的以时间变量t为因子的残差自回归模型.预测结果显示,河南省的房价近期仍呈上升态势,郑州的上涨幅度最大,大约是1.4％ ～1.5％,洛阳约为0.5％,平顶山约为0.3％.     

基于时间序列模型的结构损伤识别方法

针对现有结构损伤识别方法中因模型参数物理意义不明确而导致的损伤信息遗漏等问题,提出一种基于时间序列模型的损伤识别方法.首先,推导了具有外部输入的自回归模型(ARX)的一般表达式,并通过联立多自由度体系运动方程建立了考虑结构动力特性的ARX模型.随后,运用该模型预测得到未损伤情况下的节点加速度时程序列,根据其与实测数据的差异程度构造表征结构损伤的参数,即损伤因子.最后,根据损伤因子数值大小与分布情况评估结构损伤状态.数值算例结果表明,该方法在较少的测量数据样本下,能够较好地识别单位置与多位置损伤,并可较为准确地判断损伤程度,同时识别结果受激振位置与测量噪声的影响较小.     

基于多重时间序列模型的城市固定资产投资与GDP的动态关系

针对固定资产投资与GDP动态关系的研究,首先采用Granger Causality Test确定固定资产投资与GDP存在因果关系,建立了固定资产投资与GDP的多重时间序列模型,并用Q统计量检验模型的适应性;对模型分析得出,固定资产投资会推动GDP增长,且具有4~5 a的正向滞后作用;最后,分别应用该模型和ARIMA模型预测厦门市2000—2008年GDP值,结果表明,该模型预测误差比ARIMA模型低8%左右.     

基于递推合成BP网络的多变量时间序列预测模型

提供了一种基于递推合成BP网络的非线性时间序列预测方法,并针对具体实例建立多变量时间序列模型.将其预测结果与灰色预测模型及常规BP网络的多变量时间序列预测模型的结果进行比较,其仿真实验结果表明该网络具有很强的学习特性和泛化能力,适合进行非线性时间序列建模及预测.     

基于时间序列手势轮廓模型的动态手势识别

针对动态手势在时间尺度上的多变性和复杂性,提出了一种动态手势识别框架.该框架利用时间序列上提取的手势轮廓构造动态手势轮廓图像,获得不同动态手势在不同时间尺度下其轮廓图像的均值图像和方差图像,并将这些图像用于构成动态手势轮廓模型库,在此模型库基础上,利用相关信息方法和改进的动态时间规整方法完成动态手势的识别.实验结果表明,文中提出的动态手势轮廓模型对不同时间尺度的动态手势具有较强的鲁棒性,改进的动态时间规整方法较传统方法具有更高的识别率.     

产品需求量非平稳时序的ANN-ARMA预测模型

针对基于非平稳时序的产品需求量预测方法存在的问题,研究了人工神经网络(ANN)与自回归滑动平均(ARMA)模型的集成建模与预测方法. 产品需求量的非平稳时序可分解为确定项和随机项两个部分,用人工神经网络模型拟合确定项,以表示非平稳的变化趋势;用自回归滑动平均模型拟合随机项,以表示平稳的随机成分. 将两个模型的预测值之和作为产品需求量的优化预测值. 仿真结果表明,集成模型的预测精度高于单一的人工神经网络模型.