沙堆实验的自组织临界性与水华暴发行为的关系研究

用圆柱形铝粒和铁粒进行沙堆物理实验，均得到高相关性的幂率函数K=a（Δw）^b，表明沙堆系统具有自组织临界性.在此基础上考察沙堆系统行为与不同颗粒及不同底盘的关系，并对统计数据a和b进行了重构得到在文中定义为水华暴发趋势的协同参数^{Y₁和Y₂.Y₁与L/d}（表征迁入水域系统的营养盐量）呈较好的线性正相关，Y₂与D（表征水域环境对营养盐的负荷量）呈较好的线性负相关.结合文献资料对比分析可以证明：L/d值越大（迁输入量越大）水华暴发趋势Y1越高；D值越大（系统负荷能力越高）水华暴发趋势（可能性）Y₂越低.     

用准真实沙堆模型的自组织临界特性研究流域水华暴发行为

在引入多象限、优先级和表观摩擦系数等概念的基础上,重构了更具物理意义和更能反映自组织临界性的棱锥形准真实沙堆模型.通过大量仿真计算,研究了颗粒投放区域相对大小对沙堆自组织临界特性的影响规律,并借助内能、结构熵和自由能的概念,对沙堆系统进行了热力学分析.数值计算显示,沙堆模型的自组织临界特性与富营养污染流域暴发水华时的某些复杂非线性关系(例如藻类数量与pH值的关系,水库输出的氮磷物质的量之比与光合固碳消耗营养盐的速率系数的关系)和热力学规律(流域系统熵的变化)具有一致性.结果表明:沙堆模型的自组织临界性与实际流域中水华暴发现象之间存在很强的关联,因而自组织临界性理论有可能为研究水华暴发提供一种新方法.     

全球二氧化碳温室效应演化性态的胞映射方法研究

运用简单胞映射方法和Saltzman大气模式对大气环境中导致温室效应的CO2气体的复杂演化非线性非平衡态动力学行为进行了全局分析.研究表明:在胞映射构成的相空间中得到离散化大气环境系统两个全局吸引子,一个是稳定态吸引子,另一个是非稳定态吸引子.分析相平面中多步吸引域的运动轨迹发现:Saltzman系统在相平面中的运动轨迹呈稳定螺旋.通过改变CO2浓度参数,考查了全局吸引子在相平面中的移动趋势,同时推断出系统的全局稳定性关于CO2浓度的变化趋势,且当CO2浓度处于特定区间时,系统吸引子周围出现新的极限环吸引子,说明系统存在周期振荡行为.     

水体富营养化和水华的控制技术研究现状

针对我国日益严重的水体富营养化现象,从物理化学、生物和水力学三个方面对国内外富营养化和水华控制技术的研究现状进行了综述。结果表明,基于理性的氮磷营养物控制策略仍是水体富营养化控制的优先策略,科学合理的水力调度对库湾水体、城市河道抑制富营养化和控制藻类生长具有重要作用,传统的物理和化学方法及生物技术在小范围水华应急和水质维持较为有效,但一些方法的生态安全性及理论依据仍需加强研究。实际水体修复过程中仍需要不断调整方法以适用不同水体需求。     

非线性周期非自治系统的Poincare型胞映射方法及其应用

通过引入Ｐｏｉｎｃａｒｅ映射的思想,给出一种适用于高维非线性周期非自治动力系统全局特性分析的基于Ｐｏｉｎｃａｒｅ映射的胞映射方法,并通过分析比较,说明传统的胞映射方法实质上是新方法应用中的一个特例。为说明新方法的有效性,用它对不平衡轴承转子非线性动力系统进行了全局特性分析,同时求得了系统存在的周期解及其在各个不同Ｐｏｉｎｃａｒｅ截面上的吸引域,得到了一些新的现象和规律,为建立适用于不平衡轴承转子     

多态概率元胞自动机森林火灾模型及应用

通过对概率元胞自动机模型的改进,分析了在既不能生长又不能燃烧的空地存在或森林砍伐形成的多态邻居条件下,森林中树木占有率的变化。模拟结果表明在适度留一些既不能生长又不能燃烧的空地或适度砍伐的条件下,不但不会减少森林中树木的比率反而有利于树木的生长。模拟结果与真实情况比较吻合。     

基于有监督核自组织映射的锂电池健康状态预测

高效准确地预测锂电池的健康状态(State of health,SOH)可以保证锂电池的正常运行,提高维护效率及电池本身的稳定性。提出一种基于有监督核自组织映射(Supervised kernel self-organizing map,SKSOM)的建模方法用于锂电池SOH预测。首先,对锂电池的原始放电数据进行预处理及归一化;然后,设计并优化了针对SKSOM的输入特征,在此基础上训练出SOH预测模型;最后,在美国国家航空航天局(National Aeronautics and Space Administration,NASA)的标准锂电池数据集上进行验证。实验结果表明,该文所用的预测模型能有效挖掘出锂电池的SOH规律,预测性能优于其他已有的SOH预测模型。     

文本处理中基于随机映射的加速LSI方法

首先针对在文本处理的高维矢量环境中Kohonen自组织映射神经网络的计算瓶颈问题和输入矢量空间中存在的问题进行分析，然后对随机映射(RM)和隐含语义索引(LSI)方法分别进行理论分析，提出用于文本处理的基于随机映射的加速LSI方法．试验结果表明，加速LSI方法可以在凸现原有语义联系的基础上，低代价、有效、可控地解决上述问题，极大地降低文本处理环境中Kohonen自组织神经网络的规模和计算代价．     

矩阵码的自组织特征映射识别研究

基于Ｋｏｈｏｎｅｎ自组织特征映身网的自组织性、自适应性及对输入信号的高容错能力，运用无导师动态竞争学习方法对较模糊的矩阵码进行识别，取得了较好的效果，对网络的训练采用了采用带噪声的矩阵码数据，大大提高了系统的辨识能力，试验表明，该方法为矩阵码的识别提供了一有效的途径。     

一种新的自学习特征映射算法研究

为了有效地提高矢量量化(VQ)码书的性能,提出了一种新的自学习特征映射(SLM)算法,并应用到图像VQ中,实验表明,与自组织特征映射(SOM)算法相比,SLM算法具有聚类特性好和峰峰信噪比高等优点,是一种非常有前途的码书设计算法.     

非线性化学胞映射数值解的多线程并发运行实现技术

胞映射方法是一种在离散化相空间中求解、描述和揭示复杂非线性化学动力学系统演化过程、吸引域结构、吸引子形态及其内在规律的有效工具。利用胞映射算法技术 ,在双CPU计算机平台上 ,结合多线程并行计算技术实现了复杂非线性系统演化过程的高效运算 ,较好地解决了大规模运算量与高效计算之间的矛盾 ,以及复杂系统演化过程的计算可视化问题     

一种用于计算机图形分离的自组织映射彩色量化方法

提出了一种用于计算机图形分离的自组织映射彩色量化改进方法，该方法首先将自组织映射的输出神经元分成灰度组和彩色组分别进行初始化，在训练过程中分别训练灰度组和彩色组中的神经元，同时采用生长、修剪及合并方案来自适应地调整神经网络的结构，实验结果表明，该方法能够大大提高收敛速度和量化精度，满足了后续图像分割和识别的需要。     

自组织映射网络的应用与探讨

自组织映射可用于学习识别数据的类型，对同类样本聚类，文章探讨自组织映射网络的训练方法，并通过训练自组织映射网络实例来分析训练的可视化结果。     

基于自组织映射网络的模式分类器对储产层自动分类方法研究

文章提出了一种储产层识别及预测方法，该方法利用了神经网络中的自组织特征映射网络，它是由无人管理训练而得到的。当该网络被用作储产层的模式分类器时，它需要进行有导师指导的训练，这个模型就变为储产层的模式分类器。     

基于自组织特征映射的属性离散化方法

基于粗糙集理论,用K-W方法初步评价各连续属性的重要性,用自组织特征映射的聚类方法进行离散化,以决策表相容性为判决标准.试验表明,这是一种令人满意的离散化方法.     

自组织特征映射在人群健康风险评估中的应用研究

运用自组织特征映射神经网络（SOM）方法分析人群的健康状况,给出评估结果,并对该方法是否适合健康评估进行评价,为后续的研究工作指明方向。     

基于自组织映射神经网络的粘连字符分割

用自组织映射神经网络作为粘连字符分割的方法,对经典的自组织学习规则做了一些改进,使其以较少的神经元结点、较快的速度逼近粘连字符的白像素点的分布。     

改进的自组织特征映射网络及应用

在自组织特征映射网络研究的基础上,对其网络结构进行了改进,利用改进后的自组织特征映射网络算法进行油气检测.根据已知井位的油气属性,验证了该方法的有效性,并将其运用于未知井位的油气属性的预测.     

对理论物理中一个自组织临界模型的标度行为的研究

在理论物理中,本文对具有随机倒塌过程的二维自组织临界米堆模型的临界行为进行了数值模拟研究。雪崩大小的概率统计分布服从幂次规律。但是矩分析的结果表明系统的临界行为不能由简单的有限尺寸标度律来表征,而展示出一种复杂的标度行为。