环境熵变化对大气颗粒物沉降的影响

通过研究环境系统熵的构成,建立了动态熵模型,分析了熵变化规律,当系统内部熵增感应系数β>1时,当前时间段的熵值与上一时间段系统熵值呈正相关关系,当0<β<1时,呈负相关。同时,结合能源消费量、能源加工转换效率、PM2.5年均浓度变化等情况,分析了熵变化对于环境有序度的影响,以及对于颗粒物沉降的作用;研究结果表明,降低系统能源消费、提高能源加工转换效率,可以有效地减小熵产,增加环境有序度,最终使得环境对颗粒物的消纳能力上升,有利于颗粒物沉降,减少雾霾天气现象。     

噪声对离散混沌系统非线性特征量的影响

以Logistic映射为例，运用非线性动力学的方法，分析了不同信噪比时，噪声对离散映像在混沌区非线性特征量的影响。通过错误近邻分析法确定序列的嵌入维，计算了序列的关联维数、最大Lyapunov指数和近似熵，结果表明：随着信噪比的降低，关联维数和近似熵逐渐增大，最大Lyapunov指数呈下降趋势；当信噪比大于500时，噪声对非线性特征量的影响不大。并采用重现图形和重现定量分析法得出信噪比大于10时序列存在的确定性规律仍能显示出来。     

基于VaR-GARCH模型的金融衍生工具市场风险研究——以沪深300股指期货为例

针对我国金融衍生工具市场风险问题,本文利用沪深300股指期货的日数据,运用VaRGARCH模型对沪深300股指期货市场风险进行了实证研究.研究表明股指期货收益率序列具有尖峰后尾、集聚、平稳的特点.利用GARCH模型中的条件方差计算VaR的值,由此度量股指期货市场风险,并给出控制其风险的对策,从而获得控制股指期货市场风险的理论和方法.     

基于改进EMD算法的熵性能研究

熵作为度量序列混乱程度的特征参数,已被广泛应用于不同领域.运用仿真信号对信息熵、近似熵和模糊熵进行了全面的分析对比,验证了模糊熵的优势;提出了改进的经验模态分解方法,将算法与模糊熵结合,求出加权模糊熵.实验结果表明相比于原始信号的模糊熵,新模糊熵对一时间序列混乱程度的区分度更加明显,其值也更加稳定.     

资金流量表内容及其简析

长期以来,当我们谈及市场货币流通需求量时,宏观理论依据是马克思的货币流通规律,在政策选择和操作上有“1:8”公式,其具体内容是每8元零售商品需要1元人民币(现金)实现其流通,其算式是社会商品零售总额/流通中货币量(现金)。如果这个算式计算的值为8,则货币发行量适度,商品流通正常。这个思路是把货币存量,(任何一个时点上现金流通量与支票存款量的总和)与流通货币需求量相对应,人们对货币的需求,看居只是对有形商品的购买。     

沪深300指数马氏性检验及预测

利用粗粒化方法构造沪深300指数和交易量的联合变动状态序列,通过计算χ2统计量检验了序列的马氏性,选取标准化的各阶收益率自相关系数作为权重,建立加权马氏链预测模型并对股指走势进行预测。结果发现成交量在预测中具有重要作用,日内走势预测效果较好,日间走势预测效果较差,说明股指日间走势受市场消息面影响较大。     

股指期货强行平仓风险应对策略的探讨

中国金融期货交易所已经推出沪深300股票指数,并开始了以沪深300为标的指数的股指期货合约仿真交易,本文在中国金融期货交易所推出了一系列股指期货交易规则的基础上,通过模型将问题转换成非线性方程求解,得出投资者在最开始应该投放于股指期货交易市场的初始保证金数量．开仓持有的合约头寸并最终求得总的投资收益;通过对不同的历史价格序列进行的对比,得出价格波动的剧烈程度会对投资总收益产生很大的影响;价格序列的方差越大,强行平仓风险的投资策略优势越明显。通过这些研究,提出应对强行平仓风险的一种投资策略。     

基于样本熵理论的长江干流径流序列复杂性分析

基于样本熵理论,选取宜昌站、汉口站和大通站为长江干流主要水文控制站,对3站的径流序列进行分析,研究长江干流径流序列复杂性的空间分布及动态变化特征。结果表明:长江干流径流序列复杂性具有明显的空间差异性,从上游到下游总体上呈现增加趋势。各站的样本熵值与年径流量均呈现负相关关系。宜昌站和大通站径流序列复杂性处于不断增加趋势,汉口站21世纪以来呈现增加趋势。     

基于支持向量机的沪深300指数预测研究

基于沪深300股指时间序列的特点,提出了一种基于主成分分析和支持向量机相结合的方法,将影响沪深300股指的各个因子通过主成分法进行信息的提取,然后用支持向量回归机进行学习预测.最后通过比较预测值与真实值,发现所预测的10个时段的收盘价均方误差为2.11617,且由预测值和真实值对比的条形图发现预测趋势基本准确,可见运用支持向量机对沪深300指数进行预测是可行的.     

基于多尺度符号转移熵的脑电信号分析

无论从全局还是局部的角度出发,采用多尺度转移熵表示全局和局部两类脑电(electroencephalography,EEG)信号,并分析其动态和不对称信息。采用比例系数从1到199、步长为2的多尺度方法处理正常人和癫痫病患者的脑电信号;然后采用维度为3的全局排列方法表示序列。将正向和反向符号序列作为转移熵的输入。比例因子的间隔和全局路径分别为(37,57)和(65,85),分析发现两组EEG信号的熵值在该处较容易区分。当比例系数为67时,健康对照组和癫痫病患者的转移熵值分别为0.113 7和0.102 8,差异最大。在比例系数是165时,全局变量的相应值为0.064 1和0.060 1。研究结果表明,合适的排列有助于更好的区分脑电数据信息,采用多尺度符号转移熵分析EEG信号更加有效。     

基于近似熵的交通流序列趋势变化检测

交通流趋势变化特征分析是交通流预测的基础.为了提取交通流序列随时间推移所呈现出来的宏观变化规律,提出了一种用于检测交通流序列趋势变化的滑动移除近似熵方法.通过对交通流序列趋势规律进行研究,首先将其细分为上升趋势、平稳波动趋势、下降趋势,然后根据不同趋势变化的时间序列复杂程度不同,建立了滑动移除近似熵方法求解其滑动移除近似熵的值,并根据得到的时间序列提取交通流序列趋势变化.最后以北京市四环路某一断面交通流序列为例,用建立的模型对交通流序列趋势变化进行检测,并与滑动t检验方法结果对比.研究结果表明本文提出的方法能够对交通流序列趋势变化进行检测,且检测结果与实际交通流序列趋势变化比较吻合,研究结论可为短时交通流预测建模提供参考依据.     

短纤维增强橡胶密封复合材料纵向拉伸模量的预测方法

摘要： 建立了含界面相、纤维和基体的短纤维增强橡胶（SFRR）密封复合材料纵向拉伸模量的预测模型,采用Mori Tanaka方法得到了SFRR的纵向拉伸模量的预测公式,将其计算结果与试验数据进行对比;同时,探讨了纤维体积分数、界面相的厚度和模量对复合材料纵向拉伸模量的影响.结果表明：纵向拉伸模量预测模型的计算值与试验值较吻合,其最大相对误差为11.2%;SFRR的纵向拉伸模量随着纤维体积分数的增加而增大;界面相模量对SFRR纵向拉伸模量的影响显著,当界面相模量小于基体模量时,SFRR的纵向拉伸模量随着界面相厚度的增加而减小;当界面相模量大于基体模量时,SFRR的纵向模量随着界面相厚度的增加而增大.     

含铌低硅TRIP钢板烘烤硬化行为分析

模拟汽车板的烘烤工艺,研究了预变形量、烘烤温度和烘烤时间等对含铌低硅TRIP钢板组织和性能的影响,探讨了TRIP钢的烘烤硬化机理。结果表明,当预变形量小于4%时,烘烤硬化值随预变形量增大而增加,预变形量大于4%时反而降低了烘烤硬化效应;当烘烤温度低于170℃时,随烘烤温度的上升,烘烤硬化值明显增加,当烘烤温度高于170℃时,烘烤温度对烘烤硬化值影响不大;当烘烤时间在20min以内时,随烘烤时间的延长,烘烤硬化值显著增加,烘烤时间超过20min时,烘烤硬化值随烘烤时间的延长反而有所降低。通过对TRIP钢的烘烤硬化机理分析,建立了烘烤硬化值变化模型:ΔYBH=ΔYγ+ΔYb+ΔYγc+ΔYdp+ΔYc,其中沉淀析出碳氮化物数量和Cottrell气团数目变化引起的ΔYdp+ΔYc对烘烤硬化值变化影响相对显著。     

活性炭自水溶液吸附苯酚的热力学探讨

研究了活性炭自水溶液吸附苯酚的吸附规律和机理，对不同吸附温度和溶液pH值下吸附常数和热力学函数进行了估算，结果表明：活性炭自水溶液吸附苯酚符合Langmuir模型；低温度低pH值下苯酚被吸附的量大，熵增效应小，而高温度高pH值下苯酚被吸附的量小，熵增效应大，整个吸附过程中熵增效应随吸附量的增加而减少。     

非线性分析方法在沪市高频时间序列中的应用

为研究高频金融时间序列的可预测性,尝试运用相空间重构和偏差计算分析方法预测t 1时刻股指瞬态变化方向.相空间重构可以保持原高频时间序列的某些信息,这些信息是对系统行为的近似描述.通过这种近似行为的描述,发现当时间t足够大时,即t→∞,系统的特性会被更好地反映出来;运用动态系统偏差来描述系统特性,分析系统的瞬间情况,而这种偏差等价于Jacobian矩阵的迹,它是用来测量无穷小的相空间量V(t)沿着轨迹x(t)的变化率.以沪市综合指数5 min高频数据为实证研究对象,预测t 1时刻股指瞬态变化方向,再和实际股指运动方向做比较,效果比较好.     

谐波小波样本熵与HMM模型的轴承故障模式识别

根据谐波小波分解非平稳振动信号优良特性与隐马尔科夫(HMM)模型的时序模式分类能力,提出了一种基于谐波小波样本熵与HMM模型结合的轴承故障模式识别方法.该方法首先利用谐波小波对轴承各个状态故障信号进行分解,进而由谐波小波三维时频网格图的频率层数特征计算合理的样本熵维数和阈值,依次提取轴承振动信号各层的样本熵构成特征向量序列;然后将序列前120组输入HMM模型中进行训练得到对应故障模型,剩余80组进行测试与识别,通过对比对数似然估计概率输出值确定轴承故障类型.实验通过与BP和RBF神经网络模型进行不同训练组数的正确识别率对比,验证了该组合方法具有识别准确率高,稳定性强的优点.     

基于广义复合多尺度熵的两相流动力学分析

多尺度熵(MSE)作为一种度量非线性时间序列复杂程度的有效分析方法,已被应用于两相流动力学特性分析.针对MSE分析中粗粒化方式的不足,采用方差代替均值以及复合化熵值的广义复合多尺度熵(GCMSE)对几种典型时间序列进行了分析.与MSE相比,GCMSE分析有效且熵值的稳定性表现更好.在此基础上,分析了125种不同流动条件下垂直上升管内气液两相流3种典型流型的压差波动时间序列.研究结果表明:泡状流、塞状流、混状流的GCMSE均随尺度因子的增大而增大,但熵值增长速率存在明显的差异,在低尺度因子下熵值增长速率能够用来表征不同流型,在中高尺度因子下熵值波动特征能够映射不同流型的非线性动力学特性.     

熵在空气质量指数(AQI)预测中的应用

为了更准确地找出影响空气质量指数的气象因子与提高其预测精度,提出了基于熵、BP神经网络和时间序列模型的组合预测模型。该方法利用增加了特征变量的转移熵方法,得到影响AQI的气象因子及其影响度,将得到的气象因子与AQI实测值作为BP神经网络的输入因子和时间序列分析模型的特征因子,影响度作为BP神经网络输入因子的初始权重,构建BP神经网络预测模型和时间序列分析预测模型,最后用熵值法组合各个预测模型的预测结果。实验表明利用该方法对空气质量指数进行预测可提高其预测精度。     

基于EMD与BP神经网络的中国股票指数期货价格预测

应用经验模态分解算法（EMD）和BP神经网络理论提出了我国股指期货市场价格走势预测模型。首先应用EMD分解算法把股指期货价格序列分解成不同尺度的内禀模态分量（IMF）,再通过重复试验的方法运用BP神经网络对股指期货价格序列和分解得到的所有IMF的数据序列进行训练,得到股指期货价格的预测模型,并对股指期货价格进行预测。实验表明,通过该方法得到的预测值与股指期货的实际价格有着很高的拟合度。     

带整体单极子黑洞背景下纠缠熵的相变

在带整体单极子黑洞背景下,研究了热力学熵和纠缠熵的相变.结果表明,在熵-温度平面,热力学熵与纠缠熵具有完全类似的相结构.当黑洞电荷很小时,相变是一阶相变;当电荷增大到临界电荷时,相变是二阶相变.对于热力学熵和纠缠熵的一阶相变,发现麦克斯韦的等面积法则始终成立,对于热力学熵和纠缠熵的二阶相变,得到了相变点附近热容的临界指数,这一值和平均场论得到的值近似相等.