用PDE方法生成船体周围流场网格

在船体表面精确表达的基础上，采用船体表面的贴体坐标，求解Ｐｏｉｓｓｏｎ－ｔｙｐｅ ＰＤＥ方程得到船体周围三维流场网格，通过改变控制函数，能可视化地，交互地产生不同疏密和走向的网络。这种方法较适合于具有任意曲面内外边界条件下的三维流场网格生成。     

基于模糊集理论事件树分析方法在风险分析中应用

应用事件树分析方法进行风险分析时,通常将事件的发生概率当做确定值,但是在许多工程实际中,根据历史资料确定事件发生概率是非常困难的,经常需要利用专家的知识对事件的失败概率给出模糊的评断。因此提出基于模糊集理论的事件树分析方法,将模糊性语言转换为三角模糊数或梯形模糊数,应用模糊数λ截集以及模糊数积分排序方法,对后果事件的风险进行综合评判,船舶建造过程中风险分析实例验证了该方法切实可行。     

破损船舶自由浮态计算

在船舶不沉性理论的基础上,叙述了船体计算坐标系和浮态参数的选取、角坐标变换、破损船舶浮态计算的数学模型和水线下船体要素的定义。在倾斜水线与船体表面求交点时,采用坐标转换方法,并应用Green公式计算船体水线下和淹水舱的有效要素;简化了计算方法,提高了利用Newton迭代法求解浮态平衡方程的收敛性和精确性,同时也方便了计算机软件的编程。通过对实船的设计结果分析,证明了该方法的先进性和工程实用性。     

采用改进的AHP方法进行船型方案MCDM论证

基于船舶工程领域系统设计的非线性和复杂性，采用改进的AHP方法进行船型方案的多目标优选决策。对传统的HAP方法进行改进时，采用构建三标度矩阵的方法，避免了采用九标度方法构建判断矩阵时权重选择的模糊性，从而减少了决策过程中设计者的主观臆断性。实验证明，与采用传统的九标度方法相比，三标度方法具有简单明了、使用方便等优点，在应用于船型方案多目标决策等复杂系统时是适用的和可靠的。     

船舶型线设计方法研究

本文构造出一种有理三次β样条函数，并描述其特征；提出了应用有理三次β样条曲线来设计船体型线的方法；同时，利用这一原理，编制出船舶型线设计软件系统（Ｆｏｒｍ－Ｓ）。     

海上核应急救援无人方舱稳性研究

针对远海核应急救援需求,研发设计专用于两栖飞机投送的核应急快速响应无人艇(核应急救援方舱)非常必要.研究确定了方舱主尺度及船型参数;计算了正浮、倒浮和横倾90°典型浮态下的静水力特性曲线,并绘制了初稳性随重心高度变化的曲面图谱,确定不同吃水下的极限重心高度;提出了方舱稳性计算基本原理和自扶正计算流程,绘制了满载工况和空载工况下静稳性曲线图谱,并讨论了自扶正性能随重心高度变化规律.通过样条曲线拟合,得到满足自扶正要求的最大重心高度.研究成果可为方舱后续设计提供技术基础和参考.     

船体几何造型设计及软件实现

叙述了船体几何造型设计软件功能、面向对象设计思想、软件系统分析与设计和系统运行环境，船体曲面造型设计软件是以消息驱动和具有图形用户界面的面向对象的软件系统。船体几何造型设计不同于传统的２Ｄ母型改造方法，它更接近于虚拟现实的设计概念，通过实船的３Ｄ船体几何型设计，证明本方法的正确性和软件系统的实用性。     

考虑投资者情绪的GARCH-改进神经网络期权定价模型北大核心CSCDCSSCI

提出了一种考虑投资者情绪的基于改进粒子群算法优化的BP神经网络,并结合GARCH模型用于预测欧式期权价格。引入单点变异算子来提升传统粒子群算法的寻优能力,并通过改进后的算法来优化BP神经网络的结构与相应参数。利用GARCH模型估计权证股票价格的历史波动率,并将其作为改进神经网络模型的输入变量之一。最后,进一步考虑投资者情绪对期权价格的影响,通过构造剔除了基本因素的投资者情绪复合指标,并融入改进后的神经网络中。选取包括鞍钢JTC1在内的10支国内认购权证的收盘价格进行实证研究。结果表明,该模型的收敛速度与预测精度优于传统的BP神经网络以及B-S模型,考虑投资者情绪的影响后,预测结果更贴近实际情况。     

集装箱船全航线预配优化模型与算法研究

集装箱船全航线配载问题属于NP-hard问题.为降低问题求解难度,提出了解决全航线配载问题的分解算法,即将配载问题分解为Bay位选择和Bay位中集装箱排序两个子问题.将Bay位选择看成是"装箱问题",以不同属性集装箱作为待装"物品",以船舶上的Bay位为箱子,以最优装箱(即使用箱子的数量最少)及集装箱在每个港口的倒箱数量最少为目标进行总布置配载;Bay位中集装箱排序是将Bay位选择阶段分配到不同Bay位的集装箱按某些规则进行排序,确定其在Bay位中的具体箱位.主要研究了Bay位选择阶段的模型及算法.实例模拟结果表明该方法可行,为集装箱船全航线配载优化提供了一个实用的模型.     

考虑投资者情绪的GARCH-改进神经网络期权定价模型

提出了一种考虑投资者情绪的基于改进粒子群算法优化的BP神经网络,并结合GARCH模型用于预测欧式期权价格。引入单点变异算子来提升传统粒子群算法的寻优能力,并通过改进后的算法来优化BP神经网络的结构与相应参数。利用GARCH模型估计权证股票价格的历史波动率,并将其作为改进神经网络模型的输入变量之一。最后,进一步考虑投资者情绪对期权价格的影响,通过构造剔除了基本因素的投资者情绪复合指标,并融入改进后的神经网络中。选取包括鞍钢JTC1在内的10支国内认购权证的收盘价格进行实证研究。结果表明,该模型的收敛速度与预测精度优于传统的BP神经网络以及B-S模型,考虑投资者情绪的影响后,预测结果更贴近实际情况。